等和值块扩展最近邻矢量量化码字搜索算法

论文提出一种等和值块扩展最近邻矢量量化码字搜索算法。该算法将码书按和值大小排序分块,并将每一块中间或中间附近的码字的和值作为本码书块的特征和值。编码时,查找与输入矢量和值距离最近的码书块并作为初始匹配码书块。然后在该码书块附近上下扩展搜索相邻码书块中距输入矢量最近的码字。该算法具有无复杂运算的特点,易于VLSI技术实现。仿真结果表明,该算法是一种有效的码字搜索算法。     

PDVQ图像编码系统的算法研究

PDVQ图像编码系统首先将码书进行方向性分类,把每类方向性码书中的码字按码字和值进行升序排列,并根据EBNNS算法将码书分块。编码时,先根据输入图像块的相关性进行PDVQ编码,然后分析输入图像块的方向性来选择相应的分类子码书,在该子码书中根据输入图像块的和值确定码字搜索范围,最后在确定的搜索范围内搜索最匹配码字。仿真结果表明,该系统集合了动态图像块划分（PDVQ）、基于方向性分类编码和等和值块扩展最近邻码字搜索（EBNNS）三种算法的优点,在保证重建图像质量前提下,缩短了编码时间,并提高了压缩比。     

基于主分量分析的相关矢量量化编码算法

在编码前,首先计算码书中所有码字在主轴上的投影值,然后按照这些投影值从小到大对码字进行排序;在编码过程中,利用邻近图像块的高度相关性和当前输人矢量在主轴上的投影值共同确定相应的码字搜索范围．实验结果表明,与传统穷尽搜索矢量量化编码法相比,虽然文中算法的编码质量略有下降,但编码速度和压缩效率都有了显著的提高．     

一种新颖的基于哈德码变换的码字搜索算法

针对图像矢量量化编码的复杂性,提出了一种新颖的快速最近邻码字搜索算法。该算法首先计算出每个码字和输入矢量的哈德码变换,然后为输入矢量选取范数距离最近的初始匹配码字,利用多控制点的三角不等式和两条有效的码字排除准则,把不匹配的码字排除,最后选取与输入矢量最匹配的码字。实验结果表明,新算法相比于其他算法,在保证编码质量的前提下,码字搜索时间和计算量均有了明显降低。     

自适应子矢量划分的快速码字搜索算法

矢量量化编码过程中需要进行大量的矢量间距离计算,这个过程的计算复杂度极高,严重限制了其实际使用。为了加速矢量量化的编码过程,已经提出了各种基于1维特征量的码字搜索算法来减小码字搜索的范围。本文在基于不等式的快速搜索算法基础上,通过使用更有效的基于特征量的搜索算法,并引入自适应子矢量划分的方法,将额外增加的存储空间从N(N-1)/2降低到了13N,码字搜索范围减小了33.88%～50.94%,编码时间减少了10.82%～27.16%。     

快速码字搜索算法中一维特征量的最佳选择方法

矢量量化编码过程中的最近邻码字搜索需要进行大量的矢量间距离的计算,这个过程的计算复杂度极高,严重限制了其实际使用.为了加速矢量量化的编码过程,许多文献提出了各种不同组合的基于均值、2-范数、方差和角度的矢量一维特征量的快速最近邻矢量量化码字搜索算法.通过实验给出了这四个一维特征量单独使用以及相互组合的所有情况下各算法的搜索范围和编码时间,并对它们进行了比较和分析,进而提出了在实际进行编码时如何最优地进行一维特征量选取的准则.     

矢量量化中码书旋转压缩的研究

普通码书中的码字之间在不同的方向上具有很大的相关性,存在大量的数据冗余。提出了将码书中的码字旋转压缩的理论。该理论是将各个码字按四个方向垂直旋转后进行相似性检查。如果旋转后的码字其中一个方向上与前面的码字存在相似,则将该码字删除,从而达到压缩的目的。编码时将压缩后的码书旋转恢复后进行编码,从而大幅降低了需要存储的码字数量。同时给出了一种将现有1 024阶16维码书旋转压缩成256阶16维的方法,并对该方法得到的码书性能进行了仿真验证。实验结果表明使用压缩后的码书在硬件实现时与普通的矢量量化码书相比减少了75%的存储空间和输入带宽,而PSNR平均只降低0.28 dB。     

均值与矢量量化复合快速图像编码算法

矢量量化是一种有效的数据压缩技术,由于其算法简单,具有较高的压缩率,因而被广泛应用于数据压缩编码领域。通过对图像块灰度特征的研究,根据图像的平滑与否,提出了对图像进行均值和矢量量化复合编码算法,该算法对平滑图像块采用均值编码,对非平滑块采用矢量量化编码。这不仅节省了平滑码字的存储空间,提高了码书存储效率,并且编码速度大大提高。同时采用码字旋转反色（2R）压缩算法将码书的存储容量减少到1/8,并结合最近邻块扩展搜索算法（EBNNS）对搜索算法进行优化。在保证图像画质的前提下,整个系统的图像编码速度比全搜索的普通矢量量化平均提高约7.7倍。     

基于Hadamard变换和矢量分割的快速搜索算法

为了对图像信号进行快速有效压缩,提出了一种改进的基于Hadamard变换和矢量分割的双测试算法.该算法首先在Hadamard域中对空域双测试算法的两个删除准则进行了等效变换;然后在实验的基础上,对变换域码字和输入矢量进行了恰当的矢量分割;最后在码字搜索过程中,利用其中一个最为有效的删除准则来排除大部分的不匹配码字.实验结果表明,改进算法能大大提高码字的搜索效率,搜索范围可减少到原始算法搜索范围的约14%～17%.总体编码时间也减少到原始算法编码时间的约35%～45%.     

