二维网格编码矢量量化及其在静止图像量化中的应用

该文提出了在二维码书空间中,在矢量量化(VQ)的基础上,应用网格编码量化(TCQ)的思想来实现量化的新方法——二维网格编码矢量量化(2D-TCVQ)。该方法首先把小码书扩展成大的虚码书,然后用网格编码矢量量化(TCVQ)的方法在扩大的二维码书空间中用维特比算法来寻找最佳量化路径。码书扩大造成每一子集最小失真减小从而提高了量化性能。由于二维TCVQ采用的码书尺寸较小,因而可以应用到低存贮、低功耗的编解码环境。仿真结果表明,同一码书尺寸下,二维TCVQ比TCVQ好0.5dB左右。同时,该方法具有计算量适中,解码简单以及对误差扩散不敏感的优点。

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 。

基于方向树结构矢量分类的小波图像网格编码矢量量化

本文提出了采用方向树结构矢量组合并分类对小波图像进行网格编码矢量量化（ＴＣＶＱ）的新方法。该方法矢量构成结合了子带系数的方向性，充分利用了子带系数带间和带内相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，对活跃和非活跃类矢量实行加权ＴＣＶＱ，利用卷积编码扩展信号空间，用维特比算法搜索最优量化序列，比使用加权 ＶＱ提高了 ０．７ｄｂ左右。该方法编码计算复杂度适中，解码简单，有较好的压缩效果。

DCT域网格编码矢量量化

本文提出了在离散余弦变换（ＤＣＴ）域作网格编码矢量量化（ＴＣＶＱ），并利用量化后相关性的新方法。该方法结合了ＤＣＴ变换、矢量验化和网格编码量化的优点，它充分利用信号ＤＣＴ域和时域的相关性来逼近率失真下界，并利用维特比算法来寻找最佳运化序列。同时，它还利用量化后码定间存在的相关性来进一步降低编码年。仿真结果表明，该方法在保持高压缩比的同时具有很高的信噪比性能。在相同编码率下它比全搜索矢量均化（ＶＱ）好ｌｄＢ左右。同时该方法具有计算量适中，解码简单以及对误差扩散不敏感的优点。

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。