基于改进的SOFM神经网络的矢量量化方法

基于Kohonen自组织特征映射(SOFM)神经网络的矢量量化图像压缩编码是一种非常高效的方法,但其码字利用不均匀,某些神经元永远无法获胜而产生"死神经元"的问题仍然十分明显。在追求为使各个神经元能以较为均衡的几率获胜,尽量避免"死神经元"过程中,Kohonen SOFM-C很具代表性,它既能保持拓扑不变性映射又能最有效地避免"死神经元",是一种带"良心"的竞争学习方法。本文利用Kohonen SOFM-C码字利用更为均衡的优点,并针对SOFM在胜出神经元的邻域内神经元修改权值方法的不足,提出基于SOFM-C的辅助神经元自组织映射算法,此方法具有开放性,可随时添加入新的有效算法模块以达到更好的效果。并把该矢量量化算法应用于小波变换域,以获得更好的码书。仿真结果表明,该方法优于已有的SOFM方法。     

基于改进CPN的快速矢量量化

对向传播神经网络(CPN)可以作为矢量量化器用于图像压缩,但CPN学习算法在进行码书设计时存在两个明显的缺陷。本文对CPN学习算法进行改进,提出了一种新的码书设计算法——快速竞争学习及误差修正算法(FCLECA)和一个基于改进CPN的快速矢量量化器模型,并讨论了FCLECA中的重要步骤和重要参数。仿真实验结果表明,FCLECA在生成高质量码书的同时大幅减少了训练时间,可以有效地实现快速矢量量化。     

抖动图象的矢量量化

本文给出了一种高效的压缩编码方法，这种方法对于输图像先进抖动，再将其结果用地矢量量化，它将产生很高的压缩率，并且它仍具有较为理想的输出效果。     

基于改进进化规划的图像压缩中的矢量量化

提出了基于改进进化规划和LBG算法的一种新的矢量量化算法。由于进化规划中十进制编码方案的收敛速度比二进制编码方案快,因此在进化规划中采用十进制编码方案。同时,根据图像压缩的特点,为了提高算法性能,该文采用一种自适应的多位变异操作。之后将改进的进化规划引入到图像压缩的矢量量化问题中。实验表明,新算法在提高恢复图像质量方面比传统方法优越。     

小波树结构快速矢量量化编码方法

提出了基于人眼视觉属性和应用小波树结构２快速图象编码的矢量量化图象编码方法，简称为树结构快速矢量量化编码。在分析此方法矢量量化特点之后，设计产生码本的统计方法，并提出了矢量量化编码的快速算法。     

基于PCA/SOFM混合神经网络的矢量量化

针对自组织特征映射(SOFM)神经网络应用于矢量量化具有收敛速度慢、计算量大等缺点,本文提出了一种基于PCA/SOFM混合神经网络的矢量量化的算法,先用主元分析(PCA)线性神经网络对输入矢量进行降维处理,再用SOFM神经网络进行矢量量化。通过调整SOFM神经网络的学习函数、邻域权值及初始码书对网络进行优化。实验表明,改进算法缩短了图像压缩的时间,提高了码书的性能。     

改进的嵌入式小波零树编码算法

在分析EZW算法的基础上,提出一种改进的图像编码算法,把小波系数分解成2组较小的小波系数,分别对其进行编码,并移除EZW算法中的副扫描过程,从而省去了存储重要系数的位置信息的比特数,减少了EZW算法中扫描次数,在很大程度上提高编码速度,缩减需要编码的符号数目,是种快速的编码算法。实验结果表明,运用该算法处理得到的图像质量能够满足大多数的应用需求。     

一种基于遗传算法的图像矢量量化方法

描述了一种基于遗传算法的图像矢量量化方法。遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限。同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现。文中主要讨论了遗传算法用于图像矢量量化的适应度函数及操作过程，并与传统算法作了比较，最后给出了实验结果。     

基于哈夫曼编码的矢量量化图像压缩算法

现有边缘匹配矢量量化(SMVQ)算法没有考虑码字索引分布规律。针对该问题,通过理论分析得到码字索引严重非均匀分布的规律,基于该规律提出结合哈夫曼编码的SMVQ图像压缩算法。实验结果表明,与穷尽搜索算法相比,该算法在保持相同编码质量的情况下,编码码率下降50%,与SMVQ相比,其PSNR提高0.8 dB,编码码率下降30%。     

