基于小波变换和混合神经网络的图像压缩算法

提出了一种将空间方向小波零树编码与混合神经网络相结合，新的多尺度系数矢量量化策略．该算法在对图像进行多级小波变换后，利用3个方向上各自小波系数之间的相关性，构造符合图像特征的跨频带矢量，依据矢量能量和零树矢量的思想进行矢量分类，分别利用主元分析和自组织特征映射神经网络对3个方向的多尺度系数矢量进行基于视觉的加权矢量量化压缩编码．仿真实验结果表明该算法是合理可行的．     

一种基于小波变换的矢量量化方法

该文提出了一种基于又正交小波的矢量量化编码方法。该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化。实验表明,该方法获得了较高的编码效率和重构图象质量。     

一种基于自适应小波变换的矢量量化方法

运用小波变换进行图像压缩的算法其核心都是小波变换的多分辨率分析以及对不同尺度的小波系数的量化和编码.本文提出了一种基于能量的自适应双正交小波变换和矢量量化相结合的算法.即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,然后给出恰当的小波系数量化.该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化.实验表明,该方法获得较高的编码效率和重构图像质量.     

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，这种算法获得 的码本优于其它几种算法。     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，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，这种算法获得的码本优于其它几种算法。     

基于神经网络的小波变换矢量量化图像压缩

根据神经网络的特性，提出了一种基于小波变换的矢量量化图像数据压缩方法，基本思路是利用小 变换实现图像的多分辨率分解，用矢量量化（VQ）对分解后的图像进行编码，利用神经网络做矢量量化编码器，从而实现通过神经网络的鲁棒性来加强对某些非典型矢量的容错能力，结果表明，该方法提高了整个系统的性能，最终提高了重构图像的质量。     

基于小波和神经网络的图像压缩方法

针对图像压缩中压缩率与图像质量的折衷问题。综合利用小波变换和神经网络各自的优点,采用小波和神经网络的方法进行图像压缩．该算法先对图像进行小波分解,保留低频系数,然后将高频系数输入训练的网络进行矢量量化编码达到压缩的目的．最后根据保留的低频系数和还原的高频系数重构图像．     

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普斯分布有很好的一致性；同时，由于不同幅度的小波系数在图象重构中权重的不同，在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此，作者提出了一种适用于PACS系统的图象量化编码算法，该算法以各小波子带图象小波系数的重要统计特征-样本标准差为量化阈值选择依据，精确编码图象重构中权重较大的系数，还利用了人眼的频率视觉特性。实验表明，本算法具有计算简单、不同编码精度时被量化系数可预见的特点，同时在保证图象质量的基础上可获得较高压缩比。     

矢量量化的渐进构造模糊聚类算法

为了设计最优码书,提出了一种新的渐进构造模糊聚类（ＰＣＦＣ）算法,并将其应用到图像的矢量量化中．通过与其他矢量量化算法（如ＬＢＧ和ＦＣＭ）的比较,证明该算法不论在生成码书的质量还是在计算速度上都具有很强的优势．这种模糊矢量量化算法为进一步改善图像压缩的矢量量化性能提供了新途径     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

神经网络-空间方向小波四叉树压缩编码

将空间方向小波四叉树编码与自组织特征映射神经网络相结合，提出了一种新的多尺度系数矢量量化压缩策略。首先通过小波分解得到三个方向的高频多尺度系数矢量，分别利用自组织特征映射神经网络对三个方向的多尺度系数矢量进行加权矢量量化压缩编码。仿真实验结果表明本文提出的算法是合理可行的。     

一种新的基于自学习神经网络的静止图像编码方案

为了改善JPEG算法的编码性能,提出了一种新的基于自学习特征映射算法(SLM)的静止图像编码方案,基本思想是:1)先用矢量量化(VQ)对图像进行预测,然后进行DCT编码;2)采用新的SLM算法来改善VQ码书性能.实验表明,与JPEG算法相比,该方案具有更高的压缩比和更好的图像质量.     

基于小波变换及四元树矢量量化的图象数据压缩算法

小波变换在时域和频域具有良好的局部化性能,因而在图象压缩编码中得到广泛应用.矢量量化则因为其压缩比大,原理和算法相对简单,成为图象压缩的又一重要方法.采用小波变换与四元树矢量量化相结合对二维图象进行编码.结果表明,该方法可以获得较高的压缩比及PSNR.     

改进的分级图像矢量量化

提出了一种基于Ｐｅａｎｏ扫描的分级矢量量化算法，通过有效地利用数据间的相关性，改进了ＶＱ的性能．该算法先通过能比光栅扫描更好地保存二维数据间的相关性的Ｐｅａｎｏ扫描对原始图像进行预处理，再根据信号特性进行分级ＶＱ；还提出了基于Ｐｅａｎｏ扫描的平滑算法，有效地减小了方块效应的影响     

基于小波变换的矢量量化快速码字搜索算法

针对矢量量化过程中编码的复杂性,提出了一种基于小波变换的自适应快速码字搜索算法.该算法使用欧几里德距离的平方作为量化的失真测度,首先为输入矢量选择合理的初始匹配码字,然后利用多控制点的三角不等式和变换域中矢量的性质去排除不可能匹配的码字,最后通过搜索空间的逐次降低找到与输入矢量最匹配的码矢量.仿真结果表明：在需要很少预先计算量和额外存储量的条件下,文中算法的编码质量和全搜索算法相同,但是其计算量却极大地降低.