网格编码矢量量化在SAR原始数据压缩中的应用

本文提出了一种结合传统的块自适应量化与网格编码矢量量化对SAR原始数据进行压缩的方法。首先对SAR原始数据实施块自适应量化以减小数据的动态范围,然后对块自适应量化后的数据进行网格编码矢量量化。该方法在考虑了SAR原始数据特性的基础上较好地利用了矢量的空间相关性和信号的时间相关性,进一步提高了量化增益。仿真结果表明,该方法在SAR原始数据的压缩中取得了很好的效果。     

快速可变速率SAR原始数据压缩算法

该文在原分块自适应矢量量化(BAVQ)算法基础上,提出了一种通过改变矢量码书大小及矢量维数来获得可变的编码数据率的改进措施。为了降低改进算法的计算复杂度,采用了数据块方差的查表法及矢量量化的快速搜索算法。对SAR原始数据进行压缩的结果表明,改进算法能够在不降低量化信噪比的情况下,获得更高的编码效率。不同数据率的解压缩数据生成图像,都不同程度地保留了原始图像中的细节信息。     

一种针对ISF参数的量化算法

宽带语音编码中普遍使用导抗谱频率描述声道。利用转换分类差矢量分裂矢量量化方法对导抗谱频率进行量化,该方法基于转换分类矢量量化及差值分裂矢量量化。IsF矢量先按照给出的码书分类,然后每一类中的差矢量再进行分裂矢量量化。实验结果表明,该算法可在每帧编码比特数为37时达到透明量化要求,并且码书存储量明显少于StephenSo等人给出的转换分类分裂矢量量化方法。     

一种用于图象编码的神经网络及其改进算法

本文用Kohonen的自组织特征映射神经网络设计图象矢量量化的码书,研究了网络的基本性质和学习算法的实现,提出了对学习算法的改进方法。实验结果表明,自组织特征映射神经网络能够有效地用于构造图象矢量量化的码书,算法简洁,实现快速,编码效果优良。     

基于星载SAR的原始数据压缩算法

星载SAR的原始数据量大,受到星上设备的数据处理能力和下行链路带宽的制约,需要把原始数据进行有效的压缩以便在系统允许的条件下存储和传输.因此必须采取一种能提供较高压缩比和较低编码/解码误差的高效SAR原始数据压缩算法,将SAR的原始数据进行压缩.分块自适应量化(BAQ)算法,其具有计算简单、实施方便的特点.为了进一步提高数据的压缩比和压缩质量,不断有更多的算法被提出,如矢量量化(VQ)、栅格编码矢量量化(TCVQ)等,对BAQ、VQ和TCVQ三种算法加以研究并给出相应的实验结果,最后对以上算法的综合性能做一个评述.     

基于改进SMVQ的图像压缩算法

在图像编码方法中,矢量量化被认为是一种有效的低比特率图像编码方法.边匹配有限状态矢量量化利用相邻图像块之间的相关性避免了图像块边界之间大的灰度跃变.本文提出了一种改进的边匹配有限状态矢量量化,即双向低复杂度基于改进梯度的边匹配有限状态矢量量化.在双向低复杂度基于改进梯度的边匹配有限状态矢量量化中,第一次量化的状态码书尺寸由相邻图像块的梯度确定,第二次量化对第一次量化后的矢量中梯度值大于设定门限的矢量重新进行量化以提高图像质量.此外,和传统边匹配有限状态矢量量化利用上邻矢量和左邻矢量确定状态码书不同,新算法利用上、下、左、右四个相邻矢量来确定状态码书.试验结果表明,该算法的第二层编码在峰值信噪比上有1.5dB的改善;和传统的边匹配矢量量化相比较,在比特率相同时峰值信噪比平均有1.54dB的改善.     

一种改进矢量量化进行SAR原始数据压缩的方法

在通常的块自适应矢量量化的基础上,对其进行了改进。首先对原始数据进行块自适应量化,并将其符号位提取出来单独编码,从而大幅度缩小了数据的动态范围,然后对块自适应量化后的数据进行矢量量化编码。实验结果证明,该算法可以降低矢量量化的复杂度。     

语音LSF参数M-L搜索VQ算法研究

针对高效低速率语音编码,以LBG矢量量化码书设计算法为基础,研究了M-L搜索多级矢量量化(VQ)的码书设计算法和M-L搜索多级矢量量化编解码算法,同时对整个算法进行了全面的测试和性能分析。设计结果表明:该方法可有效提高LSF参数压缩的效率,改善谱失真指标。     

二维网格编码矢量量化及其在静止图像量化中的应用

该文提出了在二维码书空间中，在矢量量化（VQ）的基础上，应用网格编码量化（TCQ）的思想来实现量化的新方法－－二维网格编码矢量量化（2D－TCVQ）。该方法首先把小码书扩展成大的虚码书，然后用网格编码矢量量化（TCVQ）的方法在扩大的二维码书空间中用维物比算法来寻找最佳量化路径。码书扩大造成第一子集最小失真减小从提高了量化性能。由于二维TCVQ采用的码书尺寸较小，因而可以应用到低存贮、低功耗的编解码环境。仿真结果表明，同一码书尺寸下，二维TCVQ比TCVQ好0．5dB左右。同时，该方法具有计算量适中，解码简单以及对误差扩散不敏感的优点。     

矢量的线上投影表示法

本文提出一种矢量压缩编码新方法—线上投影法.它将输入矢量用它在某条空间直线上的投影近似表示,而用决定这条直线的两个参考点的序号和一个反映该投影点相对于两参考点位置的比例因子作为编码.由于一个大小为N的矢量量化码书中的码字可以确定N(N-1)/2条直线,因此这种方法可用较小的码书获得很高的编码精度.理论分析和实验结果表明:码书大小为N的线上投影法的编码精度与码书大小为N²的矢量量化法相当,并且明显优于用两个大小为N的码书构成的两级矢量量化法,而其码书生成和编码过程的计算复杂度均远远低于后者.它将是矢量信号高精度压缩编码的一种强有力的手段.     

