一种改进的AEI算法中初始匹配码字的快速查找方法

矢量量化（VQ）是一种高效的有损压缩技术。快速码字搜索算法是矢量量化的核心问题之一,其性能决定了编码时间。快速码字搜索算法中,绝对误差不等式删除算法(AEI)是一种典型的3步算法,其第1步查找输入矢量的初始匹配码字的方法采用了Minimax法,是整个AEI算法中计算量最大的步骤,严重影响了算法的效率。针对这个问题,提出了一种新的查找初始匹配码字的方法——Partial Minimax法。该方法在保证所找到的初始匹配码字与原始AEI算法相同并且重建图像的PSNR（峰值信噪比）值不变的前提下,可显著减小这一步骤的计算量和查找时间,从而有效地提高了算法的总体编码速度。     

一种新颖的基于哈德码变换的码字搜索算法

针对图像矢量量化编码的复杂性,提出了一种新颖的快速最近邻码字搜索算法。该算法首先计算出每个码字和输入矢量的哈德码变换,然后为输入矢量选取范数距离最近的初始匹配码字,利用多控制点的三角不等式和两条有效的码字排除准则,把不匹配的码字排除,最后选取与输入矢量最匹配的码字。实验结果表明,新算法相比于其他算法,在保证编码质量的前提下,码字搜索时间和计算量均有了明显降低。     

基于改进的参考矢量选取的码字快速搜索算法

矢量量化的编码过程计算复杂性极高,为了减少编码时大量的矢量间距离计算,许多文献提出利用不等式关系以较少的计算量来估算距离的方法。在Chang等人提出的利用双限制三角不等式的快速搜索算法基础上,通过改进参考矢量的选取方法,有效提高了码字搜索的效率。实验结果表明,改进算法的码字排除率可以提高3.735%9.976%,编码时间可以减少6.03%35.25%。     

基于改进人工蜂群的图像矢量量化码书设计算法

为了进一步提高图像矢量量化的码书质量,提出了一种新的图像压缩矢量量化码书设计算法。该算法采用均方误差(MSE)作为码书设计的适应度函数,利用改进的人工蜂群算法进行适应度函数的优化求解,增强了算法的自组织性和收敛性,大大减少了陷入局部收敛的可能性。将一种基于和值特性的快速码字搜索思想引入到码书设计算法中,使算法计算量明显降低。仿真结果表明,该算法具有计算时间短、收敛速度快的优点,并且生成的码书质量好、稳定性强。     

自适应子矢量划分的快速码字搜索算法

矢量量化编码过程中需要进行大量的矢量间距离计算,这个过程的计算复杂度极高,严重限制了其实际使用。为了加速矢量量化的编码过程,已经提出了各种基于1维特征量的码字搜索算法来减小码字搜索的范围。本文在基于不等式的快速搜索算法基础上,通过使用更有效的基于特征量的搜索算法,并引入自适应子矢量划分的方法,将额外增加的存储空间从N(N-1)/2降低到了13N,码字搜索范围减小了33.88%～50.94%,编码时间减少了10.82%～27.16%。     

一种快速的矢量量化编码

研究了一种基于均方误差（MSE）测度的矢量量化快速编码算法。算法利用小波变换的特点,合理地构造矢量,便于非线性插补矢量量化技术的使用,也使部分失真排除法的效率大大提高。使用矢量的二范数和距离测度关系的码字排除方法,再结合非线性插补矢量量化技术和部分失真排除法,在搜索编码过程中,有效排除部分候选码字。实验结果表明,相对于穷尽搜索方法,计算量有明显降低,计算时间显著减少。     

快速码字搜索算法中一维特征量的最佳选择方法

矢量量化编码过程中的最近邻码字搜索需要进行大量的矢量间距离的计算,这个过程的计算复杂度极高,严重限制了其实际使用.为了加速矢量量化的编码过程,许多文献提出了各种不同组合的基于均值、2-范数、方差和角度的矢量一维特征量的快速最近邻矢量量化码字搜索算法.通过实验给出了这四个一维特征量单独使用以及相互组合的所有情况下各算法的搜索范围和编码时间,并对它们进行了比较和分析,进而提出了在实际进行编码时如何最优地进行一维特征量选取的准则.     

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。     

改进的SOFM算法及其在低延迟语音编码中的应用

根据低延迟语音编码算法训练码书的尺寸和码字维数的特点,提出了一种改进的自组织特征映射（SOFM）神经网络的码书设计方法。对输入训练矢量以及连接权矢量进行归一化,为降低计算量和提高码书训练质量,采用快速的网络学习决定获胜的神经元并对网络权值分阶段进行自适应调整,最后应用于低延迟语音编码中。实验表明,与传统LBG算法比较,采用SOFM神经网络训练的码书其合成语音的主、客观质量均有较大提高。     

统计译码的算法分析

统计译码是线性分组码中一种新的通用译码算法。该算法实现的关键在于如何从码字的对偶空间中合理选择一个矢量集合Hw,利用它对接收码字的校验作用实现有效译码。论文重点研究了Hw的构造问题,通过利用掩码矢量对Hw进行分集,得到了正、误两种情况下码元统计分布值的计算公式,揭示了统计译码算法内在的分布特性,改进了原有的译码算法。     

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.     

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。     

FPGA implementation of full-search vector quantization based on partial distance search

This paper presents a novel algorithm for field programmable gate array (FPGA) realization of vector quantizer (VQ) encoders using partial distance search (PDS). In most applications, the PDS is adopted as a software approach for attaining moderate codeword search acceleration. In this paper, a novel PDS algorithm well suited for hardware realization is proposed. The algorithm employs subspace search, bitplane reduction, and multiple-coefficient accumulation techniques for the effective reduction of the area complexity and computation latency. Concurrent encoding of different input vectors for further computation acceleration is also allowed by the employment of multiple-module PDS. The proposed implementation has been embedded in a softcore CPU for physical performance measurement. Experimental results show that the implementation provides a cost-effective solution to the FPGA realization of VQ encoding systems where both high throughput and high fidelity are desired.     

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。     

Vector-quantization-based video codec for software-only playback on personal computers

This paper discusses a video compression and decompression method based on vector quantization (VQ) for use on general purpose computer systems without specialized hardware. After describing basic VQ coding, we survey common VQ variations and discuss their impediments in light of the target application. We discuss how the proposed video codec was designed to reduce computational complexity in every principal task of the video codec process. We propose a classified VQ scheme that satisfies the data rate, image quality, decoding speed, and encoding speed objectives for software-only video playback. The functional components of the proposed VQ method are covered in detail. The method employs a pseudo-YUV color space and criteria to detect temporal redundancy and low spatial frequency regions. A treestructured-codebook generation algorithm is proposed to reduce encoding execution time while preserving image quality. Two separate vector codebooks, each generated with the treestructured search, are employed for detail and low spatial frequency blocks. Codebook updating and sharing are proposed to further improve encoder speed and compression.     

矢量量化的初始码书算法

矢量量化的初始码书设计是很重要的,影响或决定着其后码书形成算法的迭代次数和最终的码书质量。针对原有的初始码书算法在性能上随机性强与信源匹配程度不高的问题,提出一种对于训练矢量实施基于分量的和值排序,然后做分离平均的初始码书形成算法。算法使用了矢量的特征量,脱离了对于图像结构因数的依赖,能产生鲁棒性较好的初始码书。实验证明了该方法的有效性,与LBG算法结合可进一步提高码书质量。     

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.     

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。     

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。