粒子群优化算法在图像矢量量化码书设计中的应用

鉴于经典的LBG码书设计算法易陷入局部最优解,首次采用粒子群优化算法来设计图像矢量量化的最优码书,并提出了粒子群矢量量化（PSO-VQ）算法和粒子一致性操作（PCO）。在PSO-VQ算法中,每个粒子表示一个码书,以粒子群进化的方式对初始码书进行迭代而获得最优码书,PCO操作对各初始码书中的码矢量按其灰度均值排序,使不同码书的内部结构基于码矢量灰度均值达到基本一致,确保了结果向全局最优解收敛。实验证明,PSO-VQ算法在解码图像的PSNR值和主观效果上都优于LBG算法,同时拓展了粒子群优化算法的应用领域。     

基于主分量分析的矢量量化数字水印算法

针对矢量量化过程中码书训练复杂的缺点,基于主分量分析方法对图像进行降维,根据降维后各主分量熵和标准差的差异性对其进行分类,采用非均匀矢量量化方法生成码书。在水印嵌入过程中,将水印图像嵌入降维后主分量能量适中的码书中以提高水印图像质量,利用EENNS算法代替完全搜索算法缩短编码时间。实验结果表明,该算法在提高码书质量的同时,能有效减少码书训练时间,对JPEG压缩、剪切、旋转等图像攻击也具有较强的鲁棒性。     

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。     

基于自组织特征映射网络的模糊矢量量化算法

自组织特征映射（SOFM）是一种常用的矢量量化算法，它具有设计码书不依赖于初始码书等优点。模糊矢量量化算法（FVQ）将模糊关系引入码书的设计，训练矢量与码矢之间的模糊关系用隶属函数表示。本文提出了一种基于自组织特征映射网络的模糊矢量量化算法（FSOFM），FSOFM算法将SOFM网络的调节节点邻域看作训练矢量的模糊集，网络权值学习步长的选择依赖于隶属函数。由于设计码书的评价一般采用最小均方误差准则，而隶属函数是训练矢量与码矢之间距离的函数，FSOFM算法保证了网络的全局成优化和网络权值的局部调整一致；因此，FSOFM算法能够优化码书的设计，改善设计码书的性能。此外，FSOOFM算法还具良好的适应性，当网络的将LBG、SOFM、FVQ和FOSOFM算法用于一组具有不同边缘特性的图像的矢量量化中，我们发现采用FSOFM算法进行矢量量化的所有图像都具有最高的峰值信噪比PSNR。     

一种基于小波变换的图像压缩方法

提出一种基于小波变换的灰度图像数据压缩编码方法,基本思路是利用小波变换实现图像的多分辨分解,用矢量量化（ＶＱ）对分解后的图像进行编码,在矢量量化ＬＢＧ算法的初始码书的选取中根据矢量中各分量的特性提出一种改进的随机选取法,避免了可能的胞腔不均现象,提高了码书的质量,而且重构的图像质量也有所提高。     

基于改进人工蜂群的图像矢量量化码书设计算法

为了进一步提高图像矢量量化的码书质量,提出了一种新的图像压缩矢量量化码书设计算法。该算法采用均方误差(MSE)作为码书设计的适应度函数,利用改进的人工蜂群算法进行适应度函数的优化求解,增强了算法的自组织性和收敛性,大大减少了陷入局部收敛的可能性。将一种基于和值特性的快速码字搜索思想引入到码书设计算法中,使算法计算量明显降低。仿真结果表明,该算法具有计算时间短、收敛速度快的优点,并且生成的码书质量好、稳定性强。     

