一种新的图像地址矢量量化编码算法

提出一种新的图像矢量量化编码算法。该算法结合相关矢量量化编码算法与地址矢量量化编码算法,首先根据相邻块状态进行编码地址的相关预测,对相关预测失败的图像块采用地址码匹配编码,并采用自适应算术编码进行。测试结果表明,相对于无记忆矢量量化编码算法,比特率约下降３８％－６８％,相对于安平提出的矢量量化地址编码算法以及王卫等提出的相关矢量量化编码算法,比特率约下降２５％以上。     

基于快速相关矢量量化的图象编码算法

图象编码已经成为当今计算机世界的重要问题,而矢量量化（ＶＱ）又是近年来有损图象压缩的一种重要技术,它的优点是比特率低以及解码简单,但是其穷尽搜索编码计算量较大,为了降低编码时间,已经有多种快速算法出现在一些文献中,然而这些算法往往不能进一步降低比特率,为了解决这一问题,因此提出了一种新颖快速相关矢量量化（ＣＶＱ）图象编码算法,该算法对图象块的编码采用对角顺序,即在编码过程中根据当前图象块（ＣＶＱ）     

基于多级SMVQ的图象编码算法

边缘匹配矢量量化器(SMVQ)是有限状态矢量量化器(FSVQ)的一个分支.该量化器适合于对图像块间相关性高的图像进行压缩编码,其优点是在比特率相近的情况下,编码质量高于传统的穷尽搜索矢量量化编码器,但其缺点是计算量大和比特率固定.本文提出了一种改进的边缘匹配矢量量化器.测试结果表明,该算法是变比特率编码算法,它比边缘匹配矢量量化器的比特率低,编码速度快,编码质量得到提高.     

基于多级SMVQ的图象编码算法

边缘匹配矢量量化器(SMVQ)是有限状态矢量量化器(FSVQ)的一个分支。该量化器适合于对图像块间相关性高的图像进行压缩编码,其优点是在比特率相近的情况下,编码质量高于传统的穷尽搜索矢量量化编码器,但其缺点是计算量大和比特率固定。本文提出了一种改进的边缘匹配矢量量化器。测试结果表明,该算法是变比特率编码算法,它比边缘匹配矢量量化器的比特率低,编码速度快,编码质量得到提高。     

H.264中4×4块的快速帧内预测算法

视频压缩标准H.264/AVC的压缩率很高,但其算法复杂,编码时间较长。针对帧内4×4块提出基于方向预测模式度量的快速预测算法,通过对当前4×4块帧内预测方向的度量,利用相邻块和相邻方向预测模式的相关性进行帧内模式预测。实验结果表明,与全搜索算法相比,在采用全I帧编码的情况下,该算法的编码时间减少43%,输出的视频比特率仅增加0.8%,且PSNR基本保持不变。     

适合于空间可伸缩编码的帧内快速算法

根据空间可伸缩编码的特征,提出一种适合于增强层的帧内快速编码算法.首先根据基本层和相邻宏块提出当前宏块的块模式选择,并利用残差预测来加快编码速度;然后提出Intra16和Intra42种块模式的方向模式选择.在Intra16模式中,根据宏块纹理来预测采用各种方向模式的可能性,按照其从大到小顺序编码,并结合残差预测来加快编码速度;在Intra4中,根据基本层子块和相邻子块的方向预测当前子块可能的方向模式和各种方向模式的可能性,并结合零块提前预测来进一步加快编码速度.实验结果证明,与标准算法相比,文中算法的计算复杂度平均降低了75%,同时对编码质量和比特率几乎没有影响.     

