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。     

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.     

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。     

基于分类矢量量化的图像压缩和检索算法

在小波变换域内,基于分类矢量量化对图像数据进行压缩。利用所形成缩数据的特点,构建不同的统计特征量用于支持图像检索,通过实验验证了算法的可行性和有效性。     

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。     

基于矢量量化压缩密集连接层的图像压缩研究

针对卷积神经网络(CNN)在图像压缩耗费较大存储空间问题,文中通过研究压缩CNN参数的矢量量化方法解决了CNN模型的存储问题。通过压缩密集连接层的存储方式使得矢量量化方法比现有的矩阵分解方法更具优势。将k-均值聚类(KM)应用于权重和乘积量化可以在模型大小和识别精度之间取得较好的权衡。实验结果表明,结构化量化方法的效果明显优于其他方法,通过对图像压缩检索验证了压缩模型的泛化能力。     

基于多特征组合的彩色遥感图像分类研究

为了解决利用单一特征对彩色遥感图像进行分类效果不理想、普适性不强等问题,提出了一种基于颜色和纹理特征组合的支持向量机彩色遥感图像分类方法。该方法尝试将彩色遥感图像的颜色信息和纹理信息相结合作为支持向量机算法分类的特征向量,据此对遥感影像进行分类,并进行了实验验证。结果表明,颜色和纹理特征组合的支持向量机分类方法能够取得较高的分类精度,其分类效果优于传统的单一颜色或纹理特征分类,是一种有效的彩色遥感图像分类方法。     

基于双正交小波变换在灰度图像压缩中的应用

小波变换是数学领域的一个新数学的分支，他在图像领域得到了广泛的应用。本文首先介绍了小波变换的基本原理，然后采用双正交小波对图像进行压缩，并对结果进行分析。     

利用子波变换的图象压缩编码技术

从1988年Malial将子波交换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法，开创了子波变换在图象处理中的应用．于波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计在1996年将会高清晰度电视标准的子波变换视频图象压缩技术将推出问世．本文将综述子波变换图象压缩编码技术当前的进展。     

基于量子粒子群优化算法的图像矢量量化码书设计

鉴于经典的LBG码书设计算法易陷入局部最优解,将量子粒子群优化算法应用到图像矢量量化码书设计中,提出一种基于量子粒子群的矢量量化码书设计算法(QPSO-VQ)。在该算法中,用粒子表示码书,用峰值信噪比(PSNR)作为算法的适应度函数,通过量子粒子群算法的更新公式来更新码书。实验结果表明,与经典的LBG码书设计算法和粒子群矢量量化码书设计算法相比,QPSO-VQ在解码图像的PSNR值和算法的稳定度等方面有比较明显的优势,可以获得性能较好的码书。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。     

曲波变换和最小二乘支持向量机的图像压缩算法

为了提高图像压缩质量,针对传统压缩算法的不足,提出一种曲波变换和最小二乘支持向量机相融合的图像压缩算法。首先采用曲波变换把图像分解为不同尺度和不同方向的曲波系数,并采用熵编码对粗尺度层曲波系数进行压缩,然后利用最小二乘支持向量机对细尺度层中不同方向的曲波系数进行学习,并通过和声搜索算法优化最小二乘支持向量机,实现细尺度层曲波数的压缩,最后采用图像压缩仿真实验测试其性能。结果表明,曲波变换和最小二乘支持向量机相融合的图像压缩算法提高了图像压缩的峰值信噪比,加快了图像压缩的速度,获得了更好的图像压缩效果。     

基于整数小波变换的实时图像压缩编码算法

随着数字图像压缩编码技术的广泛应用,人们对于压缩编码技术的实时性要求越来越高,如何进行快速有效的图像压缩编码是当前需要解决的关键技术。文中在分析提升算法和基于提升算法的整数小波变换的基础上,介绍了一种新的基于整数小波变换和树特征平面的数字图像编码方法,该算法只需对小波系数进行一次扫描即可完成编码过程,简单易行。实验证明该算法性能优良,并且与零树编码相比大大节约了处理时间。