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。     

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。     

基于小波变换的矢量量化图像编码研究

本文在找出了适合图像压缩的最优小波的基础上,提出一种比较合适的最小距离黄金聚类算法;在此基础上,根据图像分解的小波图像都具有相似性和人的视觉系统相类似等特性,采用塔式数据矢量法,训练的各矢量之间的合成距离采用加权技术,根据矢量中参数所处层次的信息量决定权值大小,从而形成了基于小波变换的矢量量化图像编码方法。实验表明,此矢量量化图像编码方法在压缩比高时有良好的效果,峰值信噪比有提高,编码时间也有减小,没有块效应,在边缘处也无明显“振荡”现象和模糊。     

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。     

小波变换域中的塔式网格矢量量化

在高保真小波变换编码中，塔式网络量量化中塔的半径较大，经典算法的熵编码效率较低；为了提高熵编码的效率，本文提出了两种新的编码解码方案，其性能优于经典的算法。     

基于小波变换的空间约束矢量量化方法

图像的小波变换能同时提供空间－频率局部化信息，而且小波变换域内矢量量化数据压缩已得到广泛应用，经过小波变换后，各子带小波分量存在相关性和空间约束，同时考虑到人类视觉对水平和垂直方向高频分量比对角方向更加敏感，本文提出了基于空间约束的矢量量化方法，该算法能同时提高编码效率和改善重构图像质量。     

基于遗传算法与模糊聚类相结合的小波变换矢量量化方法

提出一种有效的图像压缩方法，利用小波变换对图像进行多分辨率分解，对小波系数进行矢量量化(VQ)编码。使用遗传算法(GA)与模糊c均值聚类(FCM)算法相结合的方法来设计码书，有效地克服了FCM算法容易陷入局部最优且对初始值敏感的缺点。实验结果表明，该算法可较大提高图像重构质量。     

基于小波变换和矢量量化的语言信号压缩方法

本文提出了一种基于小波变换的矢量量化语音信号压缩方法。首先对语音信号的时域采样值作小波变换,然后将小波系数送入矢量量化器。在研究人耳听觉特性的基础上,提出了一种能够反映人耳听觉特性的距离准则,在达到高压缩比的同时使重建语音信号的质量得到了很大改善。     

基于小波变换和误差竞争学习的矢量量化

用神经网络实现图像矢量量化是一种非常有效的方法，而小波变换又是近年来迅速发展起来的新算法。文中提出一种改进的误差竞争学习算法，分析了图像在小波变换后数据的特点，提出了新的矢量构造方法，从而最终得到了基于小波变换和误差竞争学习的矢量量化图像压缩新算法(以下简称VQWDCL)，无论是在主客观效果上，还是在计算复杂度上，其性能都优于传统的基于小波变换和LBG算法的矢量量化。     

基于小波变换和矢量量化的语音信号压缩方法

本文提出了一种基于小波变换的矢量量化语音信号压缩方法。首先对语音信号的时域采样值作小波变换,然后将小波系数送入矢量量化器。在研究了人耳听觉特性的基础上,提出了一种能够反映人耳听觉特性的距离准则,在达到高压缩比的同时使重建语音信号的质量得到了很大改善。     

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。     

结合矢量量化的SPIHT算法用于多光谱图像压缩

针对多波段遥感图像纹理复杂丰富、局部相关性较弱的特点,提出了结合矢量量化的SPIHT压缩算法。将经过小波变换后的遥感图像谱间相同位置的系数聚集构成矢量,根据高频子图的局部块纹理强弱进行自适应性的量化。使基于标量的SPIHT算法能够方便的处理矢量,有效去除数据间各类相关。实验表明,该方法对多波段遥感图像的压缩可以收到良好的效果,且算法具有良好的实时性,对单幅图像的压缩比和峰值信噪比(PSNR)均优于普通的二维SPIHT算法。     

