雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

调查基于群体智能优化技术,图像压缩

Vivek G Vrinda Shetty
  1. 学生(M.Tech), CSE,赛维迪雅理工学院,印度班加罗尔
  2. 助理教授和煤斗,伊势,赛维迪雅理工学院,印度班加罗尔
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

图像压缩是小波变换的最重要和最成功的应用。图片会有大量的信息需要更多的存储空间,和高传输带宽和传输时间。所以重要的是压缩图像通过消除图像中的冗余信息和编码只有基本信息。作为多媒体informationa€Ÿ年代大量增长需要压缩,以减少硬件存储空间和传输带宽。因此图像压缩已成为必要。本文综述的一些优化技术雷竞技苹果下载用于图像压缩。这些技术都是基于群体智慧。群体智慧基于自组织的集体行为,分散、人工或自然系统。综述的一些基于群体智能雷竞技苹果下载的优化算法,如蚁群优化、人工蜂群算法,粒子群优化和智能水滴算法。

关键字
图像压缩,群体智慧(SI),蚁群优化(ACO),人工蜂群算法(ABC),粒子群优化(PSO)、智能水滴算法(妇女节)。

介绍
近年来,多媒体产品的需求和发展越来越快,导致网络带宽不足,数据存储空间和传输容量。因此,数据压缩的理论变得越来越显著的减少了数据冗余,节省更多的存储空间和传输带宽。在计算机科学的数据压缩编码的过程中有用的信息或其他信息包含单位使用少于一个un-encoded表示。压缩是有益的,因为它有助于减少使用昂贵的资源(如硬盘空间、传输带宽。
图像压缩的基本目标是减少不相关和冗余信息,并保持原来的质量或提供一个可接受的忠诚。未压缩的图像、音频和视频数据需要更多的存储容量和高传输带宽。数据存储容量和数据传输带宽的要求继续超过可用技术的潜力无论密度的快速进步,大容量存储器、处理器速度和数字通信系统的性能。
群体智能是基于集体行为的自组织系统,它由许多个人的协调和组织的间接沟通的原则,自组织和分散控制。
问题被分为以下目标:减少压缩图像的大小,以减少运行时间压缩的使用基于群体智能的算法。完成以上两个目标重构图像的最小失真。结果比较的基础上,参数如峰值信噪比(PSNR),均方误差(MSE)。

相关工作
楚蜀川出版社[1]提出了各种群体智能算法的概述。群体智能是基于自组织系统的集体行为。[2]成群是协调系统,由许多个人和组织原则的间接交流,自组织和分散控制。Simranjeet Kaur出版社[3]提出了多种基于蚁群算法的连续优化问题在图像压缩、图像边缘检测、分割等算法可以用来找到最优的解决方案对于一个给定的问题。Nada m·a·艾尔香肠[4]提出了蚁群优化算法,它可用于解决组合问题。通过收集各种解决方案的算法找到最佳解决方案中获得解决方案,换句话说,称为最优解决方案。m·穆罕默德·伊斯梅尔和k博士Baskaran[5],基于自适应提升计划工作使用人工蜂群算法图像压缩。人工蜂群算法是用于发现不同的更新系数的本地搜索,最终选择最优更新系数来获得更好的图像质量。Vrinda Shivashetty和G。G拉其普特人[6]提出了基于自适应提升图像压缩使用交互式人工蜂群算法。人工蜂群算法是最好的优化算法,可以用于寻找方向窗口大小来获得更好的图像质量和最佳压缩比。 R.Ramanathan et.al [7] have Proposed Improved Wavelet Based Compression with Adaptive Lifting Scheme Using Artificial Bee Colony Algorithm. ABC is a foraging process where it includes recruitment and the abandonment process. Nishat kanvel et.al [8] have proposed a method to optimize the prediction function used in the process used in Particle Swarm Optimization for Compression of an Image. M.Mohamed Ismail and Dr.K.Baskaran [9], have worked on Clustering Based Adaptive Image Compression Scheme Using Particle Swarm Optimization Technique, PSO is a uses a Fitness value for the optimization process. Hamed Shah-Hosseini [10], have worked on the intelligent water drop algorithm which is a swarm based and nature inspired optimization algorithm. Jaspreet Kaur Sidhu, Harish Kundra [11], have proposed Intelligent Water Drop Algorithm Based Image Compression where it can be used to compress the image that helps to reduce the size of an image.