基于矢量量化的高效BTC图像编码算法

块截短编码(BTC)是一种快速有效的有损图像编码技术。其优点是有较好的信道容错力，较小的计算负担，对存储器要求较少，重建图像质量较高。然而，标准BTC算法的主要缺点是比特率比其他基块图像编码的算法如变换编码和矢量量化高，通常为2．0比特每象素。为降低比特率，本文提出四种有效的BTC算法，以降低对每个图像块的两个量化电平和位平面编码所需的比特数。一方面，提出一种简单的查表算法对每块的BTC量化数据编码。另一方面，引入矢量量化技术以减少对位平面编码的比特数。为减少由改进算法引入的额外失真，在每种提出的算法中，采用最优阈值而不用平均值作为量化阈值。实验结果证实了本文算法的有效性。     

改进的快速相关矢量量化的图像编码算法

在矢量量化中,保证编码质量的前提下,缩短编码时间和降低码率是当前研究的重要问题。快速码字搜索算法是减少编码时间的重要技术。提出了一种改进的哈达玛变换域等均值等方差最近邻搜索算法（MHTEENNS）。测试结果表明,这种算法能够排除更多的码字,效率更高。为了降低码率和进一步缩短编码时间,目前已有相关矢量量化的图像编码算法,但是这种算法造成编码质量的下降。提出了改进的基于对角线相关矢量量化编码算法（MDFCVQ）。该算法编码质量提高了0.8~0.9 dB且码率进一步降低。最后,将快速码字搜索算法应用到相关矢量量化中来,将两种改进后的技术结合在一起,通过与之前的方法比较,提出一种在保证编码时间的前提下,具有更高编码质量和更低码率的矢量量化算法。     

基于H.264宏块预判断的快速帧内算法

针对视频压缩标准H.264/AVC 的压缩率很高,但其算法复杂、编码时间较长,提出了基于MAD值的宏块模式选择的预判断;针对帧内4×4块,提出利用相邻块和相邻方向预测模式的相关性进行帧内模式预测。实验结果表明,与全搜索算法相比,在采用全I帧编码的情况下,该算法的编码时间减少73%,输出的视频比特率仅增加2.14%,且PSNR 基本保持不变。     

基于运动特性的HEVC帧间模式快速决策算法

针对高性能视频编码采用四叉树结构大大增加了编码复杂度的问题,提出了一种基于运动特性的帧间模式快速决策算法。首先,对不同运动区域下的编码单元（Coding Unit,CU）块,利用当前CU与空时域相邻CU深度相关性减少当前CU深度的遍历范围;然后,依据当前CU与其时空域相邻CU及上一深度CU对应的预测单元（Prediction Unit,PU）在空间划分上的相似性,减少PU模式的遍历范围,加速帧间预测过程。实验结果表明,相比于HM16.9,在不同编码接入方式下该算法可平均降低54%左右的编码时间,且输出比特率增加较少。     

A fast VQ codebook search with initialization and search order

Vector quantization (VQ), a lossy image compression, is widely used for many applications due to its simple architecture, fast decoding ability, and high compression rate. Traditionally, VQ applies the full search algorithm to search for the codeword that best matches each image vector in the encoding procedure. However, matching in this manner consumes a lot of computation time and leads to a heavy burden for the VQ method. Therefore, Torres and Huguet proposed a double test algorithm to improve the matching efficiency. However, their scheme does not include an initiation strategy to choose an initially searched codeword for each image vector, and, as a result, matching efficiency may be affected significantly. To overcome this drawback, we propose an improved double test scheme with a fine initialization as well as a suitable search order. Our experimental results indicate that the computation time of the double test algorithm can be significantly reduced by the proposed method. In addition, the proposed method is more flexible than existing schemes.     

A fast vector quantization encoding algorithm based on projection pyramid with Hadamard transformation

Vector quantization (VQ) for image compression requires expensive time to find the closest codevector in the encoding process. In this paper, a fast search algorithm is proposed for projection pyramid vector quantization using a lighter modified distortion with Hadamard transform of the vector. The algorithm uses projection pyramids of the vectors and codevectors after applying Hadamard transform and one elimination criterion based on deviation characteristic values in the Hadamard transform domain to eliminate unlikely codevectors. Experimental results are presented on image block data. These results confirm the effectiveness of the proposed algorithm with the same quality of the image as the full search algorithm.     

