一种快速模糊矢量量化图像编码算法

本文在学习矢量量化和模糊矢量量化算法的基础上,设计了一种新的训练矢量超球体收缩方案和码书学习公式,提出了一种快速模糊矢量量化算法。该算法具有对初始码书选取信赖性小,不会陷入局部最小和运算最小的优点。实验表明,ＦＦＶＱ设计的图像码书性能与ＦＶＡ算法相比,训练时间大大缩短,峰值信噪比也有改善。     

一种进化模拟退火矢量量化图像编码新算法

模拟进化和模拟退火是解决全局优化问题的随机搜索技术,它们在工程领域有着广泛的应用.本文将这两种技术有机结合,提出了一种进化模拟退火算法,并用其解决图像编码矢量量化码书设计问题.实验表明,算法具有收敛速度快、码书性能佳等优点.     

一种基于高分辨率的模糊矢量量化算法

本文在矢量量化中引入了分辨率思想,并从分辨率的角度考察了原有算法,针对它们在分辨率方面存在的缺点,提出了一种典型的分辨率调制方法以及相应高分辨率算法,实验也取得了令人满意的对比结果.     

用于图像编码的相关矢量量化研究

当相邻的图像块用矢量量化（ＶＱ）编码时可能出现编码地址相同的情况,尤其是在图像的平滑区。为了减少相邻块间编码地址的相关性,本文提出了一种相关矢量量化方案,采用相关码书与改进的自组织特征映射（ＩＳＯＦＭ）码书同时编码一个窗口内的四个邻域块,与无记忆类ＶＱ相比,对一幅典型的“Ｌｅｎｎａ”图象,编码过程中所需计算量减少一半,比特率减少４０％,由于在Ｋｏｈｏｎｅｎ自组织神经网络的训练过程中,对边缘类矢量采     

基于特征值苑配的变比特率相关矢量量化图像编码算法

该文提出了一种用于图像编码的新颖的变比特率相关矢量量化器。在编码之前,首先计算各码字的四个特征值,然后根据各特征值的升序排列得到相应的四个排序码书。在对当前输入矢量(当前处理图像块)进行编码的过程中,充分考虑当前处理图像块与其相邻图像块之间的相关性以及各码字特征值与该输入矢量特征值之间的匹配性。测试结果表明,该算法与传统矢量量化(VQ)器相比,虽然在编码质量上有少许下降,但降低了比特率并加快了编码速度。     

一种改进的相关图像矢量量化编码算法

本文提出了一种改进的图像矢量量化编码算法。该算法通过采用增加预测块，以及根据相邻块状态进行控制信息的条件熵编码等改进方法，进一步提高了算法的编码效率，为了便于算法实现，本文对图像的边缘引进的一致的处理方法。测试结果表明，相对于无记忆适量量化编码算法，比特率约下降４０％，相对于文献［５］算法，比特率约下降１５％。     

图像编码的多分辨率分类矢量量化算法

本文结合小波多级变换后不同方向,不同尺度的系数要关性,提出了一种多分辨率的分类矢量量化方案,对由不同分辨率水平、不同方向的小波系数组成的矢量块分类量化编码,并设计了相应的性能良好的分类器,给出不同条件下的实验结果和数据,从而证明了该编码方案不但提高了图像的质量,同时计算复杂度也有一定的降低。     

基于小波变换的多级矢量量化图像编码算法

结合小波变换中多分辨率分析特性以及多级矢量量化复杂度低、量化效果较好的特点提出了一种基于小波变换的多级矢量量化图像编码方法。在使用多级量化的基础上采用联合优化多级矢量量化的码本设计方法,进一步提升量化效果。试验数据表明,该方法相对于传统的矢量量化算法,量化效果进一步提高,复杂度也在可接受范围之内,达到了很好的压缩编码效果。     

