基于格矢量量化和倒排文件的快速图像检索方法

本文提出一种新的快速图像检索方法,它用格矢量量化器对特征矢量进行量化和描述,用倒排文件和Hash表存储和索引量化后的特征矢量,利用代数格良好的几何和代数性质实现快速检索.最后,本文分析了新方法的检索性能,并给出实验结果.     

基于矢量量化的颜色图像检索方法

摘 要：针对颜色空间量化和直方图检索存在的问题,提出一种新的颜色图像检索方法。该方法通过对颜色空间进行矢量量化,使量化结果更接近人的感知;在提取分块主颜色基础上引入颜色转移矩阵,以描述颜色的空间分布情况;并将索引直方图和颜色转移矩阵两种颜色特征相结合,对图像整体和局部感兴趣区域赋以不同的权值,使局部图像特征矢量增强,从而提高检索精度。实验表明,该方法能较有效的提高检索效率。     

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。     

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。     

基于矢量量化压缩密集连接层的图像压缩研究

针对卷积神经网络(CNN)在图像压缩耗费较大存储空间问题,文中通过研究压缩CNN参数的矢量量化方法解决了CNN模型的存储问题。通过压缩密集连接层的存储方式使得矢量量化方法比现有的矩阵分解方法更具优势。将k-均值聚类(KM)应用于权重和乘积量化可以在模型大小和识别精度之间取得较好的权衡。实验结果表明,结构化量化方法的效果明显优于其他方法,通过对图像压缩检索验证了压缩模型的泛化能力。     

应用神经网络的图像分类矢量量化编码

矢量量化作为一种有效的图像数据压缩技术，越来越受到人们的重视。设计矢量量化器的经典算法ＬＢＧ算法，由于运算复杂，从而限制了矢量量化的实用性。本文讨论了应用神经网络实现的基于边缘特征分类的矢量量化技术。它是根据人的视觉系统对图象的边缘的敏感性，应用模式识别技术，在对图像编码前，以边缘为特征对图像内容分类，然后再对每类进行矢量量化。除特征提取是采用离散余弦变换外，图像的分类和矢量量化都是由神经网络完成     

基于分类矢量量化的图像压缩和检索算法

在小波变换域内,基于分类矢量量化对图像数据进行压缩。利用所形成缩数据的特点,构建不同的统计特征量用于支持图像检索,通过实验验证了算法的可行性和有效性。     

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.     

非对称树结构矢量量化方法研究

文章介绍一种图像低频子带编码的矢量量化方法—非对称树结构矢量量化。     

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。     

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     

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。     

一种指数型模糊学习矢量量化图像编码算法

本文分析了模糊矢量量化（ＦＶＱ）图像编码的原理，提出了一种指数型模糊学习矢量量化算法（ＥＦＬＶＱ）。实验结果表明，该算法具有快速收敛性能，设计的图像码书峰值信噪比与ＦＶＱ算法相比也略有改善。     

低通图象的自适应混合矢量量化编码

本文提出了一种基于图象分解与自适应混合矢量量化的静态图象高效编码方案,详细介绍了低通图象的混合矢量量化编码方法。就低频分量而言,在80∶1的压缩比时可以获得较好的译码图象质量。     

图象的矩形变换矢量量化编码法

本文介绍了简单、实用的矩形变换和近几年来迅速发展的矢量量化技术.并把矩形变换和矢量量化技术结合在一起应用于图象的数据压缩.这种结合降低了矢量编码的维数,相应的码书尺寸能适当的得到减小.此方法加快了矢量编码的进程,减少了存贮量,编码率得到进一步减小.计算机模拟实验证明这种方法对图象的数据压缩是非常有效的.     

小波变换在图象压缩中的应用

文章从实际应用角度出发,提出了一种基于小流变换和改进LBG向量量化的有损图象压缩算法。该算法首先利用小波变换对图象进行分解,然后根据各子带（子图象）特点对小波系数进行相应的改进LBG向量量化编码,从而实现图象压缩目的。实验结果表明：该图象压缩算法的使用,可以在图象质量几乎不下降的条件下,极大地提高压缩比,改善恢复图象质量。     

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％。     

电子封装常用名称及术语汇集

电子封装常用名称及术语汇集下面，按英文字母顺序，汇集并解释了与目前ＬＳＩ（包括ＩＣ）正在采用的主要封装形式相关联的名称术语等。这些名称术语参考并引用了日本国内１２个半导体制造公司，其他国家７个半导体制造公司＊与ＬＳＩ封装相关的资料、日本电子机械工业会...     

METHOD OF VECTOR QUANTIZATION CODING USING RECTANGULAR TRANSFORM FOR IMAGE COMPRESSION

First of all a simple and practical rectangular transform is given,and then thevector quantization technique which is rapidly developing recently is introduced.We combinethe rectangular transform with vector quantization technique for image data compression.Thecombination cuts down the dimensions of vector coding.The size of the codebook can reasonablybe reduced.This method can reduce the computation complexity and pick up the vector codingprocess.Experiments using image processing system show that this method is very effective inthe field of image data compression.     

一种基于小波变换和矢量量化的图像压缩算法

小波变换和矢量量化都是图像压缩中的重要方法。利用小波变换的系数特点,对图像进行小渡分解,对于能量最为集中的低频分量采用标量量化处理,然后将标量量化过程中产生的残差和高频分量一起构造矢量,进行矢量量化。实验结果表明,此算法能够有效提高重构图像质量,获得较高的信噪比。