基于方向树结构矢量分类的小波图像网格编码矢量量化

本文提出了采用方向树结构矢量组合并分类对小波图像进行网格编码矢量量化（ＴＣＶＱ）的新方法。该方法矢量构成结合了子带系数的方向性，充分利用了子带系数带间和带内相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，对活跃和非活跃类矢量实行加权ＴＣＶＱ，利用卷积编码扩展信号空间，用维特比算法搜索最优量化序列，比使用加权 ＶＱ提高了 ０．７ｄｂ左右。该方法编码计算复杂度适中，解码简单，有较好的压缩效果。     

基于空间组合矢量分类的小波图像网格编码矢量量化

本文基于零树编码、矢量分类和网格编码量化的思想,提出了对小波图像采用空间矢量组合和分类后进行网格编码矢量量化的新方法.该方法充分利用了各高频子带系数频率相关性和空间约束性,依据组合矢量能量和零树矢量综合判定进行分类,整幅图像只需单一量化码书,分类信息占用比特数少.对重要类矢量实行加权网格编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,比使用矢量量化提高了0.6db左右.该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果.     

采用方向树结构矢量组合的小波图像分类矢量量化

该文提出了采用方向树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法的矢量构成结合了子带系数的方向性,充分利用了子带系数的带间和带内的相关性,按能量和活跃度进行两级分类,降低了类中矢量的内部离散度,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益。仿真结果表明,该方法实现简单,可以达到很好的压缩效果。     

采用树结构矢量组合的小波图像分类矢量量化

本文提出了采用树结构矢量组合对小波图像进行分类矢量量化的新方法.该方法充分利用了子带系数的带间和带内的相关性,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益.仿真结果表明,该方法实现简单,可达到很好的压缩效果.     

基于小波变换的典型矢量量化方法和编码方案

针对小波变换的特点，对一些典型的矢量量化方法进行了比较，分析了它们的基本工作过程和存在的问题，并介绍一种基本的小波变换的编码方案。     

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。     

应用神经网络的图像分类矢量量化编码

矢量量化作为一种有效的图像数据压缩技术，越来越受到人们的重视。设计矢量量化器的经典算法ＬＢＧ算法，由于运算复杂，从而限制了矢量量化的实用性。本文讨论了应用神经网络实现的基于边缘特征分类的矢量量化技术。它是根据人的视觉系统对图象的边缘的敏感性，应用模式识别技术，在对图像编码前，以边缘为特征对图像内容分类，然后再对每类进行矢量量化。除特征提取是采用离散余弦变换外，图像的分类和矢量量化都是由神经网络完成     

一种基于双正交小流变换和格型矢量量化的视频编码算法

本文提出了基于双正交小流变换和格型矢量量化的视频编码算法，在该方案中，小波变换将图像分解成多分辩率的子带图像，多分辩率运动估值技术实现子带图像的帧间预测，格型徉量量化对预测差值子带图像进行编码，从而获得了性能较好的活动图像编码新算法。     

采用空间矢量组合的小波图像分类矢量量化

该文提出了采用空间矢量组合对小波图像进行分类矢量量化的新方法。该方法充分利用了各高频子带系数的频率相关性和空间约束性将子带系数重组，依据组合矢量能量和零树矢量综合判定进行分类，整幅图像只需单一量化码书，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，在较低的编码率下，可达到很好的压缩效果。     

非对称树结构矢量量化方法研究

文章介绍一种图像低频子带编码的矢量量化方法—非对称树结构矢量量化。     

二维网格编码矢量量化及其在静止图像量化中的应用

该文提出了在二维码书空间中，在矢量量化（VQ）的基础上，应用网格编码量化（TCQ）的思想来实现量化的新方法－－二维网格编码矢量量化（2D－TCVQ）。该方法首先把小码书扩展成大的虚码书，然后用网格编码矢量量化（TCVQ）的方法在扩大的二维码书空间中用维物比算法来寻找最佳量化路径。码书扩大造成第一子集最小失真减小从提高了量化性能。由于二维TCVQ采用的码书尺寸较小，因而可以应用到低存贮、低功耗的编解码环境。仿真结果表明，同一码书尺寸下，二维TCVQ比TCVQ好0．5dB左右。同时，该方法具有计算量适中，解码简单以及对误差扩散不敏感的优点。     