最大概率匹配的矢量量化编码算法

文章提出了一种最大概率匹配的矢量量化编码算法,它为码书中的每一码字增加一个计数器,统计在编码图象时每个码字的出现的频数,并进行排序;在量化矢量时,根据当前码字出现频数大小依次选择侯选码字,即频数大的码字优先选为候选码字。该算法可以和已有的预测法结合,形成预测加最大概率匹配的联合矢量量化编码算法。实验表明,联合算法的效率较高,在最初几次的搜索中就能以较高的命中率命中最佳匹配码字。     

Co-adaptation of self-organizing maps by evolution and learning

This paper proposes two co-adaptation schemes of self-organizing maps that incorporate the Kohonen's learning into the GA evolution in an attempt to find an optimal vector quantization codebook of images. The Kohonen's learning rule used for vector quantization of images is sensitive to the choice of its initial parameters and the resultant codebook does not guarantee a minimum distortion. To tackle these problems, we co-adapt the codebooks by evolution and learning in a way that the evolution performs the global search and makes inter-codebook adjustments by altering the codebook structures while the learning performs the local search and makes intra-codebook adjustments by making each codebook's distortion small. Two kinds of co-adaptation schemes such as Lamarckian and Baldwin co-adaptation are considered in our work. Simulation results show that the evolution guided by a local learning provides the fast convergence, the co-adapted codebook produces better reconstruction image quality than the non-learned equivalent, and Lamarckian co-adaptation turns out more appropriate for the VQ problem.     

基于预测码矢的快速搜索新算法

在ｋ维欧氏空间Ｒｋ中，给定一个有限子集Ｗ及一个向量ｘ，如何搜索Ｗ中与ｘ距离最近的向量，具有重要的实际应用价值，尤其在图象的矢量量化编码、神经网络模式识别［１］等问题中，快速搜索起决定性的作用。在分析已有快速搜索算法的基础上，给出一种新的快速搜索算法，该算法利用图象相邻块的码书地址，作为当前块的预测值，使搜索空间缩小更快。     

基于模板的快速目标搜索算法研究

对两种基于模板的快速目标搜索算法－四叉树法、模板膨胀法进行了研究，并与逐点匹配法做了比较，得出结论。根据相关匹配原理，采用四叉树法和快速模板膨胀匹配法，对目标进行快速搜索，可以较大地提高目标区域的搜索速度。     

Vector quantization: a review

Vector quantization (VQ) is a very effective way to save bandwidth and storage for speech coding and image coding. Traditional vector quantization methods can be divided into mainly seven types, tree-structured VQ, direct sum VQ, Cartesian product VQ, lattice VQ, classified VQ, feedback VQ, and fuzzy VQ, according to their codebook generation procedures. Over the past decade, quantization-based approximate nearest neighbor (ANN) search has been developing very fast and many methods have emerged for searching images with binary codes in the memory for large-scale datasets. Their most impressive characteristics are the use of multiple codebooks. This leads to the appearance of two kinds of codebook: the linear combination codebook and the joint codebook. This may be a trend for the future. However, these methods are just finding a balance among speed, accuracy, and memory consumption for ANN search, and sometimes one of these three suffers. So, finding a vector quantization method that can strike a balance between speed and accuracy and consume moderately sized memory, is still a problem requiring study.

     

一种基于码本聚类的低复杂度用户选择算法

现有块对角化(BD)预编码系统用户选择算法较少考虑利用已选用户与剩余用户之间的关系来排除不可选用户.针对这点不足,给出了一种采用码本聚类的低复杂度用户选择算法( CodeGreedy算法).该算法采用弦距离刻画用户信道的相关性,以此为依据将用户划分到不同码本空间中,聚集在同一码本空间的用户信道具有较强的相关性,形成互斥...     

使用2－范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

一种快速的固定码本搜索方法

为降低固定码本搜索算法的复杂度,在脉冲取代法的基础上提出一种码矢分段优化的快速搜索方法。采用码矢分段优化的方法,在保证语音质量的前提下,降低计算复杂度。实验结果表明,与AMR-WB采用的深度优先树算法及传统的脉冲取代算法相比,在不影响语音质量的条件下,码矢分段优化算法复杂度降低了70%~80%。     

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     

Accelerating VQ-based codeword search on the basis of partial search strategy

In this paper, a technique for accelerating the search on VQ-based codeword search is proposed. With our approach, all the pixel blocks of vector representation in an image picture could be encoded efficiently into their corresponding indices, and be associated with the closest codeword in the pre-generated codebook. The technique adopted in our scheme is inspired by the concept of space partition of the initial codebook. It is accomplished in a manner that the search range for the image block is significantly reduced. There is a key-codebook comprised of numerous key-codewords, and with a smaller book size, which is generated from the given codewords during system initialization. Any image block is then directed to look for the closest key-codeword in the key-codebook. Ultimately, the best-match codeword is checked out according to the relation between the closest key-codeword and the ‘genuine’ codewords in the given codebook. This short-time achievement is obtained because of the considerable book size reduction. A flexible radius, spread by a key-codeword is imposed in our elaborated algorithm to attain the most precise hit ratio estimation. The experiments show that our scheme is at least two and a half times faster than that of a full search in VQ implementation. Moreover, the strategy we proposed is also compatible with the search algorithms in finding the closest codeword, and the high quality of image display remained the same.     

一种新型快速的固定码本搜索方法

为降低AMR_WB中固定码本搜索算法的复杂度,在脉冲取代法的基础上提出了一种新的搜索算法,采用脉冲组合的方法,不仅降低了计算复杂度,而且保证了语音质量。实验结果表明,与AMR_WB采用的深度优先树搜索算法相比,在不影响语音编码质量的条件下,提出的快速码本搜索算法的复杂度降低了53.6%。