改进的子帧矢量量化

提出了一种新的子帧划分方法 四叉树分裂法 .并对LBG算法中初始码书的分裂方法进行了修正 .模拟实验结果表明 ,在相同的压缩比的情况下 ,信噪比要优于传统的矢量量化 (VQ)和子帧矢量量化 (SVQ) ,且重构图像的主客观效果良好     

基于四叉树结构的小波格型矢量量化

基于格型矢量量化克服了传统矢量量化计算和存储复杂度高的缺点,提出了一种新型四叉树结构的小波格型矢量量化算法。对小波变换系数进行视觉加权,以感知的均方误差准则取代传统均方误差。改进零树编码方法,并按照小波系数的四叉树结构和其方向性来组织矢量,对重要系数作格型矢量量化。从而较好地综合利用了小波系数在空间和频域的能量集中特性。仿真实验证明,该方法具有速度快,存储量小的优点,与文献中其他算法相比,具有较高的编码效率。     

标量-矢量量化(SVQ)在子带编码中的应用

子带编码（ＳＢＣ）作为中低码率的波形编码方法，已经广泛应用于语音及声频编码。ＳＢＣ可以通过给各子带分配不同的量化及编码比特数，使压缩编码后的重建语音具有较高的质量。ＳＶＱ是一种低复杂度、结构化的标量－矢量量化编码［１］，它的码书结构可由标量量化的变长码得到。本文将ＳＶＱ量化编码方法用于子带编码，设计了语音信号ＳＶＱ子带编码模拟系统，模拟结果表明重建语音具有较高的主、客观质量。     

矢量量化的几何方法

矢量量化是一种非常重要的数据压缩技术.其应用最多的聚类算法复杂度随着码率和维数的乘积指数增长.为了减小复杂度,本文给出几种适用于特定信源的几何矢量量化方法如适用于高斯信源的椭球矢量量化(EVQ),适用于拉普拉斯信源的棱锥矢量量化(PVQ).最后,针对几何分布不规则的一般信源,给出一般的几何矢量量化方法--标量矢量量化(SVQ).     

标量—矢量量化（SVQ）在子带编码中的应用

子带编码作为中低码率的波形编码方法，已经广泛应用于语音及声频编码。ＳＢＣ可以通过给各子带分配不同的量化及编码比特数，使压缩编码后的重建语音具有较高的质量。     

图象矢量量化：改进的竞争学习算法

用神经网络实现图象矢量量化是一种非常有效的方法。在对竞争学习算法（ＣＬ）和频率敏感竞争学习算法（ＦＳＣＬ）分析的基础上，提出了一种改进的竞争学习算法（ＭＣＬ），实验表明，ＭＣＬ算法优于ＣＬ算法和ＦＳＣＬ算法。     

基于矢量量化改进算法的说话人识别

给出一种采用LPCCEP特征参数和改进矢量量化的数字音说话人识别方法，该方法适于说话人集合适中(100人以内)情况，具有训练简单、存储数据量少、响应快等特点．为提高系统的识别率和可靠性，系统采用了方差修正的VQ改进算法，使建立的说话人模型考虑了说话人帧特征概率分布的更精细结构．实验结果表明，改进后的方法对提高系统的识别率效果明显。     

图象矢量量化的神经网络实现

讨论用神经网络方法实现图象矢量量化,提出了三种修正的自组织特征映射算法,即频率敏感法,主次分明法和综合法,设计了一种图象矢量量化的神经网络编码器,最后,给出了计算机模拟结果。     

基于矢量量化改进算法的说话人识别

给出一种采用LPCCEP特征参数和改进矢量量化的数字音说话人识别方法 ,该方法适于说话人集合适中(10 0人以内 )情况 ,具有训练简单、存储数据量少、响应快等特点 .为提高系统的识别率和可靠性 ,系统采用了方差修正的VQ改进算法 ,使建立的说话人模型考虑了说话人帧特征概率分布的更精细结构 .实验结果表明 ,改进后的方法对提高系统的识别率效果明显     

基于改进DCT域分类矢量量化的图像编码算法

提出了一种改进的DCT域分类矢量量化的图像编码算法。该算法结合了快速相关矢量量化算法和DCT域分类矢量量化算法,首先根据已编码的邻块对输入矢量的编码索引进行相关预测,对预测失败的输入矢量采用DCT域分类矢量量化算法编码。测试结果表明,与DCT域分类矢量量化算法相比,所提出的算法显著地减少了编码时间和比特率。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩。     

矢量量化图象编码的快速搜索算法

矢量量化用于图象编码的计算复杂度是矢量量化器设计的一个关键问题。本文针对搜索复杂度提出了两种新的快速算法。在保证不降低编码性能的前提下实现所求码矢是码书中的最佳匹配并大大提高了编码速度。计算机模拟结果表明:这两种算法无论在加法、乘法、还是比较操作上均比Gray的改进型算法节省许多。     

图像颜色矢量量化算法

提出了一种基于LUV颜色空间的彩色图像量化算法. 首先运用PGF技术对原始图像进行平滑,在去噪的同时保持图像的边缘和细节;随后将PGF滤波系数作为先验的权重信息传递给矢量量化部分;最后,利用凝聚聚类进行多余颜色的合并. 结果显示,本文算法在主观评价和量化误差上都明显优于经典的K均值聚类算法.     

矢量量化技术用于图像编码的一点注记

该文指出图像数据分类对矢量量化技术进行图像压缩编码的重要性。并给出一种较好的分类预处理方法。     

矢量量化在静态图像编码中的应用

本文介绍了静态图像矢量量化系统的设计,并指出系统复杂度是矢量量化应用的一个关键问题,为了降低系统复杂度,研究了一种新的空胞腔消除方法并采用了一种快速搜索算法。     

神经网络在图像矢量量化中的应用

该文研究了自组织特征映射神经网络(SOFM)在图像矢量量化码书设计中的应用,并把SOFM算法同LBG算法作了比较。最后总结了SOFM算法与LBG算法的优缺点。     

基于模拟退火技术的多级矢量量化编码方案

研究了矢量量化最优码书的形成条件，以多级矢量量化和模拟退火技术为基础，提出了一种基于模拟退火技术的多级敌意一量化编码方案。实验证明，算法不仅降低了计算的复杂度和码书存储量，而且在较高压缩比下可获得较了的图像恢复。     

小波分解图像数据的矢量量化

文章在对小波分解图像数据特性讨论的基础上提出了一种新的数据压缩编码方案，该方案利用小波分解后各子带数据之间的相关性，使用基带数据检测实现对其它子带数据的分类和提供分类数据的位置信息，通过对分类数据进行分类矢量化，实现数据的高效压缩的获得较好的恢复图像。     

基本矢量量化器的性能研究

介绍了基本矢量量化器的理论和结构设计基本原理．研究和实现了基本矢量量化器的LBG算法，并着眼于在优化系统结构和性能时选择LBG算法中产生初始码书的方法．通过对输入的语音信号进行矢量量化仿真，分析了基本矢量量化器的性能．     

神经网络矢量量化图像编码系统的DSP实现

结合矢量量化和神经网络技术,提出了基于ＴＭＳ３２０Ｃ３０芯片的彩色图像编码系统的实现方法。给出了系统的硬件结构和软件框图。实验结果表明,在系统中使用ＤＳＰ３２０Ｃ３０,可以提高编／解码的性能。