基于量子粒子群优化算法的图像矢量量化码书设计

鉴于经典的LBG码书设计算法易陷入局部最优解,将量子粒子群优化算法应用到图像矢量量化码书设计中,提出一种基于量子粒子群的矢量量化码书设计算法(QPSO-VQ)。在该算法中,用粒子表示码书,用峰值信噪比(PSNR)作为算法的适应度函数,通过量子粒子群算法的更新公式来更新码书。实验结果表明,与经典的LBG码书设计算法和粒子群矢量量化码书设计算法相比,QPSO-VQ在解码图像的PSNR值和算法的稳定度等方面有比较明显的优势,可以获得性能较好的码书。     

基于Hadamard变换和自适应顺序搜索的码字快速搜索算法

提出了一种Hadamard域中改进的快速码字搜索算法.在已离线按照码字第一维分量的大小进行了排序的码书中,首先找出与输入矢量第一维分量最接近的L个初始候选码字,求出对应的L个Chebyshev距离,接着按自适应的方法在这L个码字之外进行上下搜索,并用新找到的具有更小Chebyshev距离的码字来更新这L个候选码字,以便得到全体码书中L个具有最小Chebyshev距离的最终候选码字.最后用PDS算法在这L个最终候选码字中找出Euclidean距离最小的码字作为最佳匹配码字.实验表明文中算法相比本文算法在保证PSNR性能无任何下降的前提下,明显减少了算法的计算量,有效地提高了编码速度.     

一种基于不等式的矢量量化快速码字搜索算法

传统矢量量化编码算法码字搜索范围较大,编码时间较长.文章提出一种基于不等式的矢量量化快速码字搜索算法.该算法将方差不等式和三角不等式引入范数排序算法(NOS),有效减小了码字搜索范围.实验结果表明,重构图像峰值信噪比(PSNR)相同时,该算法编码时间较低.     

基于人工蚁群优化的矢量量化码书设计算法

本文提出一种基于人工蚁群优化的矢量量化码书设计新算法.该算法利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制,结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式,合理设计放下概率、禁忌列表、信息素更新方式以及相应的参数.与基于进化模拟退火和随机竞争学习的码书设计算法相比,本文提出的算法能获得性能较好的码书,其峰值信噪比比传统的LBG算法提高超过2dB.     

译码转发中继系统基于校验分裂的IRA码设计

在译码转发中继系统中,非规则重复累积(IRA)码的设计本质是设计码率兼容IRA码.由于通过校验分裂得到的码字的不同部分经历不同的信噪比,因此给出了基于校验分裂的修正的高斯近似的密度进化算法来分析IRA码的门限并且用差分进化算法对其优化.实验仿真证明与传统的密度进化算法得到的IRA码相比,当误帧率是10~(-3)时,优化得到的码字大约有0.5dB的增益.     

基于FPGA的EBNNS矢量量化码字搜索算法的电路设计

等和值块扩展最近邻搜索算法(EBNNS)是一种快速矢量量化码字搜索算法,该算法首先将码书按和值大小排序分块,编码时查找与输入矢量和值距离最近的码书块中间码字,并将它作为初始匹配码字.然后在该码字附近上下扩展搜索相邻码字中距输入矢量最近的码字,最后将搜索到的最匹配码字在码书中的地址输出.同时本文对该算法进行了FPGA设计.设计时采用串并结合和流水线结构,折中考虑了硬件面积和速度.结果表明针对所用FPGA器件Xilinx xc2v1000,整个系统最大时钟频率可达88.36MHz,图像处理速度约为2.2 MPixel/s.     

基于快速胞腔划分的改进分裂法矢量量化码书设计

本文提出了基于快速胞腔划分的改进分裂法语音信号矢量量化码书设计新算法。新算法应用特征变量对码书进行合理的构造，使得码书在结构上具有秩序性。利用这种秩序性进行快速划分胞腔，从而压缩分裂法码书训练中庞大的运算量。计算机实验结果表明，新算法明显减少了码本训练的复杂度，提高了矢量量化码书的训练速度。实验还分析了码书扩展参数r的不同取值对码书性能的影响．     

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。     

粒子对算法在图像矢量量化中的应用

本文给出了一种新的图像矢量量化码书的优化设计方法——粒子对算法.在传统粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,用两个粒子构成了群体规模较小的粒子对,在码书空间中搜索最佳码书.在每次迭代运算中,粒子对按先后顺序执行PSO算法中的速度更新、位置更新操作和标准LBG算法,并用误差较大的训练矢量代替越界的码字.此算法避免粒子陷入局部最优码书,较准确地记录和估计每个码字的最佳移动方向和历史路径,在训练矢量密集区域和稀疏区域合理地分配码字,从而使整体码书向全局最优解靠近.实验结果表明,本算法始终稳定地取得显著优于FKM、FRLVQ、FRLVQ-FVQ算法的性能,较好地解决了矢量量化中初始码书影响优化结果的问题,且在计算时间和收敛速度方面有相当的优势.     