Fast searching algorithm for vector quantisation based on features of vector and subvector

Vector quantisation (VQ) is an efficient technique for data compression and retrieval. But its encoding requires expensive computation that greatly limits its practical use. A fast algorithm for VQ encoding on the basis of features of vectors and subvectors is presented. Making use of three characteristics of a vector: the sum, the partial sum and the partial variance, a four-step eliminating algorithm is introduced. The proposed algorithm can reject a lot of codewords, while holding the same quality of encoded images as the full search algorithm (FSA). Experimental results show that the proposed algorithm needs only a little computational complexity and distortion calculation against the FSA. Compared with the equal-average equal-variance equal-norm nearest neighbour search algorithm based on the ordered Hadamard transform, the proposed algorithm reduces the number of distortion calculations by 8 to 61%. The average number of operations of the proposed algorithm is ,79% of that of Zhibin?s method for all test images. The proposed algorithm outperforms most of existing algorithms.     

均值与矢量量化复合快速图像编码算法

矢量量化是一种有效的数据压缩技术,由于其算法简单,具有较高的压缩率,因而被广泛应用于数据压缩编码领域。通过对图像块灰度特征的研究,根据图像的平滑与否,提出了对图像进行均值和矢量量化复合编码算法,该算法对平滑图像块采用均值编码,对非平滑块采用矢量量化编码。这不仅节省了平滑码字的存储空间,提高了码书存储效率,并且编码速度大大提高。同时采用码字旋转反色（2R）压缩算法将码书的存储容量减少到1/8,并结合最近邻块扩展搜索算法（EBNNS）对搜索算法进行优化。在保证图像画质的前提下,整个系统的图像编码速度比全搜索的普通矢量量化平均提高约7.7倍。     

自适应选择编码模式的快速运动估计算法

针对目前运动估计算法中分割块选择与阈值造成的算法搜索冗余现象,提出一种自适应选择编码模式的快速运动估计算法。在阈值的选取上通过提出自适应的阈值选取方式,来提高算法的搜索精度。而在模块的选取上,则是通过结合视频图像的空间相关性与运动特性来对其进行择优,并采用几种搜索模板来对分割块进行搜索,进而降低运动估计模块的计算复杂度。实验结果表明,该算法能够在得到与全搜索算法相近重构图像质量的情况下减少97%的运算时间。     

基于改进边缘匹配矢量量化的图象编码算法

边缘匹配（Side-Match）矢量量化器（SMVQ）是有限状态矢量量化器（FSVQ）的一个分支。该量化器适合于对图象块间相关性高的图象进行压缩编码,其优点是在比特率相近 的情况下,编码质量高于传统的穷尺搜索矢量量化编码器,但其缺点是计算量大和比特率固定。本文提出了一种改进的边缘匹配矢量量化器。测试结果表明,该算法是变比特率编码算法,它比边缘匹配矢量量化器的比特率低,编码速度快,编码质量有所提高。     

使用2－范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

PDVQ图像编码系统的算法研究

PDVQ图像编码系统首先将码书进行方向性分类,把每类方向性码书中的码字按码字和值进行升序排列,并根据EBNNS算法将码书分块。编码时,先根据输入图像块的相关性进行PDVQ编码,然后分析输入图像块的方向性来选择相应的分类子码书,在该子码书中根据输入图像块的和值确定码字搜索范围,最后在确定的搜索范围内搜索最匹配码字。仿真结果表明,该系统集合了动态图像块划分（PDVQ）、基于方向性分类编码和等和值块扩展最近邻码字搜索（EBNNS）三种算法的优点,在保证重建图像质量前提下,缩短了编码时间,并提高了压缩比。     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。