Fractal Block Coding:A New Method

Fractal image compression is a completely new method to compress images by searching and exploiting the self similarity of the whole image . Fractal Block Coding (FBC) is a practicable fractal coding scheme with annoying slow encoding speed . In this paper, we classify the image blocks by Classified Vector Quantization (CVQ) technique and present an Adaptive Block Truncation Coding (ABTC) scheme to process the midrange blocks in the image. By this method , we reduce the encoding time to one forty fifth comparing to ordinary FBC method with little change in compression ratio and a little decreased coded image quality.

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.

改进的Kohonen网络及图像自适应矢量量化

本文针对图像矢量量化存在的分块效应问题,通过对Kohonen自组织模型的研究,修改了Kohonen的自组织特征映射(SOFM)算法,设计了两个DCT(离散余弦变换)域的特征值,用于图像数据块的分类。在此基础上,进一步探讨了改进的自组织特征映射(MSOFM)算法在图像自适应矢量量化中的应用。计算机模拟实验表明,MSOFM算法有效地减少了分块效应,与SOFM算法相比具有更好的性能。

基于记忆和预测机制的自适应矢量量化及其在图像压缩编码中的应用

本文提出了一种用于图像压缩的低比特率自适应矢量量化技术．该方法有以下三个特色：１）引入了有效的记忆预测机制，使量化器和编码器有很好的自适应性．２）采用二次寻址方法对矢量的地址进行编码，大大提高了编码效率．３）算法运算复杂度低，便于ＶＬＳＩ实现．

自适应二阶码书矢量量化算法研究

介绍了矢量量化的基本算法LBG。在此基础上,提出了一种时间复杂性和空间复杂性有所降低的改进算法,节省了存储空间,提高了压缩比。该算法的核心是自适应的生成初始码书以及对初始码书的二次压缩过程。从降低时间复杂度和节省存储空间、提高压缩比的角度,对该算法进行了讨论。

复数SAR图像的块自适应多级矢量量化压缩

研究了在空间域进行复数合成孔径雷达(SAR)图像的压缩,提出了结合块自适应矢量量化(BAVQ)和多级矢量量化(MSVQ)技术各自优点的块自适应多级矢量量化(BAMSVQ)压缩算法。该算法因SAR复数图像的实部和虚部数据在一定采样规模下具有近似高斯分布的特性,可以运用BAVQ编码;而上一级编码后的残差数据由于已经进行了一定程度的去相关性,根据中心极限定律也具有近似高斯分布特性,因而也可进行块自适应的矢量量化编码,由此可形成BAVQ的多级方案。另外由于实虚部归一化的高斯分布块数据具有相同的分布特性,因此可以共享码书,节省存储资源与传输数据量。仿真结果验证了该算法的有效性。在相同的压缩比下,与前两种空间域压缩算法相比,该算法提升了性能,降低了计算复杂度,节省了计算时间和资源占用量。

基于块自适应残差矢量量化的SAR图像压缩

SAR图像的空间域压缩多采用矢量量化的方法进行。通常的块自适应矢量量化性能好但计算量较大,而残差矢量量化计算量小却在性能上有劣势。基于此,提出了一种新的基于块自适应残差矢量量化的SAR图像压缩算法。根据SAR幅值图像具有近似瑞利分布的特点对图像先进行基于瑞利分布的块自适应矢量量化,然后利用残差图像数据具有近似高斯分布的特点进行二次块自适应矢量量化。并且在残差矢量量化中进行了按照均方误差排序选择性压缩的改进,在压缩比不变的前提下有效提高了压缩系统性能。多幅图像的实验结果表明,相对传统的块自适应矢量量化和残差矢量量化,该算法在达到较高压缩性能和较低计算资源占用量以及较少存储空间占用上获得了有效的改进。

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。

DCT域结合VQ的自适应图象压缩方案

提出了DCT域结合VQ的图象信息压缩方案。有两个特点:1.基于图象信号的非平稳性等特点,分块DCT后,根据变换域系数的能量分布进行信源分类产生自适应方案,2.分类后的信源进行一个我们称之为“子块重排”的变换域操作,从而得到很好的VQ结果。实验表明本文方案在利用图象信源的非平稳性,提高矢量量化器效率,简化矢量量化器设计,以及系统实现的便利性诸方面具有较大的优越性。