矢量量化的误差竞争学习算法

提出了误差竞争学习 ( Distortion competitive learning,DCL)算法。该算法基于 Gersho的矢量量化误差渐近理论的等误差原则 ,即当码本数趋于无穷大时 ,各区域子误差相等 ,使用这个原则作为最优码书设计的一个必要条件 ,并结合传统最优码书设计的两个必要条件 ,然后根据这 3个必要条件 :( 1)最近邻规则 ;( 2 )中心准则 ;( 3)各区域子误差近似相等设计最优码书 ,而在算法的实现中引入广义误差测度 ,以确保该测度与各个区域的子误差相关。最后从快速性与均方差两个方面与目前的码本设计算法比较。实验结果表明 ,该算法在降低迭代时间与减少均方差优于其他传统码本设计算法 ,能迅速地找到优化的码本。

基于小波变换和误差竞争学习的矢量量化

用神经网络实现图像矢量量化是一种非常有效的方法 ,而小波变换又是近年来迅速发展起来的新算法。文中提出一种改进的误差竞争学习算法 ,分析了图像在小波变换后数据的特点 ,提出了新的矢量构造方法 ,从而最终得到了基于小波变换和误差竞争学习的矢量量化图像压缩新算法 (以下简称VQWDCL) ,无论是在主客观效果上 ,还是在计算复杂度上 ,其性能都优于传统的基于小波变换和LBG算法的矢量量化。

一种基于小波变换的矢量量化算法

提出了一种基于小波变换的矢量量化算法 ,算法利用小波变换后各子带间的相关性 ,合理地构造矢量。采用最优矢量量化器设计原则 ,给出了小波域的误差竞争学习算法 (DCL )。实验表明 。