一种新的用于LBG图像压缩初始码书生成算法

LBG算法是一种经典的矢量量化算法,广泛用于数字图像的压缩.在矢量量化中,码书的设计问题实际上解决的是如何选择最具有代表性的矢量作为码字来尽可能精确表示整个矢量空间.码书决定了矢量量化的编码质量,因此高质量的码书设计就成为整个矢量量化研究的核心.初始码书的质量极大的影响了LBG算法的收敛速度和收敛的可能性.并决定了最终的码书质量.针对常用的算法生成的码书分布不能很好的代表样本集的分布,并造成LBG算法收敛缓慢和最终码书的品质不佳,提出一种新的快速的初始码书生成算法,提高了生成码书的迭代速度和最终码书的品质.     

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。     

基于粒子群优化算法的矢量量化图像压缩方法

提出一种基于粒子群优化算法的图像矢量量化码书设计算法．该算法引入粒子群的全局搜索策略，结合矢量量化码书设计方法，增加了算法解的随机性和多样性．实验结果显示，本算法与传统LBG码书设计算法相比，具有更强的鲁棒性，可有效解决LBG算法对初始码书的依赖性，能获得性能较好的码书．     

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．     

基于遗传K-均值算法的LSF参数码书设计

文章提出了一种基于遗传K-均值算法的线谱频率参数(LSF)码书设计方法。该方法使用K-均值算法定义遗传操作中的交叉操作,采用训练矢量随机替换码书码字的方法进行变异操作。实验结果表明:该方法是有效的,在相同的码书尺寸下,用该量化器设计的LSF码书较传统分裂式LBG算法(初始码书由分裂法产生)设计的码书质量有所提高。     

一种改进的LBG快速算法

LBG算法是矢量量化码书设计的经典算法。针对其空胞腔问题提出一种改进的LBG算法，并以熵序列收敛作为新的算法停止判据。实验表明，该算法具有收敛速度快、码书性能佳等优点，该算法的PSNR比传统的LBG算法提高2.74dB。     

新的学习矢量量化初始码书算法

针对原有随机数设置法、训练矢量集随机抽取法和LGB分裂法等初始码书算法存在的码矢利用率较低、运算量大和与信源匹配程度不高等不足,提出了一种新的分离平均法,并应用到基于自组织特征映射算法（SOM）的学习矢量量化（LVQ）中,图像矢量量化的实验表明,分离平均初始码书算法具有无效码矢数量少、码书性能高、运算量小、实现简单等优点。     

一种矢量量化码书设计及编码的快速算法

提出了一种矢量量化码书设计及编码的快速算法 .该算法对匹配码字的判决过程是 :先根据Minkowski误差最小准则 ,在全部码字中找出一定数量Minkowski误差最小的码字 ;再根据均方误差最小准则 ,在上述码字中找出其中最匹配的 .模拟实验和理论分析表明 ,将该算法用于矢量量化的码书设计和编码过程 ,能在保证较好性能指标和视觉效果前提下 ,明显减少运算量 .     

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     

一种矢量量化码书设计及编码的快速算法

提出了一种矢量量化码书设计及编码的快速算法。该算法对匹配码字的判决过程是：先根据Minkowski误差最小准则,在全部码字中找出一定数量Minkowski误差最小的码字;再根据均方误差最小准则,在上术码字中找出其中最匹配的。模拟实验和理论分析表明,将该算法用于矢量量化的码书设计和编码过程,能在保证较好性能指标和视觉效果前提下,明显减少运算量。     

基于遗传算法的码本设计及其在说话人识别中的应用

矢量量化方法是与文本无关的说话人识别系统中广泛应用的建模方法之一.在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能.本文提出了一种基于遗传算法并结合LBG算法的码本设计方法.该方法通过遗传操作获得全局优化的说话人模板,把新的识别算法应用于说话人识别的实验.结果显示,对于一个小的码本集,新的码本算法比经典的LBG算法具有更好的识别性能.     

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

Efficient gray-level digital image watermarking based on vector quantization

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｅｘｐｌｏｓｉｖｅｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｍｕｌｔｉｍｅｄｉａａｐｐｌｉｃａ ｔｉｏｎｓｃｏｕｐｌｅｄｗｉｔｈｔｈｅｒａｐｉｄｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｎｅｔｗｏｒｋｃｏｍ ｍｕｎｉｃａｔｉｏｎｓｈａｓｃｒｅａｔｅｄａｎｕｒｇｅｎｔｄｅｍａｎｄｆｏｒｔｅｃｈｎｉｑｕｅｓｔｈａｔｃａｎｂｅｕｓｅｄｆｏｒｃｏｐｙｒｉｇｈｔｐｒｏｔｅｃｔｉｏｎ .Ｍａｎｙｔｒａｄｉｔｉｏｎａｌａｐｐｒｏａｃｈｅｓｓｕｃｈａｓｅｎｃｒｙｐｔｉｏｎ ,ａｕｔｈｅｎｔｉｃａｔｉｏｎ ,ｄ…