DISSERTAÇÃO Nº 126

Discente: Rodrigo Spencer Hartmann Calazans

Título: “Nova Técnica de Projeto de Quantizadores Vetoriais Baseada em Computação Inteligente”  

Orientador: Prof. Dr. Francisco Madeiro Bernardino Junior.

Examinador Interno: Profa. Dra. Maria de Lourdes Melo Guedes Alcoforado (UPE) 

Examinador Externo: Prof. Dr. Waslon Terllizzie Araújo Lopes (UFPB)  

Data-hora: 30/06/2021, às 09h

Local: Formato Remoto

CÓDIGO DA SALA - Google meet: meet.google.com/tzi-akqk-ecq

Resumo do Projeto:

A Quantização Vetorial (QV) é uma técnica que pode ser utilizada para compressão de imagens. O desempenho da QV, no quis diz respeito à qualidade das imagens reconstruídas, depende da qualidade do dicionário utilizado. Nos últimos anos, a Inteligência de Enxames vem sendo empregada para o projeto de dicionários, que pode ser visto como u problema de otimização multidimensional. Algoritmos de enxame, como Fish School Search (FSS), são técnicas bioinspiradas baseadas e população, em que os membros do enxame (partículas) buscam resolver um problema de forma descentralizada e eficiente. Este trabalho apresenta um novo algoritmo de projeto de dicionário, denominado Cuckoo-LBG, o qual é uma técnica que combina o algoritmo bioinspirado Cuckoo Search (CS) com o algoritmo de clusterização LBG (Linde-Buzo-Gray). A etapa de particionamento do algoritmo LBG envolve elevada complexidade computacional, a qual é um problema relevante em virtude do fato de que o algoritmo LBG, a cada iteração do Cuckoo-LBG, realiza o particionamento para cada partícula (dicionário) do enxame. Neste trabalho é avaliada uma alternativa para reduzir a complexidade supracitada. No trabalho são também avaliados os impactos de estratégias de inicialização para as partículas do enxame, em termos da qualidade dos dicionários projetados, avaliada por meio da qualidade das imagens reconstruídas. Precisamente, as estratégias de inicialização consistem em combinar dicionários obtidos por meio de algoritmos da literatura com dicionários constituídos por vetores aleatoriamente selecionados do conjunto de treino. Os resultados obtidos com o algoritmo Cuckoo-LBG são comparados com os obtidos por técnicas que se constituem em estado da arte. Os resultados de simulação apontam para os benefícios das estratégias de inicialização propostas.

Palavras-chave: Compressão de imagens; quantização vetorial; Cuckoo Search; computação bioinspirada; projeto de dicionários.