归一化自适应预测矢量量化算法压缩SAR原始数据

该文提出归一化自适应预测矢量量化(NAPVQ)算法压缩SAR原始数据。NAPVQ算法先采用矢量线性预测器对输入矢量进行预测,再对原矢量与预测矢量之间的残差矢量进行矢量量化。该算法可视为差分脉冲调制在矢量量化中的拓展,其性能优于块自适应量化(BAVQ)算法以及归一化预测自适应量化(NPAQ)算法。对算法复杂度的进一步分析表明,NAPVQ算法能获得复杂度和性能之间比较合理的折衷,具有实用价值。     

Variable rate vector quantization for speech, image, and videocompression

The performance of a vector quantizer can be improved by using a variable-rate code. Three variable-rate vector quantization systems are applied to speech, image, and video sources and compared to standard vector quantization and noiseless variable-rate coding approaches. The systems range from a simple and flexible tree-based vector quantizer to a high-performance, but complex, jointly optimized vector quantizer and noiseless code. The systems provide significant performance improvements for subband speech coding, predictive image coding, and motion-compensated video, but provide only marginal improvements for vector quantization of linear predictive coefficients in speech and direct vector quantization of images. Criteria are suggested for determining when variable-rate vector quantization may provide significant performance improvement over standard approaches     

采用高速DSP实现BAQ算法的应用研究

本文较为详细地介绍了最佳量化的基本方法以及块自适应量化编码的原理，同时给出了采用高速DSP芯片技术实现SAR原始数据压缩的原理和实现结果。     

SAR图像小波包子带编码

针对合成孔径雷达(SAR)数据具有高动态范围、固有斑点噪声和纹理边缘处具有重要高频率成分等特性,将小波包子带编码方法应用于高分辨率SAR图像数据的压缩,根据各子带重要性不同采用不同量化方法,在小波包分解后引入跨频带的矢量量化方法。研究结果表明,此方案在图像分解、量化编码上均较传统方法有显著提高。     

一种改进的模糊C-均值聚类算法在说话人识别中的应用

提出了一种将改进的FCM聚类算法与矢量量化相结合的说话人识别的方法。先从语音信号中提取待识别的特征矢量集,再利用矢量量化来设计码本,最后用改进的算法对待识别语音进行辩识。该算法解决了FCM算法对初始值敏感、易陷入局部最优的问题。所使用的特征参数较少,计算比较简单,但识别率较高,且具有较好的鲁棒性。     

合成孔径雷达原始数据压缩

本文首先论述了合成孔径雷达原始数据压缩的意义和重要性,接着简要回顾了它的发展历史,着重讨论了分块自适应量化(BAQ)和矢量量化(VQ)两种数据压缩方法.最后展望了合成孔径雷达原始数据压缩的发展前景.     

基于小波与JPEG的VQ图像压缩算法

提出了一种改善矢量量化的方法,该方法保留小波分解后的低频信号,对其用基于ＳＯＦＭ的矢量量化形成码书和索引号,最后,传输索引号码字和ＪＰＥＧ编码后的码书码字。解码为编码逆过程。实验表明,所提出的方法在ＰＳＮＲ相同的情况下,压缩比约为原始ＶＱ算法的４倍。文末附实验结果予以说明。     

基于矢量量化的层次分形编码方法

文中提出了一种新的分形图像压缩方法,该方法将矢量量化的概念应用于分形块编码中,对图像的平缓区进行矢量量化的线性组合编码,对图像的丰富细节区用分形编码,并且在分形编码时,采取了层次处理。实验表明,与基本的分形块编码方法相比,本文提出的矢量量化层次分形编码方法在保证一定的重建图像质量下,使图像的压缩比有了明显的提高,并且大大提高了编码和解码速度。     

Weighted universal image compression

We describe a general coding strategy leading to a family of universal image compression systems designed to give good performance in applications where the statistics of the source to be compressed are not available at design time or vary over time or space. The basic approach considered uses a two-stage structure in which the single source code of traditional image compression systems is replaced with a family of codes designed to cover a large class of possible sources. To illustrate this approach, we consider the optimal design and use of two-stage codes containing collections of vector quantizers (weighted universal vector quantization), bit allocations for JPEG-style coding (weighted universal bit allocation), and transform codes (weighted universal transform coding). Further, we demonstrate the benefits to be gained from the inclusion of perceptual distortion measures and optimal parsing. The strategy yields two-stage codes that significantly outperform their single-stage predecessors. On a sequence of medical images, weighted universal vector quantization outperforms entropy coded vector quantization by over 9 dB. On the same data sequence, weighted universal bit allocation outperforms a JPEG-style code by over 2.5 dB. On a collection of mixed test and image data, weighted universal transform coding outperforms a single, data-optimized transform code (which gives performance almost identical to that of JPEG) by over 6 dB.