Justificacin

En la actualidad, han surgido avances tecnolgicos de gran relevancia que ayudan

a facilitar la vida del ser humano. Un claro ejemplo de esto es la fotografa digital, en
donde las imgenes son capturadas por un sensor electrnico, archivndose en una unidad
de memoria. Estas imgenes podemos verlas muy a menudo en cualquier pgina de
Internet, publicacin, revistas o incluso como fondo en el escritorio de cualquier
computadora, y en el caso de la fotografa profesional, ahorra al fotgrafo mucho tiempo
al momento del revelado.
Sin embargo, ocupan demasiado espacio lo cual genera dificultad para su envo,
manipulacin o utilizacin. Por esta razn se requieren de mtodos de compresin los
cuales generen que estas imgenes sean procesadas, ocupando menos espacio y siendo de
fcil manejo y transporte.
Este ejemplo nos muestra la importancia de la compresin, ya que sin esta
diversos formatos de archivo (como pueden ser archivos de sonidos, archivos de video,
etc.) no podran ser transportados y ser utilizados en diversas aplicaciones de usuario. Sin
embargo, estas tcnicas de compresin presentan prdidas, que llegan alterar a la imagen
de tal forma que no se pueda recuperar su forma original. Es el precio que se tiene que
pagar al utilizar estos mtodos:
Prdida de informacin.
Este proyecto de tesis propone el desarrollo de un algoritmo de programacin que
realice la compresin de imgenes de alta resolucin sin que estas presenten prdidas al
momento de su reconstruccin.

De esta forma se obtendra compresin adems de no ejercer alguna alteracin

irreversible sobre la imagen a comprimir.

Problemtica
U La VQ es un proceso en el cual los datos son divididos en bloques pequeos,
formando vectores, que son codificados secuencialmente. El proceso VQ es dividido en
dos fases: diseo del libro de cdigos y fase de codificacin.

Los vectores de reconstruccin son los vectores representativos de la informacin

a codificar. La fase de codificacin busca la coincidencia ms cercana de cada vector de
entrada con los vectores de reconstruccin. La codificacin final entonces, se reduce a un
simple proceso de listado secuencial de vectores de reconstruccin indexados.

Aunque la VQ con vectores de dimensin grande presenta un mejor desempeo

en comparacin con aquellos de dimensin pequea, uno de los problemas ms serios
para este proceso, especialmente para vectores dimensionalmente grandes, es la alta
complejidad computacional en el proceso de bsqueda de la coincidencia ms cercana
entre los vectores de entrada y los vectores de reconstruccin incluidos en el libro de
cdigos diseado; es decir, el tiempo de cmputo requerido para la cuantificacin del
vector crece exponencialmente con la dimensin del vector. Esto hace a los vectores
dimensionalmente grandes inadecuados para la cuantificacin vectorial.

Para dar solucin al problema planteado, el presente trabajo propone la

combinacin de dos algoritmos, LBG y Memorias Asociativas Extendidas (MAE), con la
finalidad de crear un nuevo esquema de cuantificacin vectorial con un enfoque en la
compresin de imgenes estticas.
Este nuevo esquema reduce significativamente la necesidad computacional sin
sacrificar el rendimiento.