自适应分形矢量量化编码

提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割 ,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时 ,使用设计的自适应二维维纳数字滤波器 ,对收缩的均值图像进行滤波后 ,可构造好的码书。实验证明 ,本方法码书不需外部训练 ,解码不需要迭代 ,可以改善重建图像的视觉质量 ,使压缩比和PSNR都有明显提高。

基于矢量量化的图象分形压缩编码

提出一种基于矢量量化技术的图象分形压缩编码方法，其能较好地克服传统的图象分形压缩编码方法中存在的速度慢、压缩率低等缺点，并且同时获得较高的图象恢复质量。最后给出的实验结果证明文中方法是非常有效的。

基于矢量量化的层次分形编码方法

文中提出了一种新的分形图像压缩方法 ,该方法将矢量量化的概念应用于分形块编码中 ,对图像的平缓区进行矢量量化的线性组合编码 ,对图像的丰富细节区用分形编码 ,并且在分形编码时 ,采取了层次处理。实验表明 ,与基本的分形块编码方法相比 ,本文提出的矢量量化层次分形编码方法在保证一定的重建图像质量下 ,使图像的压缩比有了明显的提高 ,并且大大提高了编码和解码速度。

基于自适应搜索范围及顺序的快速矢量量化编码算法

本文提出了一种新颖的快速矢量量化编码算法 .该算法在编码前预先计算每个码字的四个特征量 ,然后根据各特征量的升序排列分别对码字进行排序以生成四个排序码书 .在编码过程中 ,对于不同的输入矢量 ,自适应产生不同的动态码字搜索范围及顺序而排除大部分码字 .测试结果表明 ,本文算法只需搜索 3%到 8%码字而获得与穷尽搜索算法相近的编码质量 ,实际编码时间减少约 93% .

改进的分形矢量量化编码

为了提高图象的分形矢量量化编码效果 ,在利用四叉树对图象进行自适应分割的基础上 ,基于正交基三维分量投影准则 ,提出了图象块非平面近似方法 ,进而形成一种新的静态图象分形矢量量化编码方法 .该方法首先通过对投影参数进行 DPCM编码来构造粗糙图象 ,然后由此来构成差值图象编码的码书 .由于该方法把分形和矢量量化编码结合起来 ,因此解码时只需查找码书 ,并仅进行对比度变换 .计算机编、解码实验结果表明 ,该编码方法具有码书不需外部训练 ,解码也不需迭代等优点 ,且与其他同类编码器相比 ,该方法在压缩比和恢复图象质量(PSRN)

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。

自适应多层次矢量量化方法

我们在本文中提出了一个矢量量化的自适应多层次算法。首先生成一个基本码本和码字序列，然后码字序列再被进一步编成一个多层次的码，该算法利用了图象上更大范围的结构特点和相关性，减少了单层矢量量化方法得到的码的冗余信息，从而有效地提高了压缩比，同时却没有增加误差，也未增加很多计算量。

图象的自适应遗传算法矢量量化方法

本文描述了一种基于自适应遗传算法的图象矢量量化方法，它不同于一般遗传算法之处是其交叉概率与变异概率这两个参数随个体的适应度值而变化，从而增强了算法的性能。实验结果表明，将自适应遗传算法用于码本设计，具有运算简单、聚类能力强等优点，有着广泛的应用前景。

自适应补偿矢量量化

提出了一种基于ＬＢＧ码书设计的新的图像矢量量化算法。该算法利用图像信号在正交矢量空间中的能量集中性，有效地减小了码书的搜索范围，加快了矢量量化速度。同时利用原始图像和重建图像之间的差值进行了自适应补偿，在保证较高压缩比的同时，有效地克服了矢量量化的致命缺陷，即重建图像存在严重的方块效应。

一种压缩比自适应快速矢量量化器的设计与实现

设计了一种图像16×16、8×8、4×4动态分块压缩比自适应的快速矢量量化算法。该算法可以根据图像的特征,在较大范围内自适应地变化压缩比,减少重复搜索的运算量,在提升图像压缩比的同时,编码速度也有很大幅度的提高。设计了编码电路,并在FPGA上进行了仿真及验证。结果表明,整个系统最大时钟频率可达76.55 MHz。与其他相关算法相比,该算法的压缩比有很大提高,而平均峰值信噪比降低却很少,可完全满足图像编码的高速和实时性要求。

