VQ域信息隐藏检测算法

随着信息隐藏技术的发展，基于矢量量化（VQ）的信息隐藏的方法逐渐增多．本文提出了一种VQ域隐藏信息检测方法，首先通过全局搜索在已经解码的无压缩图像中恢复量化码书，然后应用聚类分析的思想将矢量空间中相近的码字归类以判断是否存在隐藏信息，最后根据各个码字的出现概率估计嵌入信息的长度．实验表明，本文提出的算法对隐藏信息的存在性有很高的识别率，对信息量的估计也比较准确．     

Lossless Data Hiding Scheme Based on VQ Index Coding

Lossless data hiding can restore the original status of cover media after embedded secret data are extracted. In 2010, Wang et al. proposed a lossless data hiding scheme which hides secret data in vector quantization (VQ) indices, but the encoding strategies adopted by their scheme expand the final codestream. This paper designs four embedding and encoding strategies to improve Wang et al.'s scheme. The experiment result of the proposed scheme compared with that of the Wang et al.'s scheme reduces the bit rates of the final codestream by 4.6% and raises the payload by 1.09% on average.     

A Novel High Capacity Reversible Information Hiding Scheme Based on Side-Match Prediction and Shortest Spanning Path

In recent years, information hiding techniques have attracted increased attention owing to the growing demand for the ability to exchange large amounts of information. In addition, hiding information in compressed messages is very practical in improving transmission efficiency and saving large amounts of storage space. However, the damage caused by hiding data in compressed messages reduces image quality more than the damage caused by hiding data in uncompressed messages. Hence, this paper proposes a data hiding scheme based on side-match prediction and declustering techniques for vector quantization (VQ) compressed images. The appropriate side-match prediction not only embeds secret information into the VQ index but also reverses the original compressed index. In addition, the capacity for secret information can be varied adaptively depending on the requirements of different applications. As experimental results indicate, the proposed scheme indeed outperforms previous work in hiding capacity and in the image quality of stego-images.     

改进的基于VQ+WNN的说话人识别研究

VQ+WNN(Vector Quantization and Wavelet Neural Network)说话人识别系统主要利用VQ进行矢量量化,将量化矢量送到小波神经网络进行说话人训练和识别。经过VQ量化后的特征矢量可以大大减少小波神经网络的运算量,提高网络的收敛速度与识别精度。虽然运算量是可以接受的,但如果在矢量量化之前采用分量处理方法,去除对识别精度影响不大的特征矢量,则可进一步减少运算量,而识别精度基本维持不变。     

基于模糊矢量量化的语音转换方法

因传统矢量量化方法进行语音转换时的量化误差会引起特征空间的不连续性,使转换后语音的效果不理想,故采用模糊矢量量化技术提出一种新的、有效的语音转换方法。通过实验验证,基于模糊矢量量化技术的语音转换可以有效实现不同人之间的语音转换,转换后的各项指标均较为理想。     

图像矢量量化——改进的自组织特征映射神经网络的算法

图像矢量量化（VQ）是图像压缩算法中的重要环节,在VQ中起决定性因素的是构造出性能优异的码书。为改善矢量量化码书的性能,文中在分析Kohonen自组织特征映射（SOFM）的基础上,提出一种识别距离SOFM的算法,同时将矢量量化应用于图像的小波变换域。测试结果表明,改进的算法使码书设计的计算量得到明显的降低,而且码书的性能得到了提高。     

Filtering and Searching Vector Quantization

Under the consideration of computational complexity and design regularity, in this paper, a FASVQ (filtering and searching vector quantization) is presented to compress images. FASVQ utilizes a heuristic to filter codevectors with small costs and then employs full-search VQ within the surviving codevectors. We have proven that the proposed heuristic can easily be implemented by a table lookup technique and over 95% codevectors can be filtered. Although, the quantized codevector of FASVQ wouldn't be optimal, the experimental results show that the PSNR degradation between full-search VQ and FASVQ is only 0.24 dB on the average.     

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     

基于进化算法的矢量量化索引值分配算法

本文提出了一个基于进化算法的矢量量化（VQ）的码磁索引值分配算法（EAIAA），该算法提出了一种有效的获得全局最优的索引值分配方法，在存在信道噪声的情况下，可以有效地提高矢量量化器的性能，实现了信道最优矢量量化器（COVQ）的设计，该算法利用进化算法的隐含并行性搜索方法和优胜劣汰的自然选择机制，可迅速寻找至全局最优解，克服了传统估化算法只能提供局部最优解的缺陷，实验结果表明该算法可获得比传统算法更高的性能增益。     

误差敏感竞争性学习算法

本文基于等误差准则提出了一种适用于矢量量化技术的新型码书设计算法。实验表明此算法优于现存算法。为解决初始码书赋值问题，本文提出了自生成自组织神经网络方法。实验表明此算法加速了算法的收敛速度，提高了算法的性能     

一种基于改进的SOFM神经网络的图像无损压缩方法

在介绍矢量量化和自组织特征映射神经网(SOFM)的基础上,针对SOFM算法的特点对其进行了几个方面的改进,提高了SOFM网络的性能。采用改进后的基于SOFM的矢量量化技术对图像进行无损压缩编码,码书设计时间减少了约70%,图像效果、编码质量均有所提高,实验结果表明了本算法的压缩比比传统的差值编码(DPCM)无损压缩最高可提升40%,证明了算法的有效性。     