一种新的模糊K邻域矢量量化码本设计算法

本文提出了一种新模糊Ｋ邻域矢量量化码本设计算法９ＦＫＮＮＶＱ）。该算法具有对安始码本依赖性小,不会局部最小,收敛速度快,码本性能好等优点。实验结果表明,ＦＫＮＮＶＱ算法与Ｋａｒａｙａｎｎｉｓ等１９９５年提出的模糊知量量化算法（ＦＶＱ）相比,设计的图象码本峰值信噪比和收敛速度都有明显改善。     

模糊强化学习型的图像矢量量化算法

本文给出了一种新的图像矢量量化码书的优化设计方法.传统矢量量化方法只考虑了码字与训练矢量之间的吸引影响,所以约束了最优解的寻解空间.本文提出了一种新的学习机理--模糊强化学习机制,该机制在传统的吸引因子基础上,引入新的排斥因子,极大地释放了吸引因子对最优解的寻解空间的约束.新的模糊强化学习机制没有采用引入随机扰动的方法来避免陷入局部最优码书,而是通过吸引因子和排斥因子的合力作用,较准确地确定了每个码字的最佳移动方向,从而使整体码书向全局最优解靠近.实验结果表明,基于模糊强化学习机制的矢量量化算法始终稳定地取得显著优于模糊K-means算法的性能,较好地解决了矢量量化中的码书设计容易陷入局部极小和初始码书影响优化结果的问题.     

基于有限状态格点向量量化器的子波图像压缩编码技术

子波图像的各子带间通常存在着很强的能量相关性，而有限状态量化模型可以用来很好地描述自然图像子波域内不同标度间的自相似性。向量量化较之标量量化往往具有更好的率／失真特性及更高的编码效率，但传统基于LBG算法设计的向量码书没有固定的结构，其近乎“随机”的码书分布造成设计和编码时极大的计算负担；空间R^N中的格点具有清晰的结构，基于格点的向量量化器在基本不影响量化性能的前提下提供了在设计／量化时极大的计算简化。本文提出了一种基于格点向量量化器的子波图像编码算法，它可被视作以上两种技术的有机结合，它既能有效的描述子波图像间的能量相关性，同时也带来了极大的计算简化。子波图像有限状态格点向量量化器的设计是基于一种新的自适应量化策略，它很好地描述了格点量化器率／失真特性，并能得到很好的编码结果。     

LD-CELP语音编码算法中矢量量化过程的改进

本文介绍了LD-CELP算法的基本原理,在分析其编码的矢量量化过程的基础上提出了一种旨在提高编码速度的改进方案.模拟实验表明,改进算法的编码速度平均提高了一倍.虽然信噪比有所下降,但下降幅度仅为1.2dB,依然能够保证编码质量.     

支持向量机在边缘匹配矢量量化图像编码中的应用

针对边缘匹配矢量量化图像编码方法存在的出轨现象,提出一种引入支持向量机的方法.将分块后的样本图像输入支持向量机,建立区分边界区块与否的分类模型,并产生两种码书,对待编码区块,由支持向量机预测它的类型,选择相应的码书.实验结果表明,该方法处理灰度变化较大的边界和灰度变化平缓的非边界都有较好的效果.     

Multiresolution Vector Quantization for Video Coding

In this work, we propose a coding technique that is based on the generalized block prediction of the multiresolution subband decomposition of motion compensated difference image frames. A segmentation mask is used to distinguish between the regions where motion compensation was effective and those regions where the motion model did not succeed. The difference image is decomposed into a multiresolution pyramid of subbands where the highest resolution subbands are divided into two regions, based on the information given by the segmentation mask. Only the coefficients of the regions corresponding to the motion model failure are considered in the highest resolution subbands. The remaining coefficients are coded using a multiresolution vector quantization scheme that exploits inter-band non-linear redundancy. In particular, blocks in one subimage are predicted from blocks of the adjacent lower resolution subimage with the same orientation. This set of blocks plays the role of a codebook built from coefficients inside the subband decomposition itself. Whenever the inter-band prediction does not give satisfactory results with respect to a target quality, the block coefficients are quantized using a lattice vector quantizer for a Laplacian source.