采用空间矢量组合的小波图像分类矢量量化

该文提出了采用空间矢量组合对小波图像进行分类矢量量化的新方法。该方法充分利用了各高频子带系数的频率相关性和空间约束性将子带系数重组，依据组合矢量能量和零树矢量综合判定进行分类，整幅图像只需单一量化码书，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，在较低的编码率下，可达到很好的压缩效果。     

基于树结构矢量分类的小波图像图编码矢量量化

本文基于零树编码,矢量分类和网络编码量化的思想,提出了对小波图象采用树结构矢量组合和分类后进行网络编码矢量量化的新方法,该方法充分利用了带系统的带间和带内的相关性,分类信息上中用比特数少,对重要类矢量实行加权网络编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,并采用基于人眼视觉性特性的加权均方误差准则作为失真度量和码字匹配,提高了量化增益,仿真结果表明,该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果。     

基于方向树结构矢量分类的小波图像网格编码矢量量化

本文提出了采用方向树结构矢量组合并分类对小波图像进行网格编码矢量量化（ＴＣＶＱ）的新方法。该方法矢量构成结合了子带系数的方向性，充分利用了子带系数带间和带内相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，对活跃和非活跃类矢量实行加权ＴＣＶＱ，利用卷积编码扩展信号空间，用维特比算法搜索最优量化序列，比使用加权 ＶＱ提高了 ０．７ｄｂ左右。该方法编码计算复杂度适中，解码简单，有较好的压缩效果。     

结合相干斑抑制的小波域SAR图像网格编码量化

本文结合SAR图像相干斑的抑制,研究了一种在小波域对带噪SAR图像做网格编码量化的新方法。首先将SAR图像在小波域内实施软阀值去噪声,然后根据SAR图像在小波域中各子带系数固有的树结构关系对其进行零树分类,对分类后的重要性小波系数进行网格编码量化,利用卷积编码和信号空间扩展来增大量化信号间的欧氏距离,并用维特比算法寻找最优量化序列。该方法综合了小波相干斑抑制、零树编码、网格编码量化技术,不仅利用了信号小波变换域的空间相关性,而且也较好地利用了信号间的时间相关性。在压缩的同时进行了相干斑抑制,在SAR图像的压缩中取得了很好的效果。     

采用树结构矢量组合的小波图像分类矢量量化

本文提出了采用树结构矢量组合对小波图像进行分类矢量量化的新方法.该方法充分利用了子带系数的带间和带内的相关性,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益.仿真结果表明,该方法实现简单,可达到很好的压缩效果.     

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。     

DCT域网格编码矢量量化

本文提出了在离散余弦变换(DCT)域作网格编码矢量量化(TCVQ),并利用量化后相关性的新方法.该方法结合了DCT变换、矢量量化和网格编码量化的优点,它充分利用信号DCT域和时域的相关性来逼近率失真下界,并利用维特比算法来寻找最佳量化序列.同时,它还利用量化后码字间存在的相关性来进一步降低编码率.仿真结果表明,该方法在保持高压缩比的同时具有很高的信噪比性能.在相同编码率下它比全搜索矢量量化(VQ)好1dB左右.同时该方法具有计算量适中,解码简单以及对误差扩散不敏感的优点.     

基于多级零树编码的小波系数网格编码量化

该文提出了对小波图像作多级零树编码后进行网格编码量化（TCQ）的新方法。首先利用子带间的相关性进行零树编码，然后利用卷积编码和信号空间扩展来增大量化信号间的欧氏距离，并用Viterbi算法寻找最优量化序列。仿真结果表明，该方法比零树编码后采用最优量化要提高0．3dB左右。该方法还具有编码计算复杂度适中，解码简单的优点。     

采用方向树结构矢量组合的小波图像分类矢量量化

该文提出了采用方向树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法的矢量构成结合了子带系数的方向性,充分利用了子带系数的带间和带内的相关性,按能量和活跃度进行两级分类,降低了类中矢量的内部离散度,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益。仿真结果表明,该方法实现简单,可以达到很好的压缩效果。     

基于塔式格型矢量量化的图像多描述编码算法

多描述编码(MDC)是解决差错信道上图像通信数据包丢失问题的一种新方法，它通过将图像分解为多个独立而又具有一定相关性的描述，并通过不同的信道进行传输，来改善数据丢失条件下的图像解码质量。本文提出了一种图像信号的多描述塔式格型矢量量化编码算法(MDPLVQ)，利用小波树之间的独立性，采用不同的塔式格型矢量量化缩放因子对小波系数进行量化。该算法设计简单，对冗余度的控制容易，实验结果说明了其有效性，其编码压缩性能优于多描述标量量化(MDSQ)、多描述对变换(MDPCT)和多描述零又树(MDEZW)等方法。     

基于稀疏编码的车型图像分类研究

实现车型分类是智能交通系统中的重要技术,为了克服传统车型分类方法测量困难的弱点,研究基于车型图像的车型分类方法.图像特征采用了基于图像局部特征稀疏编码的直方图表示,稀疏编码量化误差较小,更能精确地捕捉图像最突出的信息,使用了支持向量机(SVM)作为分类器对车型图像进行分类.实验结果表明本算法能使6类车型图像分类正确率达到90％以上,相对于现有方法有一定的提升.     

Block Constrained Trellis Coded Vector Quantization of LSF Parameters for Wideband Speech Codecs

In this paper, block constrained trellis coded vector quantization (BC‐TCVQ) is presented for quantizing the line spectrum frequency parameters of the wideband speech codec. Both a predictive structure and a safety‐net concept are combined into BC‐TCVQ to develop the predictive BC‐TCVQ. The performance of this quantization is compared with that of the linear predictive coding vector quantizer used in the AMR‐WB codec, demonstrating reductions in spectral distortion.     

图像多小波域矢量量化策略

提出一种基于多小波变换结合矢量量化的图像编码算法(MDWT VQ)。首先对图像进行多小波分解,然后对高频系数用改进后的LBG算法形成的码书进行VQ编码。算法充分利用了多小波域不同分辨率层间各方向子图像的相似性,仅对最高分辨率层进行码书地址索引,低级分辨率层的系数按照一定的组织形式直接套用最高分辨率层的地址索引信息。对比实验的结果验证了该算法在提高图像的重建质量以及在降低位码率方面均比传统的单小波图像编码算法有一定的提高。     

序号预测矢量量化器及其在图象编码中应用

本文提出一种序号预测矢量量化器的结构，与一般矢量量化器相比，它充分利用了图象极强的二维相关特性，并采用预测的方法去除冗余码字，从而在保证译码图象质量与一般矢量量化器的译码图象质量相同的前提下，压缩比可提高一倍以上。     

Vector quantization with hierarchical classification of sub-blocks

A hierarchical classified vector quantization (HCVQ) method is described. In this method, the image is coded in several steps, starting with a relatively large block size, and successively dividing the block into smaller sub-blocks in a quad-tree fashion. The initial block is first vector quantized in the normal way. Classified vector quantization is then performed for its sub-blocks using the vector index of the initial block, i.e. rough information of the image, and the location of the sub-block within the initial block as classifiers. The coding proceeds in a similar way, adding more information of the fine details at each level. The method is found to be effective and to give a good subjective quality. It is also simple to implement, leading to coding speeds typical to a tree search VQ.