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。     

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％。     

一种基于高分辨率的模糊矢量量化算法

本文在矢量量化中引入了分辨率思想,并从分辨率的角度考察了原有算法,针对它们在分辨率方面存在的缺点,提出了一种典型的分辨率调制方法以及相应高分辨率算法,实验也取得了令人满意的对比结果.     

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     

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     

基于树结构矢量分类的小波图像图编码矢量量化

本文基于零树编码,矢量分类和网络编码量化的思想,提出了对小波图象采用树结构矢量组合和分类后进行网络编码矢量量化的新方法,该方法充分利用了带系统的带间和带内的相关性,分类信息上中用比特数少,对重要类矢量实行加权网络编码矢量量化,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,并采用基于人眼视觉性特性的加权均方误差准则作为失真度量和码字匹配,提高了量化增益,仿真结果表明,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。     

基于特征值苑配的变比特率相关矢量量化图像编码算法

该文提出了一种用于图像编码的新颖的变比特率相关矢量量化器。在编码之前,首先计算各码字的四个特征值,然后根据各特征值的升序排列得到相应的四个排序码书。在对当前输入矢量(当前处理图像块)进行编码的过程中,充分考虑当前处理图像块与其相邻图像块之间的相关性以及各码字特征值与该输入矢量特征值之间的匹配性。测试结果表明,该算法与传统矢量量化(VQ)器相比,虽然在编码质量上有少许下降,但降低了比特率并加快了编码速度。     

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     

图像矢量量化—频率敏感自组织特征映射算法

用神经网络实现图像矢量量化是一种非常有效的方法，本文在分析自组织特征映射（ＳＯＦＭ）算法的基础上，提出了一种频率敏感自组织特征映射（ＦＳＯＦＭ）算法，并对网络学习训练参数的优化进行了探讨。实验表明，ＦＳＯＦＭ算法优于ＳＯＦＭ算法。     

基于有限状态格点向量量化器的子波图像压缩编码技术

子波图像的各子带间通常存在着很强的能量相关性，而有限状态量化模型可以用来很好地描述自然图像子波域内不同标度间的自相似性。向量量化较之标量量化往往具有更好的率／失真特性及更高的编码效率，但传统基于LBG算法设计的向量码书没有固定的结构，其近乎“随机”的码书分布造成设计和编码时极大的计算负担；空间R^N中的格点具有清晰的结构，基于格点的向量量化器在基本不影响量化性能的前提下提供了在设计／量化时极大的计算简化。本文提出了一种基于格点向量量化器的子波图像编码算法，它可被视作以上两种技术的有机结合，它既能有效的描述子波图像间的能量相关性，同时也带来了极大的计算简化。子波图像有限状态格点向量量化器的设计是基于一种新的自适应量化策略，它很好地描述了格点量化器率／失真特性，并能得到很好的编码结果。     

VLSI Implementation of Fuzzy Adaptive Resonance and Learning Vector Quantization

We present a mixed-mode VLSI chip performing unsupervised clustering and classification, implementing models of Fuzzy Adaptive Resonance Theory (ART) and Learning Vector Quantization (LVQ), and extending to variants such as Kohonen Self-Organizing Maps (SOM). The parallel processor classifies analog vectorial data into a digital code in a single clock, and implements on-line learning of the analog templates, stored locally and dynamically using the same adaptive circuits for on-chip quantization and refresh. The unit cell performing fuzzy choice and vigilance functions, adaptive resonance learning and long-term analog storage, measures 43 m×43 m in 1.2 m CMOS technology. Experimental learning results from a fabricated 8-input, 16-category prototype are included.     

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。     

一种基于双正交小波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波变换（ｂｉｏｒｔｈｏｇｏｎａｌｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ）和格型矢量量化（ＬＶＱｌａｔｔｉｃｅｖｅｃｔｏｒｑｕａｎｔｉｚａｔｉｏｎ）的视频编码算法。在该方案中，小波变换将图像分解成多分辨率（ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ）的子带图像，多分辨率运动估值（ＭＲＭＥ，ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎｍｏｔｉｏｎｅｓｔｉｍａｔｉｏｎ）技术实现子带图像的帧间预测，格型矢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。     

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.     

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。     

模糊增强学习码书设计算法及其在图像编码中的应用

本文提出一种用于图像压缩编码的模糊增强学习码书设计算法。该算法是在模糊竞争学习矢量量化的基础上引入增强学习,并用输入训练模式的监督信号与类别模式之间的隶属度控制增强信号。实验结果表明,该算法对初始码本依赖性小,与模糊竞争学习矢量量化和微分竞争学习算法相比,收敛速度更快,性能更好。