采用不同分割方法的图像矢量量化

本文描述改善矢量最化图像的主观质量的两种方法:1)采用不同的图像块形状;2)对图像的中间区域(与周围区域相比)在编码时采用较高的精度。实验结果表明:这两种方法的重建图像都有较高的主观质量(与峰值信噪比相比)。     

基于视觉误差准则的矢量量化编码

传统矢量量化编码一般采用绝对误差为误差度量准则，并不符合人类视知觉的特性，本文根据人的视觉感知规律，定义了一种可广泛用于图象编码的视觉误差准则，由此导出了一种新的矢量量化编码方法，实验表明，采用这种方法得到的解码图象在视觉效果比传统方法有较大改善。     

低通图象的自适应混合矢量量化编码

本文提出了一种基于图象分解与自适应混合矢量量化的静态图象高效编码方案,详细介绍了低通图象的混合矢量量化编码方法。就低频分量而言,在80∶1的压缩比时可以获得较好的译码图象质量。     

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。     

基于DCT子空间失真测度的矢量量化VLSI结构设计

本文提出了一种实现离散余弦变换子空间失真测度矢量编码算法的ＶＬＳＩ结构。     

一种矢量量化编码的加速算法

本文提出了一种基于最小均方误差测度的快速矢量量化编码算法。在进行均方测度计算之前，通过一组距离测度的不等式判据和预排序的码书，排了作大部分候选码字。     

基于旋转Barnes—Wall格的增益—波形矢量量化器及其在序列图象…

本文首先提出了一种基于旋转Ｂａｒｎｅｓ－Ｗａｌｌ格的格型矢量量化器（ＬＶＱ）的构造方法及快速量化算法，然后研究了以此ＬＶＱ为核心的增益－波形矢量量化器（ＧＳＬＶＱ）的实现方法，最后探讨了ＧＳＬＶＱ在序列图象编码中的应用方案，并给出了较好的实验结果。     

一种提高矢量量化器性能的方法

矢量量化技术是一种既能高效压缩数码率，又能保持语音质量在编码方法，它不但能用于波形编码，而且能用于参数编码，本文主要论述了矢量量化在参数压缩编码中的应用，即应用模拟退火方法设计矢量量化器，对语音ｃｅｐ参数库进行压缩，通过语音倒谱参数库压缩前后，语音正确识别率听变化来评价所设计矢量量化器的性能，文章中提出了适用于语音倒谱参数的模拟退火时间表，对于所涉及的扰动范围，扰动次数方面主要参数进行了一定的探讨     

基于小波变换的多级矢量量化图像编码算法

结合小波变换中多分辨率分析特性以及多级矢量量化复杂度低、量化效果较好的特点提出了一种基于小波变换的多级矢量量化图像编码方法。在使用多级量化的基础上采用联合优化多级矢量量化的码本设计方法,进一步提升量化效果。试验数据表明,该方法相对于传统的矢量量化算法,量化效果进一步提高,复杂度也在可接受范围之内,达到了很好的压缩编码效果。     

一种新的模糊K邻域矢量量化码本设计算法

本文提出了一种新模糊Ｋ邻域矢量量化码本设计算法９ＦＫＮＮＶＱ）。该算法具有对安始码本依赖性小,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年提出的模糊知量量化算法（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。     

基于旋转Barnes-Wall格的增益-波形矢量量化器及其在序列图象编码中的应用

本文首先提出了一种基于旋转Barnes-Wall格的格型矢量量化器(LVQ)的构造方法及快速量化算法,然后研究了以此LVQ为核心的增益-波形矢量量化器(GSLVQ)的实现方法,最后探讨了GSLVQ在序列图象编码中的应用方案,并给出了较好的实验结果。     

矢量量化器设计算法的研究

目前常用的设计算法是LBG算法,但用它设计的矢量量化器不是最佳的。本文从Gersho的K维空间最佳分划的定理出发,构造了一种改进的算法。本文还就分裂法去除空胞腔问题提出一种新的意见,并针对语音信号的特点提出两种新的空胞腔处理方法。一组矢量量化器设计给果表明,改进的算法和新的空胞腔处理方法都是更有效的。     

基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量量化方法。矢量量经码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力，易搜索到全局最优的矢量分类，形成高度优化的码书，可克服传统方法局部优化的缺陷。该方法不依赖初始条件、鲁棒性好、结构规则、并行性高。     

有限状态矢量量化相关编码方案

本文提出了有限状态矢量量化相关编码方案。分析了该方案对线性相关高斯源的率失真性能,并将分析结果与相关编码理论界及未考虑信源间相关性的编码结果作了比较。将该方案实际应用于分析合成自适应预测语音编码系统,它有效地利用了声道参数码矢和激励参数码矢之间的冗余信息。     

基于矢量量化的层次分形编码方法

文中提出了一种新的分形图像压缩方法,该方法将矢量量化的概念应用于分形块编码中,对图像的平缓区进行矢量量化的线性组合编码,对图像的丰富细节区用分形编码,并且在分形编码时,采取了层次处理。实验表明,与基本的分形块编码方法相比,本文提出的矢量量化层次分形编码方法在保证一定的重建图像质量下,使图像的压缩比有了明显的提高,并且大大提高了编码和解码速度。