基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量化方法。矢量量化码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力,易搜索到全局最优的矢量分类,形成高度优化的码书,可克服传统方法局部优化的缺陷。该算法不依赖初始条件、鲁棒性好、结构规则、并行性高。

改进的SOFM算法及其在低延迟语音编码中的应用

根据低延迟语音编码算法训练码书的尺寸和码字维数的特点,提出了一种改进的自组织特征映射(SOFM)神经网络的码书设计方法。对输入训练矢量以及连接权矢量进行归一化,为降低计算量和提高码书训练质量,采用快速的网络学习决定获胜的神经元并对网络权值分阶段进行自适应调整,最后应用于低延迟语音编码中。实验表明,与传统LBG算法比较,采用SOFM神经网络训练的码书其合成语音的主、客观质量均有较大提高。

迭代图像编码

提出一种新的图像压缩编码方法迭代图像编码.迭代图像编码的理论基础是泛函分析中的不动点定理.迭代图像编码先确定数字图像空间的一组压缩变换,然后通过迭代运算求出压缩变换的不动点,这些不动点组成了图像编码所使用的码书.对于一幅待编码的图像,在码书中寻找与图像最为接近的不动点,这个不动点所对应的压缩变换就构成了图像的压缩编码.本文提供的理论分析和实验结果表明,迭代图像编码是行之有效的图像编码方法.

现代图像压缩编码技术

阐述了图像压缩编码的基本原理,系统地介绍了几种比较有应用前景的现代图像编码方法及其特点,最后对图像编码进行了总结和展望,指出从图像模型的角度研究图像编码将成为新一代图像编码的研究方向。

16kb/s话音波形编码技术

本文首先介绍了采用自适应噪声谱整形的话音预测编码和直接查表多级矢量量化话音编码,以及我们对这两种方法进行计算机模拟的结果;然后,介绍了对这两种方法的改进,即对预测编码中的残余信号和矢量量化编码中的话音信号实行帧分类处理,分别采用了自适应量化技术和维数自适应技术,在此基础上,速率由96kb/s压缩到16kb/s,量化噪声明显降低至难以察觉。

视频图像压缩的自适应可变坐标法

在对图像变换编码和分形图像压缩编码、矢量量化等的分析的基础上 ,提出自适应可变坐标压缩算法。它的基本思想是 ,利用图像的自相似原理对一组图像空间的基坐标进行改造 ,使其在兼顾图像矢量空间的完整性的同时尽量利用图像的自相似性 ,以达到提高图像压缩效率的目的。并针对相似图像块的特征判定原则提出用小波变换实现图像块间的相似性判定。

基于结构自适应自组织神经网络的图像压缩算法的研究

图像矢量量化(VQ)是图像压缩算法中的重要环节,而在VQ中起决定性因素的又是能否构造出性能优异的码书,本文在比较LBG,SOFM和改进的SOFM优缺点的基础上,采用具有结构自适应特性的自组织神经网络(SASONN)来构造码书,克服了SOFM算法的网络映射欠准确、神经元过利用等弊端,并将结果应用在图像压缩编码算法(VQ+DPCM+DCT)中,实验结果表明,主客观效果良好。

基于小波变换的图像编码方法概述

小波变换将图像分期为一些不同频率、不同方向的子图像，这些子图像间存在较强的相关性，如何利用子图像间的相关性来提高编码效率是小波变换编码中研究的一个主要问题，本文从小波与分形、小波与树特征编码、小波与矢量量化三方面总结了近几年国内外基于小波变换编码方法的主要成果，并对基于小波变换的图像编码方法的发展方向作了展望。

数字图象矢量量化编码的研究(摘要)

理论和实践都已证明,矢量量化(VQ)编码比标量量化编码有高得多的数据压缩效率,而且编码器性能随着矢量维数K的增加,可以任意接近山农率失真理论给出的最佳值。然而,VQ也有着严重缺陷,一是复杂度高,二是适应性较差,重建图象的方块效应也比较严重。目前普遍认为,VQ技术应与其它压缩编码技术有机地结合起来。