蚁群优化
蚁群优化是一种群体智能技术。蚁群优化算法模拟蚁群的行为,这是一个概率技术用于问题找到更好的路径图。每个人工„antsA¢€Ÿ,模拟代理构造一个解决问题的办法我移动通过一个参数空间。然后在得到解决方案更好的一种选择。而自然蚂蚁探索环境如果他们发现任何资源直接彼此达到资源通过制定信息素。他们也记录下他们的立场和获得解决方案寻找路径达到资源的最优解。
图像
图1总结了以下。在自然蚂蚁发现从巢他们资源的最优路径是食品在上面的图中,也可以称为food-seeking蚂蚁的行为。食物寻求是基于人口的搜索过程。每个蚂蚁构造路径从源到目的地分别从巢穴到食物,在所有可能的方向移动。每只蚂蚁构造的路径从蚁巢到食物后,大量的信息素的水平。铺设信息素的强度会提高后续的蚂蚁和路径选择的决策过程。然后在获得解决方案的最佳路径选择。

人工蜂群算法
人工蜂群(ABC)是一种群体智能技术。人工蜂群算法是Karaboga在2005年提出的。人工蜂群算法模拟真正的蜜蜂的行为。蜜蜂在哪里找到花蜜和分享一些食物来源的详细信息的蜜蜂巢。有三种不同的蜜蜂被描述为代理。这些代理蜜蜂发挥着重要和优化过程中不同的角色。不同的人工代理被称为员工蜜蜂,蜜蜂旁观者,侦察蜂与不同的责任。员工蜜蜂将出现在食物来源,代表解空间中的点,并帮助旁观者蜜蜂聚集在参考点。旁观者蜜蜂得到许多地方食物来源和他们选择的任何一个位置蜂巢花蜜。最后,侦察蜂继续找到新的食物来源,进一步收集花蜜,它还有助于放弃疲惫的食物来源。
图像
在图2总结了人工蜂群算法在开始阶段计算花蜜的食物来源,然后比较其与所有其他已知的食物然后选择一个最优的一个更高的花蜜量。它选择后,其食物来源和完全把它抛弃了食物来源。所以最后选择的另一个食物源花蜜量就越高。这个过程将会继续重复。
人工蜂群算法是一种基于人口的搜索过程的优化技术,食品的位置由蜜蜂对时间和修改他们的重点是搜索食物来源的地方有很高的花蜜。

粒子群优化
粒子群优化是一种群体智能技术。粒子群优化处理问题寻找最佳解决方案,在n维空间可以表示为一个表面或点。这里每个粒子找到解决问题的办法,这样做的假设是绘制在空间和选择一个初始速度,和粒子之间的通信通道。一旦应用一个初始速度,粒子穿越解决方案空间开始,加速向更好的健身价值的其他粒子在其通信分组。这种方法相比,其他的主要主要全球最小化战略是,大量的成员,使粒子群化妆这个方法非常灵活的局部最小值的问题。
粒子群优化(PSO)进行首次引入了肯尼迪和埃伯哈特。它是一个相对较新的随机优化技术,可以模拟鸟类群体行为的植绒。在算法中,个体群,称为粒子,代表一个潜在的解决方案。每个粒子都有一个健身价值和速度,它学习的经验群搜索全球最佳状态。
图像
图像

