RESUMO Este trabalho aborda o problema da Quantização Vetorial Robusta no cenário de transmissão de imagens por canal binário simétrico. É introduzida uma aplicação do algoritmo Variable Neighborhood Search (VNS) para atribuição de indices para vetores-código do dicionário. Resultados de simulações revelam que o algoritmo VNS, quando comparado ao Simulated Annealing e ao Algoritmo Genético, produz dicionários com a mesma robustez aos erros de canal, gastando, para tanto, um menor tempo de execução.

ABSTRACT This work addresses the problem of robust vector quantization in the scenario of image transmission over a binary symmetric channel. The application of the algorithm Variable Neighborhood Search (VNS) is introduced for the purpose of index assignment of codevectors. Simulation results reveal that the algorithm VNS, when compared to Simulated Annealing and Genetic algorithm, produces codebooks with the same robustness to channel erros with the spent of minor time.

Compressão de sinais, marca d'água digital e reconhecimento de padrões são exemplos de aplicações de quantização vetorial (QV). Um problema relevante em QV é o projeto de dicionários. Neste trabalho, é apresentada uma alternativa de aceleração do algoritmo fuzzy K-Means aplicado ao projeto de dicionários. Resultados de simulações envolvendo QV de imagens e de sinais com distribuição de Gauss-Markov mostram que o método proposto leva a um aumento da velocidade de convergência (redução do número de iterações) do algoritmo fuzzy K-Means sem comprometimento da qualidade dos dicionários projetados.

Signal compression, digital watermarking and pattern recognition are examples of applications of vector quantization (VQ). A relevant problem concerning VQ is codebook design. In this paper, an alternative is presented for accelerating the fuzzy K-it Means algorithm applied to codebook design. Simulation results involving VQ of images and Gauss-Markov signals show that the proposed method leads to an increase of convergence speed (reduction of the number of iterations) of the fuzzy K-it Means algorithm without sacrificing the quality of the designed codebooks.