基于小波变换和误差竞争学习的矢量量化

用神经网络实现图像矢量量化是一种非常有效的方法，而小波变换又是近年来迅速发展起来的新算法。文中提出一种改进的误差竞争学习算法，分析了图像在小波变换后数据的特点，提出了新的矢量构造方法，从而最终得到了基于小波变换和误差竞争学习的矢量量化图像压缩新算法(以下简称VQWDCL)，无论是在主客观效果上，还是在计算复杂度上，其性能都优于传统的基于小波变换和LBG算法的矢量量化。     

基于小波变换的空间约束矢量量化方法

图像的小波变换能同时提供空间－频率局部化信息，而且小波变换域内矢量量化数据压缩已得到广泛应用，经过小波变换后，各子带小波分量存在相关性和空间约束，同时考虑到人类视觉对水平和垂直方向高频分量比对角方向更加敏感，本文提出了基于空间约束的矢量量化方法，该算法能同时提高编码效率和改善重构图像质量。     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换(BWT)和模糊矢量量化(FVQ)的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。该算法采用非线性插补矢量量化(NLIVQ)的思想,从大维数矢量中提取小维数的特征矢量,并提出了一种新的模糊矢量量化方法一渐进构造模糊聚类(PCFC)算法用于特征矢量的量化,从而大大提高了矢量量化的速度和码书质量。实验结果证明,该算法在比特率为0．172bpp的条件下仍能获得PSNR＞30dB的高质量重构图像。     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换（ＢＷＴ）和模糊矢量量化（ＦＶＱ）的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。     

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。     

基于小波变换和矢量量化的语言信号压缩方法

本文提出了一种基于小波变换的矢量量化语音信号压缩方法。首先对语音信号的时域采样值作小波变换,然后将小波系数送入矢量量化器。在研究人耳听觉特性的基础上,提出了一种能够反映人耳听觉特性的距离准则,在达到高压缩比的同时使重建语音信号的质量得到了很大改善。     

基于小波变换的图像矢量量化

在基于小波变换的图像矢量量化研究中,本文综合考虑了高频小波系数的各种特性,吸收已有的优秀成果,在全面研究了矢量的形成、初始码书的设计、距离的选取,以及同一方向高频子图之间的相似性等方面的基础上,设计出一种有效的量化算法.     

基于小波变换和矢量量化的语音信号压缩方法

本文提出了一种基于小波变换的矢量量化语音信号压缩方法。首先对语音信号的时域采样值作小波变换,然后将小波系数送入矢量量化器。在研究了人耳听觉特性的基础上,提出了一种能够反映人耳听觉特性的距离准则,在达到高压缩比的同时使重建语音信号的质量得到了很大改善。     

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。     

基于小波理论的矢量量化遥感图像压缩方法

分析了遥感图像的统计特性，提出了适合遥感图像压缩的矢量量化与小波变换相结合的压缩方法。该方法将遥感图像小波变换后高频子图划分为一定大小的的像块，对局部相关性较强、灰度变化较小的像块进行高倍压缩；对局部相关性较小、灰度变化较大的像块进行高保真压缩。实验表明，本方法具有良好的压缩性能，适用于遥感图像的压缩。     

基于9/7双正交小波的一种高效矢量量化算法

该文提出一种用于图像压缩的矢量量化算法,该算法用9/7双正交小波对图像进行分解,利用三个方向上各自小波系数之间的相关性,构造符合其特征的跨频带矢量,提高了图像的编码效率和重构质量,同时采用了新的矢量量化技术渐进构造聚类(PCC),实验结果证明,该算法在未熵编码的条件下,获得 PSNR32dB的重构图像,比特率高达 0.141 bpp.而且实现方法十分简单。     

图像矢量量化——改进的自组织特征映射神经网络的算法

图像矢量量化（VQ）是图像压缩算法中的重要环节,在VQ中起决定性因素的是构造出性能优异的码书。为改善矢量量化码书的性能,文中在分析Kohonen自组织特征映射（SOFM）的基础上,提出一种识别距离SOFM的算法,同时将矢量量化应用于图像的小波变换域。测试结果表明,改进的算法使码书设计的计算量得到明显的降低,而且码书的性能得到了提高。     