聪明的水滴算法
智能水滴算法是一种来自大自然的灵感蜂群优化算法为基础,介绍了在2007年。自然水滴算法模仿行为的河流。每个水滴携带一定数量或数量的土壤而流动。
智能水滴算法是建立在行为发生在自然河,环境发生变化,当河水流动和水滴之间的反应和行动发生在河里。河流通常选择一个最优路径对其周围环境的条件,最终达到其终极目标通常是海洋或湖泊。这些理论是嵌入算法解决不同类型的问题像旅行商问题。
图像
在图4显示,智能水滴即自然水滴流入河流和土壤收集更多的土壤和得到更多的增加速度。
自然河流通常找到一个最优路径中所有可用的路径从源到目的地而流动。最优路径是通过考虑每个水滴,水滴找到一个最优解,和他们的反应环境,水滴之间的反应主要发生在河床。智能水滴算法可以用来解决不同的问题,它可以用来寻找解决n-queen难题,和多重背包问题得到最优解,和旅行商问题(TSP)。

结论
在本文中,我们审查的一些初步概念调查的群体智能蚁群优化、人工蜂群算法,粒子群优化和智能水滴算法。尽管我们有很多图像压缩技术,应用优化算法的压缩屈服最佳压缩比,以及减少图像的压缩所花费的时间。通过研究和讨论的一些优化技术这个调查提出了清楚的优化技术。回顾的基础上,我们得出这样的结论:所有的四个优化技术的粒子群优化将产生最好的结果的优化。

引用
  1. Shu-Chuan楚,香Cheh黄,约翰·f·罗迪克,刘正Shyang锅,“群体智能算法的概述”,施普林格- -柏林海德堡,1卷,28-41,2011页。
  2. NazneenTarannum年代,H。Rizvi, Prof.R.R。Keole“群体智慧的初步回顾:一个聪明的算法和数据聚类”,国际期刊的计算机科学和信息技术,5(2)卷,pp.1892 - 1899, 2014。
  3. Kaur Simranjeet Prateek Agarwal, Rajbir辛格Rana,“蚁群优化:一种用于图像处理的技术”,计算机科学和技术的国际期刊,卷2(2),2011年6月。
  4. Nada m·a·艾尔香肠,“蚁群优化算法”,UbiCC日报》4卷,Num。3, 2009年8月。
  5. m·穆罕默德·伊斯梅尔和k . Baskaran博士“适应性提升图像压缩方案采用人工蜂群算法”,国际期刊的电子通信和计算机工程4卷(1),2013。
  6. Vrinda Shivashetty和G。基于G拉其普特人,“适应性提升图像压缩使用——交互式人工蜂群算法”,国际科学杂志》的研究(IJSR), 3(7)卷,2014年7月。
  7. R。拉马纳坦,K。Kalaiarasi, D。Prabha”,改进的基于小波的压缩使用人工蜂群算法与自适应提升计划”,国际先进研究期刊》的研究在计算机工程技术(IJARCET),卷2(4),2013年4月。
  8. Nishat kanvel,博士。利蒂希娅,Dr.Elwin钱德拉莫尼,“基于自适应提升图像压缩方案与粒子群优化技术”,国际工程科学与技术杂志》,卷2 (9),pp.4886 - 4895, 2010。
  9. M。默罕默德·伊斯梅尔和Dr.K。Baskaran”,基于聚类的自适应图像压缩方案使用粒子群优化技术”,国际工程科学与技术杂志》,卷2 (10),pp.5114 - 5119, 2010。
  10. 哈米德沙Hosseini”,聪明的水滴算法基于自然启发群优化算法”,国际期刊仿生计算,1卷,页1 - 2日,2009。
  11. Kaur Jaspreet Sidhu哈瑞昆德拉,“国际妇女节基于图像压缩”,国际先进的计算机科学和通信工程杂志(IJACSCE), 1卷(1),2013年11月。
  12. H.S.Hosseini”,解决问题的智能水滴”,学报IEEE国会进化计算,pp.3226 - 3231, 2007年9月。
  13. Shah-Hosseini,“聪明的水滴算法:一种新的优化方法求解多重背包问题”,国际智能计算和控制论、杂志1卷,2号,pp.193 - 212, 2008。
  14. 位声音的,“不同的图像压缩技术的研究”,国家会议在信息技术的挑战与机遇,2007年。
全球技术峰会