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。     

码书自适应的大规模体数据矢量量化算法

针对大规模体数据矢量量化VQ(Vector Quantisation)编码时间长的问题,提出一种基于图形处理器的码书自适应的大规模体数据矢量量化算法。该算法首先提取原始体数据密度分布特征,据此选取合适的初始码书生成算法,将矢量数据分批先后载入图形处理器进行并行计算,每读入一批数据,根据该批数据的码准值对第一批数据产生的码书进行优化及扩充,随后完成该批数据的编码。实验结果表明,该算法提高了图像的编码速度及还原质量,明显缩短了图像的压缩时间,同时保证了体数据重构质量。     

直接矢量量化方法在语音编码算法中的应用

介绍了一种降低码书搜索复杂度的方法-直接矢量量化（DVQ）方法,将其应用于LD-CELP语音编码算法中的仿真译码器模块和码书搜索模块,用感觉加权逆滤波器代替仿真译码器模块中的综合滤波器,去除了码书搜索模块中冲激响应h（n）的运算。实验结果表明,利用直接矢量量化方法简化了码书搜索算法的复杂度,提高了码书搜索算法的效率,在运算时间方面比原始LD-CELP算法快3 s~5 s,同时保持了原编码算法合成语音的音质。     

一种新的矢量量化水印算法

提出了一种新的矢量量化(VQ)数字图像水印算法.该算法所采用的矢量量化器基于关联的双码书结构,双码书分别是传统的基本码书和带标记位的新型扩展码书.在扩展码书中引入了表示水印信息位段的开始与结束标志,可以为每个水印像素动态地分配不等长的字符串.对于信道误差引起的含水印索引丢失,该算法具有良好的鲁棒性.同时,在嵌入以小像素值居多的非二值水印时,可以减少媒体图像块的需求,从而减少了因嵌入水印带来的额外失真.实验结果表明该算法具有良好的性能.     

基于JPEG量化失真的合成图像盲检测

主要针对JPEG图像合成伪造,提出了一种基于量化失真的合成图像盲检测算法。首先针对合成图像以JPEG和非JPEG不同的存储方式,分别估计原始量化矩阵;然后用估计的原始量化矩阵对合成图像再压缩,计算压缩前后的量化失真;最后通过判断合成图像不同区域量化失真的大小,实现窜改区域的自动检测和定位。实验结果表明:算法能有效地检测JPEG和非JPEG两种不同存储方式的合成图像。     

基于SVD与几何矫正的水印算法

为提高水印算法的抗攻击性能,提出一种基于SVD和几何矫正的鲁棒水印算法。通过量化图像每个子块中的第1个奇异值嵌入水印,利用遗传算法搜索量化步长的最优解。在提取水印时,引入几何矩和DFT变换估计几何变换参数,从而矫正测试图像。实验结果表明,该算法在抵抗普通攻击与几何攻击方面均具有较好的鲁棒性。     

基于混沌和HVS的小波域自适应图像水印算法

针对常规的小波域水印算法自适应性差的缺陷,提出了一种新的基于混沌和人类视觉系统的小波域自适应图像水印算法。首先对载体图像进行二级DWT变换;然后对特定的中频子带进行分块,并对每块做SVD分解;最后将Logistic混沌置乱后的二值水印信息嵌入到每块的最大奇异值中,嵌入的强度根据HVS原理自适应地进行调整。仿真实验表明,该算法不仅具有很好的不可见性,且对JPEG压缩、加噪、滤波等常见的图像攻击具有很强的鲁棒性。     

一种改进的嵌入零树小波图像编码算法

基于逐次逼近量化与零树结构的嵌入零树小波编码（EZW）是一种优秀的图像压缩算法，然而该算法进行逐次逼近量化时需搜索扫描所有小波系数，从而必然导致高频子带所产生的二进制符号流中存在大量冗余，这无疑会大大影响其编码效率，针对EZW编码算法存在的以上不足，提出了一种改进的嵌入零树小波图像编码算法，该算法能够通过定义多阈值、改进逐次逼近量化过程、修改嵌入编码策略、采纳复杂关联模型等措施，进一步提高EZW算法工作效率，实验结果表明：改进的EZW编码算法是一种高效的图像压缩算法，其压缩速度、图像复原质量等关键技术指标均明显优于EZW和S＋P等编码算法（特别是在高压缩比下）。     