基于联合信源信道编码的无线图像传输策略设计

针对图像数据在无线信道传输中存在的可靠性与稳定性较差等问题，提出了一种自适应不等差错保护的联合信源信道编码方案。采用基于小波变换的信源编码对原始图像数据进行压缩处理，并对生成的码流进行重要程度划分；基于LDPC码对划分好的码流数据采取不同等级的差错保护措施；最终，反馈信道状况信息给信道编码器并进行码率的自适应调整，从而实现高质量的图像信号传输。仿真实验结果表明，提出的算法具有更高的峰值信噪比(PSNR),相比EEP算法及DE-UEP算法，其PSNR值有0.2～0.4 dB的提升。     

Image-adaptive vector quantization in an entropy-constrainedframework

An adaptive vector quantization (VQ) scheme with codebook transmission is derived for the variable-rate source coding of image data using an entropy-constrained Lagrangian framework. Starting from an arbitrary initial codebook C(I) available to both the encoder and decoder, the proposed algorithm iteratively generates an improved operational codebook C(0) that is well adapted to the statistics of a particular image or subimage. Unlike other approaches, the rate-distortion trade-offs associated with the transmission of updated code vectors to the decoder are explicitly considered in the design. In all cases, the algorithm guarantees that the operational codebook C(0) will have rate-distortion performance (including all side-information) better than or equal to that of any initial codebook C(I). When coding the Barbara image, improvement at all rates is demonstrated with observed gains of up to 3 dB in peak signal-to-noise ratio (PSNR). Whereas in general the algorithm is multipass in nature, encoding complexity can be mitigated without an exorbitant rate-distortion penalty by restricting the total number of iterations. Experiments are provided that demonstrate substantial rate-distortion improvement can be achieved with just a single pass of the algorithm.     

一种新的模糊K邻域矢量量化码本设计算法

本文提出了一种新的模糊K邻域矢量量化码本设计算法(FKNNVQ)。该算法具有对 初始码本依赖性小,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年提出的模糊矢量量化算法(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。     

改进的基于快速相关矢量量化的高效信息隐藏方法

为了改善信息隐藏后的图像质量,减少失真,并提高嵌入信息的容量,本文提出了一种新的改进的基于快速相关矢量量化（MFCVQ,modified fast correlation VQ）的信息隐藏方法。由于图像本身的相关性,快速相关矢量量化利用了当前索引的相邻矢量进行替代编码,计算编码时使用的相邻矢量所产生的失真与事先设定的门限做比较,当失真小于门限时可以进行替代编码,一步完成了编码和嵌入信息;当失真大于门限时不能进行替代编码,从而控制了当前索引的嵌入和最后生成图像的视觉质量。同时,增加了相邻矢量的数目,提高了嵌入信息的容量。实验结果表明改进后的算法能够显著改善图像失真,在门限为18时对不同复杂程度的图像其PSNR分别提高了0.018dB-2.125dB,并且有效地提高了嵌入容量,进而大幅度的提高了嵌入效率。改进算法的嵌入效率达到了Yang算法的1.967-4.683倍。      

基于仿射变换的改进型矢量量化编码

本文提出了基于仿射变换的改进型矢量量化编码算法，并给出了两种不同的实用结构，与传统矢量量化算法相比，该方法在不需要重新训练新码本及不增加码本存储空间的情况下，降低了编码误差，使得重建图像的ＰＳＮＲ显著增加，图像的主观质量也得到很大的改善。     

一种基于改进的矢量量化技术的语音波形编码

针对GLA(Generalized Lloyd Algorithm)对初始码书的敏感性,用PNN(成对最近邻)算法训练初始码书,并将该改进措施用于语音波形编码。实验证明,此改进措施有助于克服GLA对初始码书的敏感性,并且语音恢复效果良好,失真度较低。     

一种改进的自组织特征映射图像压缩算法

为改善矢量量化的码书性能,提高神经网络的学习效率,在分析Kohonen自组织特征映射算法的基础上,提出一种改进的自组织特征映射算法,并应用到图像的矢量量化中。新算法引入失真敏感参数,并对网络学习参数进行了优化。实验表明,在压缩比为51.2时,新算法恢复图像的峰峰信噪比达到34.66dB,较Kononen自组织特征映射算法提高3.57dB。     

一种高质量的8kb／sACELP语音编码算法及其实时实现

本文介绍了一种编码速率的８ｋｂ／ｓ的高质量实时语音编码器，它采用了代数码本激励线性预测（ＡＣＥＬＰ）的编码方法，并采用高效的码本结构，码本搜索技术和矢量量化技术来获得较高的语音合成质量和较低的算法复杂度，在无需外部ＲＡＭ和ＲＯＭ的情况下，该算法已用ＴＭＣ３２０Ｃ５０实时实现并用于一个实时的全双工通信系统，通过信噪比及人耳主观听视实验等性能测试表明，该算法的性能明显优于优于北美的８ｋｂ／ｓＶＳＥＬＰ     

高效的模糊聚类初始码书生成算法

码书设计在矢量量化中至关重要,而多数码书设计算法都是基于初始码书的.从经典的LBG算法的缺陷出发,提出一种基于模糊聚类的高效初始码书生成算法,通过将初始码书的码矢在输入矢量空间中很好地散开,并尽可能占据输入概率密度较大的区域,从而使之后的LBG算法避免陷入局部最优,设计出的码书性能更好,更加接近全局最优,同时加快了收敛速度,减少了迭代次数.将该算法应用于图像编码的实验中,结果表明:该算法能够从效率和质量两方面有效地提高矢量量化的性能.     

A fractal vector quantizer for image coding

We investigate the relation between VQ (vector quantization) and fractal image coding techniques, and propose a novel algorithm for still image coding, based on fractal vector quantization (FVQ). In FVQ, the source image is approximated coarsely by fixed basis blocks, and the codebook is self-trained from the coarsely approximated image, rather than from an outside training set or the source image itself. Therefore, FVQ is capable of eliminating the redundancy in the codebook without any side information, in addition to exploiting the self-similarity in real images effectively. The computer simulation results demonstrate that the proposed algorithm provides better peak signal-to-noise ratio (PSNR) performance than most other fractal-based coders.