Wavelet image coding using variable blocksize vector quantization with optimal quadtree segmentation

In this paper, we propose an image coding scheme by using the variable blocksize vector quantization (VBVQ) to compress wavelet coefficients of an image. The scheme is capable of finding an optimal quadtree segmentation of wavelet coefficients of an image for VBVQ subject to a given bit budget, such that the total distortion of quantized wavelet coefficients is minimal. From our simulation results, we can see that our proposed coding scheme has higher performance in PSNR than other wavelet/VQ or subband/VQ coding schemes.     

Wavelet tree classification and hybrid coding for image compression

A hybrid coding system that uses a combination of set partition in hierarchical trees (SPIHT) and vector quantisation (VQ) for image compression is presented. Here, the wavelet coefficients of the input image are rearranged to form the wavelet trees that are composed of the corresponding wavelet coefficients from all the subbands of the same orientation. A simple tree classifier has been proposed to group wavelet trees into two classes based on the amplitude distribution. Each class of wavelet trees is encoded using an appropriate procedure, specifically either SPIHT or VQ. Experimental results show that advantages obtained by combining the superior coding performance of VQ and efficient cross-subband prediction of SPIHT are appreciable for the compression task, especially for natural images with large portions of textures. For example, the proposed hybrid coding outperforms SPIHT by 0.38 dB in PSNR at 0.5 bpp for the Bridge image, and by 0.74 dB at 0.5 bpp for the Mandrill image.     

A New Quality Improving Scheme for VQ Decompressed Images Based on DWT

The better compression rate can be achieved by the traditional vector quantization (VQ) method, and the quality of the recovered image can also be accepted. But the decompressed image quality can not be promoted efficiently, so how to balance the image compression rate and image recovering quality is an important issue. In this paper, an image is transformed by discrete wavelet transform (DWT) to generate its DWT transformed image which can be compressed by the VQ method further. Besides, we compute the values between the DWT transformed image and decompressed DWT transformed image as the difference matrix which is the adjustable basis of the decompressed image quality. By controlling the deviation of the difference matrix, there can be nearly lossless compression for the VQ method. Experimental results show that when the number of compressed bits by our method is equal to the number of those bits compressed by the VQ method, the quality of our recovered image is better. Moreover, the proposed method has more compression capability comparing with the VQ scheme.     

Compression of color facial images using feature correctiontwo-stage vector quantization

A feature correction two-stage vector quantization (FC2VQ) algorithm was previously developed to compress gray-scale photo identification (ID) pictures. This algorithm is extended to color images in this work. Three options are compared, which apply the FC2VQ algorithm in RGB, YCbCr, and Karhunen-Loeve transform (KLT) color spaces, respectively. The RGB-FC2VQ algorithm is found to yield better image quality than KLT-FC2VQ or YCbCr-FC2VQ at similar bit rates. With the RGB-FC2VQ algorithm, a 128x128 24-b color ID image (49152 bytes) can be compressed down to about 500 bytes with satisfactory quality. When the codeword indices are further compressed losslessly using a first order Huffman coder, this size is further reduced to about 450 bytes.     

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     

一种结合人脸检测的小波图像编码方法

本文基于人脸检测的基础上，提出了一种结合矢量量化（ＶＱ）的小波图像编码方法。该方法充分利用人眼的视觉特性，高压缩比时恢复图像仍能保持较好的主观质量。     

基于图像小波变换低频系数的数字水印算法

提出一种基于小波变换且具有图像自适应性的数字水印算法.通过小波变换将图像分解成不同空间与频率的系数,这些系数之间存在一种树结构关系,利用树结构关系对最低频系数进行分类,对不同类采用不同的嵌入对策,将水印信号嵌入在最低层逼近系数中,而现有基于小波变换的算法将水印嵌入在各个方向的中频或高频系数中.实验结果表明,该算法具有不可见性,对于通常的图像失真具有较好的鲁棒性,说明最低频成分并不是水印的禁区.