基于人眼视觉系统的自适应量化数字水印算法研究

提出了一种将彩色水印图像嵌入到原始彩色功载体图像中的新算法。首先，利用DCT静态图像压缩技术，将彩色水印图像编码成一维二进制序列并进行随机置乱；然后将原始彩色载体图像分解为R、G、B三个彩色分量并分别实施小波变换，进而结合视觉感知特性自适应确定水印嵌入位置；最后结合人眼视觉系统（掩蔽特性及对颜色的感知特性）确定量化间隔，并通过全新的量化处理过程完成水印信息的白适应嵌入，仿真实验表明：该数字水印嵌入方案不仅具有较好的透明性，而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克效果等攻击均具有较好的鲁棒性．     

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。     

适用于分布式视频编码框架的整数离散余弦变换算法

鉴于H.264的整数离散余弦变换(DCT)算法及其量化方法复杂度高,难以直接应用于分布式视频编码(DVC)框架的现状,提出了一种基于大跨度定长(步长为2的正整数次方)量化的整数DCT算法及变换基生成方法。该算法充分地利用整数DCT基的可伸缩特性寻找最迎合硬件工作原理的变换基,在保证“小”变换基的同时将编码器的伸缩量化阶段“转移”到解码器一端以降低编码器复杂度。在“转移”过程中,该算法利用DCT系数饱和放大保证图像质量,利用DCT系数的溢出上限保证算法的可靠性,通过减小基偏差提高压缩性能。实验结果表明,与H.264对应模块相比,该算法的量化方式便于位平面提取,在图像质量达到准无损压缩的前提下将编码器的伸缩量化阶段的运算量缩减至16次整型常量加法运算,图像质量与压缩率的性价比提升了23.9%,适用于分布式编码框架。     

一种基于动态码书的矢量量化图像编码算法

针对快速相关矢量量化算法重建图像质量不高、存在明显方块效应的问题，采用后向搜索一定区域的预测与有限状态矢量量化相结合的编码方法，并用MEENS-2和PDS结合搜索算法完成码字搜索。实验结果表明，该编码方法既提供了高压缩比，又减少了额外失真的影响，保证了图像的重建质量。     

一种鲁棒的基于DWT域自适应量化步长的图像盲水印算法

提出了一种可用于版权认证的基于小波变换域自适应量化步长的图像盲水印算法.该算法首先在DWT（离散小波变换）的低频子带中选择感知重要系数作为水印的嵌入区间,然后选择一个同时可满足不可见性与鲁棒性要求的最小量化步长,对所选择的重要系数进行量化,再通过自适应增大量化步长,把二值水印信息交替地嵌入到不同的量化层上.作为这种算法的一个特例,就是用所选系数的低5位表示水印信息.在嵌入过程中,根据小波变换所具有的良好的空域局部化特性,采用了分块舍入技术,实现了水印信息的精确嵌入;在检测过程中,提出了一种新颖的差分检测方法,增强了系统的鲁棒性.实验结果证明,该算法具有嵌入信息量大,水印透明性好,对各种常见的图像处理操作、有损压缩、裁剪和几何变换抵抗性强等特点.     

一种图像多描述网格编码矢量量化算法

在互联网和无线通信环境下,图像通信常因数据包传输出错或丢生而导致质量的严重下降,多描述编码是解决这个问题的一种新途径。该文提出了一种多描述网格编码矢量量化新算法,给出了多描述分解的方法和规则,并通过构造一个代价函数,提出了最优搜索策略,用维特比算法对多描述编码最优路径进行搜索。仿真结果表明,新算法有效利用网格编码矢量量化将量化码书大小扩大一倍的特性,提高了中央通道的编码性能,而如果只收到单个描述,解码图像仍能获得较好的重建质量。