基于改进边缘匹配矢量量化器的图象编码算法

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 ,编码质量有所提高。

基于DCT分类的边缘匹配矢量量化图像编码算法

提出一种基于DCT分类的边缘匹配矢量量化算法,充分考虑了当前处理图像块与其相邻图像块之间的相关性以及各码字与该输入矢量之间的边缘匹配失真。实验结果表明,该算法的峰值信噪比（PSNR）值高于基本边缘匹配矢量量化器且码率更低。本文对该方法进行了改进,提出一种新的基于DCT分类的边缘匹配矢量量化算法。该算法可以使运算时间缩短40%~50%。

支持向量机在边缘匹配矢量量化图像编码中的应用

针对边缘匹配矢量量化图像编码方法存在的出轨现象,提出一种引入支持向量机的方法.将分块后的样本图像输入支持向量机,建立区分边界区块与否的分类模型,并产生两种码书,对待编码区块,由支持向量机预测它的类型,选择相应的码书.实验结果表明,该方法处理灰度变化较大的边界和灰度变化平缓的非边界都有较好的效果.

基于哈夫曼编码的矢量量化图像压缩算法

现有边缘匹配矢量量化(SMVQ)算法没有考虑码字索引分布规律。针对该问题,通过理论分析得到码字索引严重非均匀分布的规律,基于该规律提出结合哈夫曼编码的SMVQ图像压缩算法。实验结果表明,与穷尽搜索算法相比,该算法在保持相同编码质量的情况下,编码码率下降50%,与SMVQ相比,其PSNR提高0.8dB,编码码率下降30%。

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。

基于动态SMVQ的图像压缩算法

SMVQ利用相邻图像块之间的相关性来提高编码图像质量。然而,传统的SMVQ当图像边缘位于当前编码图像块右下角时会出现编码误差,为此,研究并提出了一种改进的SMVQ。新算法利用图像所有图像块之间的相关性对当前编码图像块进行预测。对每一个输入图像块,利用边匹配方法从已编码数据中寻找最近块,并用其对输入图像块进行预测,或产生动态码书。然后利用最近块、动态码书或总码书对输入数据进行编码,扩展了编码搜索范围,提高了图像质量。实验结果表明新算法大大降低了比特速率,而且编码图像有较好的视觉效果。

混合基底记法的无失真图像信息隐藏技术的改进及实验研究

无失真信息隐藏技术,可以使一个原始图像在经过藏入、取出秘密信息之后依然完整存储,为了进一步改进压缩域图像信息隐藏方法,提出了一种基于混合基底记法的无失真图像信息隐藏技术。给出了应用的VQ编码、SMVQ编码的理论基础;完成了基于混合基底记法的信息隐藏的设计;应用6张512×512像素的灰度图片完成了实验结果验证。实验结果表明:新方法与传统的基于边缘匹配矢量量化编码方法相比,减少了秘密信息嵌入时间,提高了秘密信息嵌入容量。

基于DSMVQ和S+P变换的图像压缩算法

提出了一种用于图像压缩的动态边匹配有限状态矢量量化(DSMVQ)算法,该算法通过S+P变换方法,对图像进行多级小波变换,利用3个方向上各自小波系数之间的相关性,构造符合图像特征的跨频带矢量,利用DSMVQ进行量化,采样了基于人眼视觉特性的加权均方误差准则,提高了图像的编码效率和重构质量。试验结果表明,该算法实现简单,在较低的编码率下,可达到较好的压缩效果。

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。

SMVQ索引分类编码无损信息隐藏算法

为了增加矢量量化压缩域信息隐藏方法的容量,提出一种基于状态码书排序的边缘匹配矢量量化索引分类编码无损信息隐藏算法.首先在进行边缘匹配矢量量化压缩时,利用提出的状态码书排序方法减小编码后的索引值,增加可嵌入秘密信息的索引比例,然后根据索引表的分布特点将小于8的索引分为4类编码,最后将秘密信息隐藏在这4类索引编码后的码流中.实验结果表明,在图像质量与矢量量化压缩图像相同的情况下,该算法的隐藏容量优于现有算法,与基于边缘匹配矢量量化索引残差编码的无损信息隐藏算法和利用邻近状态码书映射的无损信息隐藏算法相比,嵌入效率平均提高了45%和488%.

基于SMVQ索引残差编码的高效无损信息隐藏算法

为了增加矢量量化压缩域信息隐藏方法的容量,提出一种改进的基于边缘匹配矢量量化(SMVQ)索引残差编码的无损信息隐藏算法。以基准方法为基础,利用划分索引残差取值范围的阈值和标志位信息进一步缩小索引残差的范围,降低编码比特数,提供更多冗余空间进行信息隐藏。实验结果表明改进后的算法能够有效提高嵌入容量,与基准方法相比,隐藏容量增加了2.96%~9.45%,比特率降低了3.30%~5.48%,整体嵌入效率提高了8.21%~13.18%。