序号预测矢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。     

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。     

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。     

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。     

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。     

矢量量化码本的相关排序及其在预测编码中的应用

本文在研究矢量量化码本的树形结构和图象的相关性的基础上,提出了一种矢量量化树形码本的相关排序法。用这种排序法可以得到一组按一定相关性排列的矢量码本,对图象进行编码,进一步利用图象子象块之间的相关性压缩数码率。本文利用相关矢量码本对具有一定相关性的人物头象(Miss America)进行编码,与单纯用矢量量化编码相比,压缩数码率可达27％,编码后图象质量不变。     

线性预测编码的矢量量化

语音的线性预测编码是获得低比特率数字语音的一种较好的方式.对预测滤波器模型参数采用矢量量化之后,将使这种方式更加完善,并在保证输出语音的质量下使比特率比一般线性预测进一步降低.本文在介绍了矢量量化的基本慨念之后,对采用矢量量化线性预测的几个主要问题如畸变测度的规定,产生码本的方法及搜索算法中的全搜索与二进位树搜索等作了扼要的阐述.本文最后介绍了一种较新的800bit/s矢量量化线性预测编码(LPC)声码器的主要结构.     

一种改进的相关图像矢量量化编码算法

本文提出了一种改进的图像矢量量化编码算法。该算法通过采用增加预测块，以及根据相邻块状态进行控制信息的条件熵编码等改进方法，进一步提高了算法的编码效率，为了便于算法实现，本文对图像的边缘引进的一致的处理方法。测试结果表明，相对于无记忆适量量化编码算法，比特率约下降４０％，相对于文献［５］算法，比特率约下降１５％。     

用于图像编码的相关矢量量化研究

当相邻的图像块用矢量量化（ＶＱ）编码时可能出现编码地址相同的情况,尤其是在图像的平滑区。为了减少相邻块间编码地址的相关性,本文提出了一种相关矢量量化方案,采用相关码书与改进的自组织特征映射（ＩＳＯＦＭ）码书同时编码一个窗口内的四个邻域块,与无记忆类ＶＱ相比,对一幅典型的“Ｌｅｎｎａ”图象,编码过程中所需计算量减少一半,比特率减少４０％,由于在Ｋｏｈｏｎｅｎ自组织神经网络的训练过程中,对边缘类矢量采     

基于记忆和预测机制的自适应矢量量化及其在图像压缩编码中的应用

本文提出了一种用于图像压缩的低比特率自适应矢量量化技术，该方法有以下三个特色：１）引入了有效的记忆预测机制，使量化器和编码器有很好的自适应性。２）采用二次寻址方法对矢量的地址进行编码，大大提高了编码效率；３）算法运算复杂度低，便于ＶＬＳＩ实现。     

基于自组织特征映射的图像矢量量化研究

本文从自组织特征映射（ＳＯＦＭ）的基本思想出发，通过研究Ｋｏｈｏｎｅｎ网的输出节点在一维、二维和八维空间中不同排列方式，得到了相应的矢量量化（ＶＱ）码书设计算法。研究表明ＳＯＦＭ具有许多优点：可以设计出具有规则结构的码书，相邻码矢量具有较强的相关性；网络输出节点的不同排列方式对矢量量化器性能有较大影响，通过选择合适的排列方式，设计出的矢量量化器具有良好的抗信道误码能力。实验表明基于ＳＯＦＭ算法的矢     

一种指数型模糊学习矢量量化图像编码算法

本文分析了模糊矢量量化（ＦＶＱ）图像编码的原理，提出了一种指数型模糊学习矢量量化算法（ＥＦＬＶＱ）。实验结果表明，该算法具有快速收敛性能，设计的图像码书峰值信噪比与ＦＶＱ算法相比也略有改善。     

一种快速模糊矢量量化图像编码算法

本文在学习矢量量化和模糊矢量量化算法的基础上,设计了一种新的训练矢量超球体收缩方案和码书学习公式,提出了一种快速模糊矢量量化算法。该算法具有对初始码书选取信赖性小,不会陷入局部最小和运算最小的优点。实验表明,ＦＦＶＱ设计的图像码书性能与ＦＶＡ算法相比,训练时间大大缩短,峰值信噪比也有改善。     

Lattice Vector Quantization Applied to Speech and Audio Coding

Lattice vector quantization(LVQ) has been used for real-time speech and audio coding systems.Compared with conventional vector quantization,LVQ has two main advantages:It has a simple and fast encoding process,and it significantly reduces the amount of memory required.Therefore,LVQ is suitable for use in low-complexity speech and audio coding.In this paper,we describe the basic concepts of LVQ and its advantages over conventional vector quantization.We also describe some LVQ techniques that have been used in speech and audio coding standards of international standards developing organizations(SDOs).     

一种基于自组织神经网络的图像压缩编码算法

本文提出了一种基于自组织特征映射神经网络的图像压缩编码算法，即ＶＱ＋ＤＰＣＭ＋ＤＣＴ算法，实验表明，在压缩比为３１．８∶１时，其峰峰信噪比为３５．８２ｄＢ（Ｌｅｎｎａ亮度图像），且主观效果良好，这是至今为止使用矢量量化（ＶＱ）方法压缩图像所获得的最好结果。     

支持向量机在边缘匹配矢量量化图像编码中的应用

针对边缘匹配矢量量化图像编码方法存在的出轨现象,提出一种引入支持向量机的方法.将分块后的样本图像输入支持向量机,建立区分边界区块与否的分类模型,并产生两种码书,对待编码区块,由支持向量机预测它的类型,选择相应的码书.实验结果表明,该方法处理灰度变化较大的边界和灰度变化平缓的非边界都有较好的效果.     

ATM网络环境下的图象编码

文章研究了ＡＴＭ网络环境下的图象压缩编码技术。给出了ＡＴＭ网络的图象编码方案,它是以基于小波变换的分层编码和基于遗传算法的矢量量化技术为基础,其中主要讨论了可变比特率码流的产生,优先级的分配和信元的构成,丢失信元的补偿技术。