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。     

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。     

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）     

基于四叉树分割的变维矢量量化图像压缩算法

传统的矢量量化压缩算法将图像分割为相同大小的编码块,该方法存在较多的冗余.为了提高矢量量化压缩算法的效率,提出一种基于四叉树分割的变维矢量量化图像压缩算法.首先对8×8的图像块进行编码,计算各图像块绝对误差之和,若大于预设的阈值,则将残差分为4等分再编码,重复该过程直到绝对误差之和小于预设的阈值或达到最小图像块.实验结果表明,相对于全搜索的矢量量化方法,在相同码率下,算法编码时间较短且重建图像质量较好.     

图像块动态划分矢量量化

提出一种可以自动调节子图像块尺寸的矢量量化算法———图像块动态划分矢量量化 该算法在进行编码前 ,首先对待编码子图像块及其相邻块进行相关度分析 ,通过预设的阈值 (最大相关度 )进行分类编码 :如果相关度小于阈值 ,则对 8× 8图像块进行编码 ;否则 ,对 4× 4的图像块进行编码 实验结果表明 ,相对于普通矢量量化 ,文中算法不但可以提高压缩率和编码速度 ,而且不会影响重建图像的质量     

一种快速相关预测矢量量化的图像编码算法

矢量量化是近年来图像压缩研究中的重要技术，在该技术中，减小编码运算时间和降低平均编码比特率是当前研究的重要问题，目前，已经提出了许多快速编码算法。为了进一步减少图像矢量量化编码的时间和降低编码比特率，提出了一种超前相关预测与快速搜索相结合的快速矢量量化编码算法。该算法在对当前图像块完成编码后，再根据该图像块与相邻的未编码图像块的相关性来预测相邻块的编码值，如果预测成功，则用低比特率表示编码值；否则用绝对误差不等式删除(AEI)算法来求得高比特率编码值，以减少总编码时间和降低平均比特率。测试结果表明，该算法比传统的穷尽搜索算法的编码速度快，且比特率低，同时对编码质量的影响很小。     

基于区域分割的小波分解运动补偿编码算法

为了提高视频运动估值的速度和运动矢量编码的效率，提出了一种基于区域分割的小波分解运动补偿的视频编码算法，该算法的几个核心部分的特点如下：（1）运动估值部分，在基本的可变块多分辨率运动估值算法的基础上，充分利用了小波分解后各子带所表征的运动结构相关性，因而提高了运动矢量的编码效率，同时提出了基于区域分割的多分辨率运动估值算法，因而在有效减少运动估值时间消耗的同时，进一步提高了运动矢量的编码效率；（2）在量化部分，提出了一种基于人的视觉系统的量化方法；（3）采用改进的高效的零树小波编码算法对帧内和帧间信息进行编码，实验结果表明，所提出的算法是有效的。     

一种新的混合域矢量量化图像压缩编码算法

为了有效捕获数字图像的重要视觉信息,提出一种新的混合域矢量量化图像编码算法.该算法首先对原始图像进行小波分解,同时对中高频小波子带实施自适应方向分解;然后对最低频子带进行DPCM编码;再结合高频子带系数相关性构造矢量,并采纳竞争学习矢量量化策略训练码书;最后利用Huffman方法对输出进行熵编码并生成比特流.仿真实验表明,本文所提出的混合域矢量量化图像编码算法是一种高效的图像压缩方法,不仅其压缩效果明显优于小波域矢量量化图像压缩方案,而且具有较强的通用性与适应性(小波域矢量量化方法对于Barbata之类纹理图像压缩效果较差,而本文算法的压缩效果却较理想).     

基于改进逐次逼近量化与复杂关联模型的零树图像编码算法

提出一种基于改进逐次逼近量化与复杂关联模型的零树图像编码算法，该算法通过以下4项措施提高EZW算法的工作效率：（1）对最低频子带进行单独编码；（2）定义多阈值以完善逐次逼近量化过程；（3）个性嵌入编码策略以消除编码冗余；（4）采纳关联模型以提高算术编码效率。实验结果表明，该算法是一种高效的图像压缩算法，其编解码速度、图像复原质量等关键技术指标均优于EZW和SPIHT等编码算法。     

Bit plane modification for improving MSE-near optimal DPCM-based block truncation coding

A hybrid method of block truncation coding (BTC) and differential pulse code modulation (DPCM) offers better visual quality than the standard BTC for small block sizes due to its inherent multitone representation. Recently, a two-level quantizer design method has been proposed to increase the coding performance of the DPCM-BTC framework. However, the design method is near optimal in the sense that its coding performance depends on the initial bit plane patterns. In this paper, we propose a bit plane modification (BPM) algorithm to achieve further performance improvement. The BPM algorithm, inspired by error diffusion, effectively distributes large quantization error at a certain pixel to its neighboring pixels having small quantization errors by changing partial bit patterns. Experimental results show that the proposed algorithm successfully achieves much higher coding performance than various conventional BTC methods. The average PSNR performance of the proposed method is 2.31 dB, 5.15 dB, and 5.15 dB higher than that of BTC, DPCM-BTC, and a recently developed BTC scheme using error diffusion and bilateral filtering, respectively.     