小波支持向量去噪

噪声对图像质量产生不利影响,降低了图像的应用价值,为了更好的消除图像中的噪声,提出一种小波支持向量去噪方法.首先采集大量的激光散斑图像,并将它们划分成为训练图像集和测试图像集,然后将训练图像集输入到小波支持向量机进行学习,将图像中信号划分为噪声和有用信息,最后采用测试图像集对小波支持向量机去噪性能进行测试与分析.实验结果表明,相比于其它激光散斑图像去噪方法,小波支持向量机可以更加有效的去除噪声,可以很好的保护图像边缘细节信息,提高了激光散斑图像的质量.     

小波变换与模式识别用于自动识别调制模式

本文提出小波变换与模式识别相结合的算法实现通信信号调制模式的自动识别。不同于其他调制模式识别算法，该算法能同时识别模拟调制信号和数字调制信号。采用小波变换估计信号的码速率以区分模拟信号和数字信号。对模拟信号或者数字信号，提取相应的特征参数，识别具体的调制模式。计算机仿真结果表明SNR≥15dB时，该算法艮有很好的性能。     

基于小波变换的最小失真预测/多级矢量量化

矢量量化器的压缩性能随维数的增大而提高,但复杂度亦随维数的增大呈指数增大,限制了大维数矢量的使用。本文利用小波变换产生的子带间的相关性,提出一种新的最小失真预测／多级矢量量化算法。一方面通过最小失真预测来降低时间复杂度,使得编码６３Ｄ的矢量只需付出相当于１５Ｄ矢量的时间复杂度代价;另一方面通过增强多级矢量量化算法来进一步降低复杂度。在复杂度得到极大降低的同时,仍具有很好的编码性能。     

双密度双树小波变换的闪电信号去噪研究

为了克服噪声对闪电信号数据处理的影响,提出了一种基于双密度双树小波变换的闪电信号去噪方法.采用该方法分别对标准闪电波和实测的闪电信号进行了去噪研究,实验结果表明双密度双树小波变换能够有效滤除闪电信号中的噪声,效果优于传统的小波阈值法,而且比硬件去噪更加经济、方便和实用,值得进一步的推广和应用.     

支持向量机的分类策略在图像识别中的应用

针对目前图像识别中能够获取的样本数非常少,而基于支持向量机的分类策略具有利用较少训练样本达到很好的分类结果能力的优点,阐述了支持向量机的基本原理,介绍了支持向量机的多模式分类策略,重点说明了"M-ary"分类策略的改进方法,即在M-ary分类策略中引进二进制编码分类,这样可以提高图像的识别速度,以及改进后的"M-ary"分类策略在车型识别中的应用.     

使用M进制小波对尺度与旋转不变的图像特征点进行检测

基于小波变换和尺度空间理论,提出了一种尺度与旋转不变的图像特征点的检测方法。首先对图像进行多尺度的M进制小波变换,然后根据M进制小波变换系数的能量构造对应的二阶矩阵,最后通过考察该矩阵的特征值确定图像的特征点。实验表明,与目前最常用的方法相比,本文方法对图像的旋转变化与尺度变化均具有更好的不变性,在光照变化和噪声干扰等外部条件影响下也能保持较高的鲁棒性。     

一种基于小波变换和矢量量化的图像压缩算法

小波变换和矢量量化都是图像压缩中的重要方法。利用小波变换的系数特点,对图像进行小渡分解,对于能量最为集中的低频分量采用标量量化处理,然后将标量量化过程中产生的残差和高频分量一起构造矢量,进行矢量量化。实验结果表明,此算法能够有效提高重构图像质量,获得较高的信噪比。     

基于小波和小波包变换的医学图像融合比较

分别用小波变换和小波包变换对CT和PET图像进行融合,用常用的十种图像融合质量评价指标对融合效果进行比较.结果表明小波包变换的融合质量评价指标只有部分是优于小波变换的.在对CT和PET图像进行融合时,小波包并不一定更占优势,要根据自己的实际需求来决定选择使用小波变换还是小波包变换.