基于自组织特征映射神经网络的矢量量化

近年来 ,许多学者已经成功地将 Kohonen的自组织特征映射 (SOFM)神经网络应用于矢量量化 (VQ)图象压缩编码 .相对于传统的 L BG算法 ,基本的 SOFM算法的两个主要缺点是计算量大和生成的码书性能较差 ,因此为了改善码书性能 ,对基本的 SOFM算法的权值调整方法作了一些改进 ,同时为了降低计算量 ,又在决定获胜神经元的过程中 ,采用了快速搜索算法 .在将改进的算法用于矢量量化码书设计后 ,并把生成的码书用于图象的压缩编码 .测试结果表明 ,改进的算法使码书设计的计算量得到明显的降低 ,而且码书的性能得到了提高 .相对于基本算法 ,码书设计的计算时间减少了约 75 % .在图象编码中 ,不论是训练集内的图象 ,还是训练集外的图象 ,相对于基本算法 ,编码质量均提高了 0 .80 d B～ 0 .90 d B.

基于H.264的宏块类型空域预测研究

从实验统计数据,论证了宏块类型空域预测的可行性。在此基础上,设定严格的评判准则,提出了对当前宏块的编码类型空域预测方案,并且在H.264测试模型JM7.6上实现了该方案,模拟实验表明:采用了宏块类型空域预测的宏块编码算法,减少了H.264标准算法的无效遍历,在编码效率和图像质量不损的前提下,图像编码时间显著缩短。

MPEG-4差错复原工具及无线网络上的差错掩盖技术

首先简要介绍了在易出现差错的信道环境下通常采用的差错复原技术,然后介绍并分析了MPEG-4编码标准视频部分中提出的几种差错复原工具,阐述了视频信息在无线信道上传输时所受到的影响及通过怎样的差错掩盖方法来取得更好的视觉效果。