基于小波与JPEG的VQ图像压缩算法

提出了一种改善矢量量化的方法,该方法保留小波分解后的低频信号,对其用基于ＳＯＦＭ的矢量量化形成码书和索引号,最后,传输索引号码字和ＪＰＥＧ编码后的码书码字。解码为编码逆过程。实验表明,所提出的方法在ＰＳＮＲ相同的情况下,压缩比约为原始ＶＱ算法的４倍。文末附实验结果予以说明。     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换(BWT)和模糊矢量量化(FVQ)的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。该算法采用非线性插补矢量量化(NLIVQ)的思想,从大维数矢量中提取小维数的特征矢量,并提出了一种新的模糊矢量量化方法一渐进构造模糊聚类(PCFC)算法用于特征矢量的量化,从而大大提高了矢量量化的速度和码书质量。实验结果证明,该算法在比特率为0．172bpp的条件下仍能获得PSNR＞30dB的高质量重构图像。     

低速率声码器中残差谱的变维矢量量化

基于一个基音周期内语音线性预测残差波形,提出了一种简单而有效的ＬＰＲ谱变维矢量量化（ＶＤＶＱ）方法,即利用具有固定维数的通用码本对ＬＰＲ谱幅度形状进行了矢量量化,通用码本和结构化的ＶＱ相组合减少了存储和计算复杂度,产生了高的量化效率,增强了编码语音的感怀质量计算机仿真结果表明,利用该ＶＤＶＱ技术设计的２．４ｋｂ／ｓ语音编码器产生了高质量合成语音。     

一种新的低功耗图像及视频编解码算法

提出一种新的低功耗图像及视频编解码算法。该算法主要基于矢量量化,认为编码算法的质量和功耗地码本尺寸的大小,通过采用小尺寸码本,降低算法所需要的内存数量,从而降低功耗。编码时,利用分形理论中的同构变换计算虚拟码本,弥补由于采用小码本造成的图像质量损失,并使编码过程较少依赖于码本内存。编解码结果与全搜索型矢量量化算法相比,在不损失图像质量的前提下,可以极大地降低编解码功耗。     

模糊强化学习型的图像矢量量化算法

本文给出了一种新的图像矢量量化码书的优化设计方法.传统矢量量化方法只考虑了码字与训练矢量之间的吸引影响,所以约束了最优解的寻解空间.本文提出了一种新的学习机理--模糊强化学习机制,该机制在传统的吸引因子基础上,引入新的排斥因子,极大地释放了吸引因子对最优解的寻解空间的约束.新的模糊强化学习机制没有采用引入随机扰动的方法来避免陷入局部最优码书,而是通过吸引因子和排斥因子的合力作用,较准确地确定了每个码字的最佳移动方向,从而使整体码书向全局最优解靠近.实验结果表明,基于模糊强化学习机制的矢量量化算法始终稳定地取得显著优于模糊K-means算法的性能,较好地解决了矢量量化中的码书设计容易陷入局部极小和初始码书影响优化结果的问题.     

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。     

Fast Image Coding Algorithm Using Indirect-Index Codebook Based on SMVQ

Side-match vector quantization (SMVQ) achieves better compression performance than vector quantization (VQ) in image coding due to its exploration of the dependence of adjacent pixels. However, SMVQ has the disadvantage of requiring excessive time during the process of coding. Therefore, this paper proposes a fast image coding algorithm using indirect-index codebook based on SMVQ (ⅡC-SMVQ) to reduce the coding time. Two codebooks, named indirect-index codebook (Ⅱ-codebook) and entire-state codebook (ES-codebook), are trained and utilized. The Ⅱ-codebook is trained by using the Linde-Buzo-Gray (LBG) algorithm from side-match information, while the ES-codebook is generated from the clustered residual blocks on the basis of the Ⅱ-codebook. According to the relationship between these two codebooks, the codeword in the Ⅱ-codebook can be regarded as an indicator to construct a fast search path, which guides in quickly determining the state codebook from the ES-codebook to encode the to-be-encoded block. The experimental results confirm that the coding time of the proposed scheme is shorter than that of the previous SMVQ.     

一种基于分类矢量量化器的小目标红外图像压缩方法

本文提出了一种基于分类矢量量化器的小目标红外图像的压缩方法。首先利用图像子块的平均灰度与纹理能量这两个参数将图像划分为背景区域与感兴趣区域,然后分别对两类区域的子块进行码书设计,用相对较多的码字描述感兴趣区域,用相对较少的码字描述背景区域,这样既达到了较高的压缩比,同时又较好的保留了感兴趣区域的信息,并且编码计算量有大幅度的下降。文中对分类矢量量化器对于减小编码计算量的作用进行了理论分析。实验结果表明在相同码书尺寸的情况下本算法比直接矢量量化方法更好地保留了红外图像中的小目标信息,并且加快了编码速度。     

Low-Bit-Rate VQ: A Projection Based Approach

In this paper, we present an image decompression scheme that emphasizes visual perception rather than objective signal integrity between the orginal and the reconstructed images. The decoding scheme is developed in the context of vector quantization (VQ). The technique includes a projection based image recovery algorithm as part of the decoding process. The quantized blocks are classified into edge and shade blocks. The edge blocks are filtered using optimized templates while the shade blocks are left unaltered. The method can be considered as a constrained smoothing of edges, which does not cause any degradation to the shade (background) regions in the decoded image. The result is a reconstruction that is subjectively better than a simple look-up table decoding.