一种快速、有效的量化与基于小波的图像压缩

量化是利用小波变换的图像压缩编码技术的关键环节之一。矢量量化和标量量化各有长短,该文将这二者有机地结合起来,称为混合量化(HQ—Hybrid Quantization)。它既有矢量量化的高效率,又具有标量量化的简单性,不需要进行码书训练,不要做乘除法。并用标准测试图像与其它方法的压缩结果进行了比较。     

一种新型的量化方法与基于小波变换的指纹图像压缩

针对矢量量化和标量量化各有优劣的现状，一种简单，有效的新型量佛方法被提出来了。本文把应用于基于小波变换的指纹压缩，改进了ＥＢＩ的ＷＳＱ算法，大大降低了量化计算复杂度。即获得较高的压缩比，又有较好的主客观质量，并与ＪＰＥＧ标准进行了对比。     

常用色彩量化算法的性能分析

本文在讨论了几种常用的色彩量化算法思想的基础上，重点分析了我们在文献１中给出的一种基于八叉树的色彩量化方法的算法性能，并对这几种方法给以分析比较。     

Soft-Decoding SOM for VQ Over Wireless Channels

A self-organizing map (SOM) approach for vector quantization (VQ) over wireless channels is presented. We introduce a soft decoding SOM-based robust VQ (RVQ) approach with performance comparable to that of the conventional channel optimized VQ (COVQ) approach. In particular, our SOM approach avoids the time-consuming index assignment process in traditional RVQs and does not require a reliable feedback channel for COVQ-like training. Simulation results show that our approach can offer potential performance gain over the conventional COVQ approach. For data sources with Gaussian distribution, the gain of our approach is demonstrated to be in the range of 1–4 dB. For image data, our approach gives a performance comparable to a sufficiently trained COVQ, and is superior with a similar number of training epoches. To further improve the performance, a SOM–based COVQ approach is also discussed.     

一遍完成的平衡布点外存模型简化算法

现存的自适应采样的外存模型简化算法均需要多次读取原模型，算法效率较低。该文给出一种仅仅需要读取原模型一遍的自适应顶点聚类算法－平衡布点算法（Balanced Tilling,BT），用于外存模型简化。其关键思想在于通过表面编码记录模型表面，通过对原模型的二次量化（quadric quantization）得到原模型上的细节分布。该算法可以定位出所有类型的细节区域，而其它一些算法只能定位细节边。细节区域将被进一步细化，而平滑区域将被进一步简化。该算法大大减少了输入输出时间，尤其适合处理超大规模模型。内存需求很小，只与输出模型规模有关。     

基于多小波变换的混合水印应用研究

扩频和量化技术是数字水印中两种基本的技术,扩频水印有鲁棒性强的特点,而量化水印具有更大的容量,考虑到两者之间存在互补性,论文在图像多小波变换统计特征和视觉掩蔽模型基础上,提出了一种新颖的图像多小波变换域内基于扩频和量化的混合数字水印方案。实验结果表明所提出的算法既具有较高的嵌入容量,又具有较强的鲁棒性,特别是在高压缩比下具有较高的性能。     

音频DFT域量化水印性能研究

为研究基于量化音频DFT域的水印算法性能,分析了该算法的原理,给出了一种简便的嵌入和提取公式,重点分析了算法的透明性、鲁棒性等性能,指出了算法的缺陷。首先,利用均方误差定义得出了嵌入失真公式,认为透明性与量化步长的平方成正比,而且当载体系数较小时容易引起听觉失真;其次,依据信息提取原则推导了加性高斯白噪声和幅度规整攻击下的误比特率,认为算法抗噪性能只与量化步长有关,而算法抵抗幅度规整攻击的性能很差;最后,通过仿真实验验证了以上公式的正确性。     

一种适用于复杂系统的智能控制新算法及仿真研究

提出一种基于改进遗传算法的自适应模糊控制 策略,通过优化控制器中非线性量化函数及自适应控制表达式等中的关键参数,得到基于加 权ITAE指标的满意控制．经过大量仿真研究,证明其对多输入多输出系统、混沌系统、滞后 系统等复杂系统的控制有良好效果．     

基于词组的语音识别模型研究

本文在简单介绍三种词组语音识别模型后,提出了采用离散隐马尔柯夫模型（DHMM）来构建语音识别系统,并在此基础上引入矢量量化（VQ）模块来保证识别率和识别速度,具有良好的实用性     

基于隐马尔可夫模型的能量参数预测量化算法

为了充分利用能量与线性预测编码(Linear prediction coding,LPC)系数之间的相关性,提高能量参数量化效率,提出了一种基于隐马尔可夫模型(Hidden Markov model,HMM)的能量参数预测量化算法.通过适当假设,使用HMM模拟能量参数和LPC系数之间的相关性,其中离散化后的能量参数组成隐状态序列,量化后的LPC系数组成可现测序列.然后利用HMM预测每一超帧中的能量参数的变化轨迹,并根据预测出的能量轨迹对预测残差进行分模式矢量量化(Mode-based vector quantization,MBQ).仿真实验中能量参数量化后的平均失真为2.668 dB,与线性预测量化算法相比下降了14.O%,表明本文算法通过利用能量参数与LPC系数的相关性,能够有效地提高能量参数量化效率.