图象的自适应遗传算法矢量量化方法

本文描述了一种基于自适应遗传算法的图象矢量量化方法，它不同于一般遗传算法之处是其交叉概率与变异概率这两个参数随个体的适应度值而变化，从而增强了算法的性能。实验结果表明，将自适应遗传算法用于码本设计，具有运算简单、聚类能力强等优点，有着广泛的应用前景。     

一种基于时变信道的自适应矢量量化方法

提出了一种信道自适应加权矢量量化（CAWVQ）算法。采用对处于两种不同状态的典型码书进行加权的算法,获得与信道状态相匹配的码书,并且只使用较少的存储空间。将该算法应用于噪声信道中,能够有效的提高矢量量化器的性能。仿真实验表明该算法能够比其他算法得到更高的信噪比。     

利用NOVELL网络设计矢量量化码本

矢量量化是一种有效的语言与图像的数据压缩方法,而矢量量化码本设计因相当复杂而比较难以实现。本文介绍了一种利用Novell网络实现码本设计的方法。在管理员工作站的具体组织与控制下,网上的其他工作站利用空闲机时将冯本设计化整为零,分布处理,而各工作站的日常工作几乎不会受到影响。     

图像块动态调整的自适应差值补偿矢量量化

提出一种图像块动态调整的自适应差值补偿矢量量化方法。该方法在编码前,分析待编码子块与其八邻域子块的相似度,通过事先给定的阈值判断子块是否相似,若相似,则用相同码字编码;否则单独编码。在编码时,计算子块和匹配码字的差值,得到差值图像。进而得到像素差值符号位,对其进行行程编码后附在码字索引之后;在解码时,根据码字索引恢复图像,对附加信息进行行程解码．并采用3×3补偿窗口对每个恢复像素进行自适应差值补偿,得到最终恢复图像。实验结果表明,相对于普通矢量量化．论文方法不但可以提高编码速度,而且图像质量有明显改善。     

一种压缩比自适应的快速矢量量化算法

提出了一种压缩比自适应的矢量量化(VQ)编解码算法,将图像预先分为16×16的分块,根据图像块的平滑程度,减少重复搜索的运算量,大幅提高压缩比和编码速度,而解码图像的峰值信噪比(PSNR)只有很少下降。对于10幅标准图像的测试结果表明,与普通VQ相比,该文算法的压缩比平均提高54%,PSNR平均仅降低0.86%。对于单纯背景的图像,压缩比可达到200∶1左右。算法简单,适合硬件实现。     

块自适应标量-矢量量化算法压缩SAR原始数据

块自适应量化(BAQ)算法是目前比较成熟的一种合成孔径雷达(SAR)原始数据压缩算法,该算法以SAR原始数据块满足高斯分布为前提。由于SAR成像区域很复杂,有些数据块可能不满足高斯分布,因此提出了一种块自适应标量-矢量量化算法(BASVQ),当数据块满足高斯分布时,采用标量量化;当数据块不满足高斯分布时,采用矢量量化。实验结果表明,块自适应标量-矢量量化算法在性能上优于BAQ算法,具有一定的实用价值。     

模糊聚类在自适应矢量量化码本训练中的应用

自适应矢量量化在语音处理中有广泛的应用,提出了一种基于ＳＦＣＭ算法的自适应矢量量化码本的训练方法,其特点是通过模糊聚类方法,重新调整训练样本与码字之间的隶属度,达到最小编码失真,使码本更适合新说话人,且计算简单,方法的实验结果表明,可以使编码平均失真下降。     

MatLab在图像矢量量化中的应用

从矢量量化的特点和码本设计方法出发,探讨MatLab在矢量量化中的应用,利用MatLab编程实现图像矢量量化,并给出了程序运行结果,通过对运行结果进一步分析,效果良好,为图像矢量量化提供了一个新的途径.     

