一种图像多描述网格编码矢量量化算法

在互联网和无线通信环境下,图像通信常因数据包传输出错或丢生而导致质量的严重下降,多描述编码是解决这个问题的一种新途径。该文提出了一种多描述网格编码矢量量化新算法,给出了多描述分解的方法和规则,并通过构造一个代价函数,提出了最优搜索策略,用维特比算法对多描述编码最优路径进行搜索。仿真结果表明,新算法有效利用网格编码矢量量化将量化码书大小扩大一倍的特性,提高了中央通道的编码性能,而如果只收到单个描述,解码图像仍能获得较好的重建质量。

基于空间组合矢量分类的小波图像网格编码矢量量化

本文基于零树编码、矢量分类和网格编码量化的思想，提出了对小波图像采用空间矢量组合和分类后进行网格编码矢量量化的新方法。该方法充分利用了各高频子带系数频率相关性和空间约束性，依据组合矢量能量和零树矢量综合判定进行分类，整幅图像只需单一量化码书，分类信息占用比特数少。对重要类矢量实行加权网格编码矢量量化，利用卷积编码扩展信号空间以均大量化信号间的欧氏距离，用维特比算法搜索最优量化序列，比使用矢量量化提高了０．６ｄｂ左右。该方法编码计算复杂度适中，解码简单，可达到很好的压缩效果。

网格编码矢量量化在SAR原始数据压缩中的应用

本文提出了一种结合传统的块自适应量化与网格编码矢量量化对SAR原始数据进行压缩的方法。首先对SAR原始数据实施块自适应量化以减小数据的动态范围,然后对块自适应量化后的数据进行网格编码矢量量化。该方法在考虑了SAR原始数据特性的基础上较好地利用了矢量的空间相关性和信号的时间相关性,进一步提高了量化增益。仿真结果表明,该方法在SAR原始数据的压缩中取得了很好的效果。

基于树结构矢量分类的小波图像网络编码矢量量化

本文基于零树编码、矢量分类和网络编码量化的思想 ,提出了对小波图像采用树结构矢量组合和分类后进行网格编码矢量量化的新方法。该方法充分利用了带系数的带间和带内的相关性 ,分类信息占用比特数少 ,对重要类矢量实行加权网格编码矢量量化 ,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离 ,用维特比算法搜索最优量化序列 ,并采用基于人眼视觉特性的加权均方误差准则作为失真度量和码字匹配 ,提高了量化增益。仿真结果表明 ,该方法编码计算复杂度适中 ,解码简单 。

基于树型结构网格矢量量化的点云渲染算法

针对3D模型海量点云数据存在的空间冗余问题,提出一种基于TSLVQ(tree structure lattice vector quantization)的静态点云有损渲染算法。算法旨在利用层级嵌套网格的集合,解决渲染低效的问题。首先对整个点云进行包围盒封装,多层量化,把数个较小尺度的截断包围盒嵌入到一个较高尺度的截断包围盒单元中,每一步量化过程采用8叉树方法将包围盒分割为八个最佳尺寸的空或非空小包围盒;最后在最高深度的层级里,用包围盒来代替整个小包围盒中全部的点。同时,算法可自行设定8叉树的深度,从而任意控制编码的复杂度和精度,满足渲染的实时性要求。实验结果表明,与现有的网格有损压缩算法相比,提出的算法能在保证模型重建精度的基础上具有较好的空间分解优势,实现实时渲染效果。