基于小波的嵌入式零树编码分析

EZW(嵌入式零树编码)是一种具有良好的压缩效果,嵌入式的编码方式,执行起来非常快速地图像压缩方法,本文对EZW的数据结构及算法作了详细的分析和讨论。     

基于关系矩阵的快速嵌入零树小波图像编码算法

为了快速获得更好的图像复原质量,提出了一种基于关系矩阵的快速嵌入零树小波(EZW)图像编码算法。该算法的基本工作步骤为:(1)对原始图像进行小波分解;(2)对最低频小波子带进行DPCM编码;(3)对所有高频子带系数构造零树结构;(4)首先确定初始阈值,并构造小波系数的关系矩阵,然后结合关系矩阵对高频子带系数进行逐次逼近量化编码。实验结果表明,该算法具有较好的图像复原质量和较快的编码速度,整体性能明显优于EZW方案(特别是低比特率下)。     

基于内容的嵌入零树小波图像编码算法

提出了一种基于内容的嵌入零树小波图像编码算法 ,该算法以 EZW编码方案为基础 ,但能够充分依据人眼视觉掩蔽特性自适应确定高频子带系数的扫描顺序 ,从而有效克服 EZW算法低比特率下图像边缘及纹理处复原质量不理想的弱点 .对比实验表明 :本文算法的图像复原质量明显优于 EZW等算法     

基于小波零树图像编码算法的改进

小波变换具有良好空间-频率局部化特性,使小波变换后图像的能量大部分聚集到了低频子图像,利用原始图像在小波分解中不同分辨率级能量分布不均匀的特点,提出了改进的嵌入式小波零树编码算法-保持低频数据无损压缩编码的嵌入式小波零树编码。理论分析和实践表明,该方法能够降低重构图像的均方误差（MSE）、提高重构图像的峰值信噪比（PSNR）。     

基于视觉掩蔽特性的EZW算法

文中算法以EZW编码方案为基础，能够通过以下两项措施提高工作效率：(1)对小波图像的最低频子带系数进行单独DPCM编码；(2)全面考虑高频子带的分解层次与方向、背景亮度值、像素点所在区域的纹理复杂度等诸多因素，并依此确定视觉掩盖特性值，进而根据视觉掩盖特性值自适应确定小波图像高频子带系数的扫描优先级，以完成嵌入编码，对比实验表明：文中算法在编解码速度、图像复原质量等方面优于EZW算法、形态结构表示法和选择系数扫描法。     

基于小波变换的分类量化图像编码算法

针对标量量化压缩比小而向量量化压缩速度慢、图像复原效果不理想等弱点，提出了基于小波变换的分类量化图像编码算法（简称“分类量化编码”）。该算法基本思想为：首先将小波变换后的图像高频子带划分为局部快；然后利用文中给出的相对距离最近之值选择方法，依据纹理复杂度和重要性程度将这些局部块划分为4类（平坦、过渡、弱纹理和强纹理）；最后对平坦局部块进行向量量化编码，对强纹理局部进行标量量化编码。实验结果表明：该图像压缩算法在压缩速度、图像复原效果、压缩比等方面明显优于零树小波编码和JPEG方法。     

零树小波图像编码中的一种选择性系数扫描算法

针对图像作小波分解后各子带系数的分布特征,提出一种自适应的系数顺序选择算法,用于基于零树结构的图像编码中,结果表明,该算法在不增加编解码复杂度和码率的前提下,较为有效地保存了原图像的高频细节,改善了重建图像的视觉效果,在低码率的视频和图像编码应用中,该算法对视觉质量的改进尤为显著。     

嵌入式零树小波编码算法研究

嵌入式零树小波编码算法是基于小波变换的一种图像压缩方法，它可以实现渐进编解码，从有损到无损压缩，具有较高的压缩比和图像恢复质量，在图像编码中具有非常重要的地位。文中对嵌入式零树小波编码算法及其改进算法的原理、方法和性能进行了介绍和比较，并指出了嵌入式图像编码的研究方向。     

基于自组织特征映射神经网络的矢量量化

近年来,许多学者已经成功地将Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）神经网络应用于矢量量化（ＶＱ）图象压缩编码,相对于传统的ＫＬＢＧ算法,基于的ＳＯＦＭ算法的两个主要缺点是计算量大和生成的码书性能较差因此为了改善码书性能,对基本的ＳＯＦＭ算法的权值调整方法作了一些改进,同时为了降低计算量,又在决定获得胜神经元的过程中,采用快速搜索算法,在将改进的算法用于矢量量化码书设计后,并把生成的码书用于图象