基于Hopfield神经网络的图像矢量量化

矢量量化是图像压缩的重要方法。论文提出了基于Hopfield神经网络的图像矢量量化方法,该方法首先构造聚类表格;然后聚类表格按离散Hopfield神经网络串行方式运行;最后根据得到的最终码字集,对图像进行矢量量化。论文最后给出模拟实验和结果比较,结果表明该方法是有效的,生成的码本质量优于传统的LBG算法。     

自适应补偿矢量量化

提出了一种基于ＬＢＧ码书设计的新的图像矢量量化算法。该算法利用图像信号在正交矢量空间中的能量集中性,有效地减小了码书的搜索范围,加快了矢量量化速度。同时利用原始图像和重建图像之间的差值进行了自适应补偿,在保证较高压缩比的同时,有效地克服了矢量量化的致命缺陷,即重建图像存在严重的方块效应。     

码书距离排序对索引压缩算法的性能改进

图像经过矢量量化后得到的索引图具有很强的统计相关性,从而使得邻近块的索引以较大的概率相等或偏移量较小。按照某种准则对码书进行排序,可以有效增强索引之间的相关性。基于平方欧几里得距离提出一种新的码书按距离排序方法。与传统的按均值、方差和能量等排序方法相比,距离排序能大大提高索引图的相关性,使索引之间的偏移量向值小的方向明显集中。将距离排序后的码书用于AICS(adaptive index coding scheme)算法,实现了更好的压缩性能。     

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。     

自适应二阶码书矢量量化算法研究

介绍了矢量量化的基本算法LBG。在此基础上,提出了一种时间复杂性和空间复杂性有所降低的改进算法,节省了存储空间,提高了压缩比。该算法的核心是自适应的生成初始码书以及对初始码书的二次压缩过程。从降低时间复杂度和节省存储空间、提高压缩比的角度,对该算法进行了讨论。     

Image compression by vector quantization: a review focused on codebook generation

Recently, vector quantization (VQ) has received considerable attention, and has become an effective tool for image compression. It provides a high compression ratio and a simple decoding process. However, studies on the practical implementation of VQ have revealed some major difficulties such as edge integrity and codebook design efficiency. After reviewing the state-of-the-art in the field of vector quantization, we focus on iterative and non-iterative codebook generation algorithms.     

基于矢量量化码书的离群点检测方法*

利用矢量量化码书作为数据分类模式最优代表集的特点,提出基于码书的离群点概念,论证了其与经典统计学关于离群点定义的内在联系。在基于学习的矢量量化码书生成算法和最近邻码字搜索算法基础上构造了离群点检测算法。实验结果表明了提出的关于离群点定义的合理性和算法的有效性。     

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。     

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。     

基于图像分类的矢量量化数字水印算法*

通过提取熵和标准差两个特征对图像进行分类,将分类结果采用PNN算法进行矢量量化,将其生成的码书作为LBG算法的初始码书以降低该算法对初始码书敏感的缺点。同时在水印提取过程中,首先对码书进行预处理以减少图像攻击对码书的影响,再提取水印图像。实验证明,使用该方法不仅得到了较高的图像质量,而且对常见的攻击也具有鲁棒性。另外,在传输过程中对码书和索引值的窜改,也具有一定的抗攻击性。     

矢量量化的初始码书算法

矢量量化的初始码书设计是很重要的,影响或决定着其后码书形成算法的迭代次数和最终的码书质量。针对原有的初始码书算法在性能上随机性强与信源匹配程度不高的问题,提出一种对于训练矢量实施基于分量的和值排序,然后做分离平均的初始码书形成算法。算法使用了矢量的特征量,脱离了对于图像结构因数的依赖,能产生鲁棒性较好的初始码书。实验证明了该方法的有效性,与LBG算法结合可进一步提高码书质量。     

利用PNN算法改进初始码书的GLA算法

针对改进广义Lloyd算法（GLA）对初始码书的敏感性,提出用成对最近邻（PNN）算法训练码书作为GLA算法的初始码书,再由GLA算法产生最终码书。PNN算法得到的码书作为GLA算法的初始码书,其码字能在整个输入矢量空间中很好地散开,尽可能地占据输入概率密度较大区域,提高最后码书的质量。仿真实验中,利用正态分布的随机数训练码书,恢复一段正态分布的随机数,采用Mahalanobis失真测度评价恢复数据的失真度。仿真结果表明,改进算法降低了GLA算法对初始码书的敏感性,提高了最终训练码书的质量,降低了恢复数据的失真。