An FPGA implementation of a neural optimization of block truncation coding for image/video compression

This paper presents a Field Programmable Gate Array (FPGA) implementation for image/video compression using an improved block truncation coding (BTC) image compression technique. The improvement is achieved by employing a Hopfield neural network (HNN) to calculate a cost function upon which a block is classified as either a high- or a low-detail block. Accordingly, different blocks are coded with different bit rates and thus resulting in better compression ratios. The paper formulates the utilization of HNN within the BTC algorithm in such a way that a viable FPGA implementation is produced. The implementation exploits the inherent parallelism of the BTC/HNN algorithm to provide efficient algorithm-to-architecture mapping. The Xilinx VirtexE BTC implementation has shown to provide a processing speed of about 1.113 × 10⁶ of pixels per second with a compression ratio which varies between 1.25 and 2 bits/pixel, according to the image nature.     

Lossless data hiding for color images based on block truncation coding

In this paper, we present a novel, reversible steganographic method, which can reconstruct an original image effectively after extracting the embedded secret data. The proposed reversible hiding method aims at BTC (block truncation coding)-compressed color images. Conventionally, each block of a color image compressed by BTC requires three bitmaps and three pairs of quantization levels for reconstruction. In order to improve the compression rate, a genetic algorithm (GA) is applied to find an approximate optimal common bitmap to replace the original three. The secret data then are embedded in the common bitmap and the quantization levels of each block use the properties of side matching and the order of these quantization levels to achieve reversibility. The experimental results demonstrate that the proposed method is practical for BTC-compressed color images and can embed more than three bits in each BTC-encoded block on average.     

语音谱参数的增强双预测多级矢量量化的码本设计方法

表征语音谱参数的线性预测编码(LPC)参数被广泛用于各种语音编码算法。甚低位率语音编码算法要求使用尽可能少的位率编码语音谱参数。文章提出了语音谱参数的增强双预测多级矢量量化算法(EDPMSVQ)的码本设计方法。这种改进的多级矢量量化方法充分利用语音谱参数的短时相关和长时相关特性,采用了有记忆的多级矢量量化算法(MSVQ),对语音谱参数的每一维分别使用不同的预测系数;并且通过利用相邻语音帧间语音谱参数的强相关和弱相关的不同特点,采用了分别对应于强相关和弱相关的两个预测值集合,进一步减小了语音谱参数编码位率。增强双预测多级矢量量化方法能够实现20位的语音谱参数近似“透明”量化,同时能够使语音谱参数量化时的计算复杂度略有减少,所需的存储空间大为减少。     

LTE PUSCH信道中HARQ-ACK/NAK信息编码算法*

针对LTE物理上行共享信道（PUSCH）,且HARQ-ACK/NAK信息比特数在1或2 bit时,提出三种HARQ-ACK/NAK信息编码算法。这三种算法的思想来源于重复码、线性分组码、汉明距离、欧式距离。比较三种算法的仿真结果,选择了一种在任何调制方式下都可以达到很高BER要求的最优编码算法,该算法已应用于LTE-TDD无线综合测试仪表的开发中。     

Adaptive and dynamic multi-grouping scheme for absolute moment block truncation coding

Image compression technique is widely used in multimedia signal processing. As a conventional lossy compression technique, block truncation coding (BTC) deserves further improvements to enhance its performance of compression. The improvements of BTC mainly focus on: 1) enhancing the quality of reconstructed image and 2) decreasing the bit rate. In this paper, an adaptive and dynamic multi-grouping scheme is proposed for the absolute moment block truncation coding (AMBTC), which is mainly based on an optimized grouping mechanism with the adaptive threshold setting according to the complexity of image blocks. Besides, the values of the reconstruction levels are replaced by their compressed difference values in order to decrease the bit rate. Experimental results demonstrate that the proposed scheme can enhance the compression performance of AMBTC effectively.

     

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。     

基于分层视差估计的立体图象编码

基于立体视频数据压缩的目的，提出了一种基于分层视差估计/补偿的立体图象编码方案。该方案是采用JPEG标准独立编码参数图象，并利用视差估计/补偿技术编码目标图象，应用分层马尔可夫随机场（MRF）模型。率失真（RD）模型以及交叠块匹配的混合视差估计/补偿算法，可得到光滑准确的视差场，与通常的变尺寸块匹配（VSBM）相比，该算法得到的视差补偿图象的峰值信噪比（PSNR）可提高2.5dB左右；双向半像素精度的视差估计/补偿的性能要比单向整像素搜索提高3dB，实验结果表明，该立体图象编码方案能有效地压缩立体图象数据，并可推广到立体序列图象的编码压缩中。     

一种低码率彩色人脸图像编码方法

提出了一种适合低码率信道传输的嵌入式彩色人脸图像编码方法,不仅把握了人脸图像的特点,而且充分利用了彩色图像小波变换后的多种相关性。该方法将联合色彩分量矢量量化和零块、零树编码方法巧妙结合,把彩色图像的三个色彩分量单独扫描,单独编码的过程简化为联合扫描和联合编码的过程。实验结果表明该算法在低码率下,相比JPEG,获得了在视觉效果和峰值信噪比方面更好的恢复图像质量。