以熵序列收敛作算法停止判据的码书训练算法

以LBG算法为代表的传统码书训练算法基本上都用量化失真序列收敛作算法停止条件。提出了一种简单、快速的新算法。该算法的基本思想为 ,不必计算量化失真 ,直接用区域序列对应的熵序列收敛作停止条件。与经典的LBG算法相比 ,该算法结构更简单、速度更快、更容易理解。我们用典型的测试图像Lena、Barbara作实验 ,实验结果表明 ,该算法的PSNR与著名的LBG算法相差小于 0 1dB ,但它的运行速度比LBG快两倍以上。

一种简单、快速的码书训练算法

以ＬＢＧ算法为代表的传统的码书训练算法基本上都用量化失真序列收敛作算法停止条件。本文提出了一种简单、快速的新算法。它的基本思想是，不必计算量化失真，直接用区域序列中各区域的元素个数所成序列收敛作停止条件。该算法与经典的ＬＢＧ算法相比，结构更简单、速度更快、更容易理解和控制。我们用典型的测试图像Ｌｅｎａ、Ｂａｒｂａｒａ做实验。实验结果表明，该算法与著名的ＬＢＧ算法的ＰＳＮＲ相差小于０．１ｄＢ，但它的运行速度比ＬＢＧ快２倍以上。

一种不需要计算量化失真的快速码书训练算法

该文利用LBG算法迭代过程中质心序列收敛特性,提出了一种快速算法。它的基本思想是,直接去掉LBG算法中量化失真计算,用质心序列收敛作停止条件。我们用典型的测试图像Lena做实验,实验结果表明,该算法与著名的LBG算法的PSNR相差小于0.1dB,但它的运行时间至少比LBG的运行时间少一半。