基于主分量分析的相关矢量量化编码算法

在编码前,首先计算码书中所有码字在主轴上的投影值,然后按照这些投影值从小到大对码字进行排序;在编码过程中,利用邻近图像块的高度相关性和当前输入矢量在主轴上的投影值共同确定相应的码字搜索范围.实验结果表明,与传统穷尽搜索矢量量化编码法相比,虽然文中算法的编码质量略有下降,但编码速度和压缩效率都有了显著的提高.

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的快速相关矢量量化 (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 (输入矢量 )与已编码的邻块之间的相关性来预测输入矢量的编码标号 ,从而大大降低了每个输入矢量平均码字的搜索范围和比特率 .测试结果表明 ,本文算法比传统的穷尽搜索算法、部分失真搜索算法和双测试算法的编码速度快 ,且比特率低 ,虽然编码质量有少许下降 .

基于K-MEANS算法的语境相关矢量量化

研究用于连续语音识别的语境相关矢量量化技术 .提出采用 k- means( k-均值 )算法逐一地调整决策树叶子所包含的各个语境 ,实现对音素模型的混合密度的优化 .实验结果表明 ,采用 k- means算法的语境相关矢量量化得到的平均分布密度比简单合并决策树叶子所得到的平均分布密度提高 4 %～ 1 0 %.