基于小波变换和相对量化的图像数字水印算法

提出了一种基于分块小波变换和相对量化的图像数字水印算法。由于在算法中采用了量化嵌入策略,从而在提取水印时无需原始图像和原始水印。实验结果表明,该算法对嵌入的水印具有很好的透明性,对亮度和对比度调整攻击具有非常强的稳健性,对JPEG压缩、重采样、颜色抖动、平滑和加噪声等常见的图像处理攻击具有很强的稳健性,并且算法思想简单、步骤简便和容易实现。     

基于小波变换的彩色图像数字水印新算法

提出了一种将灰度图像嵌入到原始彩色图像中的新数字水印算法.对RGB色彩空间彩色图像的绿色分量和蓝色分量进行haar小波变换.低频系数经过量化,将经过Arnold置乱后的灰度水印图像的位平面嵌入到低频子带.水印提取不需要原始载体图像.实验结果表明,该彩色图像数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强和马赛克效果等攻击均具有较好的鲁棒性.     

基于小波变换的鲁棒型特征提取及说话人识别

说话人识别系统在实际应用中面临的主要困难之一是鲁棒性问题,干净语音环境下识别率很高的说话人识别系统,在有噪语音环境下识别性能显著降低。解决这一问题的方法之一是寻找具有鲁棒性的特征参数。本文结合具有多分辨率分析特点的小波变换技术,提出一种基于小波变换的鲁棒型特征提取算法,以提高说话人识别系统在噪声环境下的识别性能。对40个说话人的语音库SUDA2002-D2,在加性高斯白噪声环境下进行的识别实验结果表明,本文提出的特征提取算法可以有效地提高说话人识别系统在噪声环境下的识别性能。     

基于马尔可夫模型和小波变换的立体残差图像编码

利用立体图像，三维视觉通信能给人提供一种现场真实感。为了产生一个3D系统，必须同时传送两个图像（左图像和右图像）。因此应当研究一种更有效的编码方案。本文首先研究了立体图像的统计特性和左右图像间的交叉相关性，并在分析了视差和残差图像的统计特性后，提出了一个基于小波变换的视差补偿残差（WDCD）的编码方案。仿真实验结果表明，在比特率为0.23bit/pel时，本文的方案重构的残差图像的信噪比（PSNR）和基于DCT的编码方案相比，要高0.58dB。     

基于矢量量化的层次分形编码方法

文中提出了一种新的分形图像压缩方法,该方法将矢量量化的概念应用于分形块编码中,对图像的平缓区进行矢量量化的线性组合编码,对图像的丰富细节区用分形编码,并且在分形编码时,采取了层次处理。实验表明,与基本的分形块编码方法相比,本文提出的矢量量化层次分形编码方法在保证一定的重建图像质量下,使图像的压缩比有了明显的提高,并且大大提高了编码和解码速度。     

基于提升小波的图像融合

提升算法能够有效地解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性。介绍了提升算法的过程，基于提升小波的图像融合算法。实验结果表明，该算法融合后的图像质量上优于一般小波变换的传统方法。     

提升小波变换与分形结合的图像压缩算法

遥感图像在环境监测、军事侦察等多方面有着广泛应用,然而遥感图像包含信息量大,对其进行压缩来提高存储效率具有重要意义.传统分形编码由于压缩比大的特点被广泛应用到遥感图像压缩中,但是传统分形编码存在压缩时间太长的问题.提出提升小波变换与改进分形结合的压缩方法,把提升小波变换后的低频分量进行基于最小方差搜索法的分形压缩.实验结果表明,提升小波变换与改进的分形结合的压缩方法与小波变换与分形结合的压缩方法相比,在峰值信噪比保持在35 dB不变的情况下,压缩时间大约可以缩短8倍,图像压缩比也有提高.     

基于提升小波的图像消噪

提升算法能够有效解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性.介绍了提升算法的过程,基于提升小波的图像消噪算法.实验结果表明,该算法消噪后的图像质量上优于一般小波变换的传统方法.