利用图论设计图像压缩中的向量量化聚类算法

向量量化是图像压缩中的重要内容,而码书生成是向量量化的关键.提出了一个全新的、简单的码书生成算法,其基本思想是以向量量化聚类性质为基础,应用图论建立数据之间的离散关联设计算法.该算法与传统的算法相比,优势在于不需要初始码书,不需要在实际应用中几乎不可能知道的高维向量集合的概率分布,不需要Voronoi划分,同时它避免了一般算法局部最优问题.     

整数Haar小波变换及其在无失真图像压缩中的应用

本文首先讨论了整数Ｈａａｒ小波的构造方法,然后利用分块ＤＰＣＭ与整数Ｈａａｒ小波变换进行遥感图像的无失真压缩,该方法可进行实时处理,硬件实现简单,可并行处理,实难结果表明,该方法是一种有效的图像压缩方法。     

LBG算法使用等价范数产生相同码书

LBG算法是图像压缩中向量量化的基础算法,目前主要是采用L2范数进行计算.证明了著名的LBG算法使用等价范数,只要初始码书相同,则产生相同码书.从而在研究LBG算法性能时,只需选择最有利于研究的范数.     

分块自适应零树量化图像压缩算法研究

讨论了图像经过整数小波分解后的系数分布特性,针对现有的小波量化算法的不足之处,提出了一种基于整数小波变换的分块自适应零树量化图像压缩算法,进行预测编码,该算法硬件实现简单,可并行处理,计算结果表明,该算法优于现有的其他图像小波量化方法。     

高速实时信号处理系统处理结点的多DSP并行计算结构

随着阵列信号处理技术迅速发展,各种新的处理技术和快速算法不断出现,要求信号处理系统具有快速适应各种新技术和新算法的能力.其中并行处理是目前提高处理速度较为流行的一种方法,本文主要介绍几种并行处理结构的特点,并具体介绍了一种DSM系统中的处理结点所采用的多DSP并行计算结构.     

分形理论在图像编码中的应用

采用稳定性分裂结构分割方案,通过最优相似性合并R块的分形图像压缩算法进行编码.相对于传统分割方法,压缩倍数与恢复图像质量都有较大的提高.稳定性分裂和相似性合并的分形图像压缩算法是一种有效的改进算法.     

基于小波变换的图像压缩并行算法研究

小波变换用于图像压缩就是把图像进行多分辨率分解,分解成不同空间、不同频率的子图像。图像经过小波变换后被分割成不同频带,低频子带采用DPCM（差分脉冲调制）方法进行无损压缩,保证图像主要信息不丢失,其他于带采用改进的SPIHT（多级树集合分裂算法）编码方法提高压缩比,这样为算法的并行实现提供了可能。实验证明图像压缩的并行处理可以获得较小的时间开销。     

基于FPGA的H.263编码器设计

由于需要传输和处理的数据量巨大，采用可编程逻辑器件，可充分发挥FPGA高速、实时的特点，为视频图像压缩处理提供一个解决途径，同时也为进一步设计视频处理ASIC打下基础。经仿真结果表明，采用Altera公司的FPGA器件FLEX10K20(两片)和APEXⅡ(一片)，可完成4：2：O的CIF(Common Image Format)图像信号实时压缩处理。该编码器设计中，采用了多级流水线和并行处理的结构，使整个系统的速度得到了很大的提升，同时在后仿真阶段作了仔细的优化，在保证速度的条件下，使整个系统占用的硬件资源最少，具有很好的实用价值。     

图象数据压缩的一种向量量化方法

讨论了一些标准图象通过二维小波变换结果的统计特性，在此基础上，提出一种码本组织法，这种新的向量量化技术用于图象数据压缩时，能显著地减少向量匹配的搜索算法的计算量。     

改进向量量化算法的图像压缩研究

针对于传统的LBG向量量化压缩图像效果不是很好,而提高其效果的方法之一是增加向量的维数,但这也会增加运算的复杂性的情况下,提出一种改进的LBG算法来实现对图像分解效果的提高.该方法通过LBG算法先对图像进行量化编码,再用原图像减去该编码恢复的图像而得到量化误差;对这个量化误差还用LBG算法进行编码量化.还原时先恢复原图像的量化编码,再加上恢复的误差量化编码.仿真结果表明,改进算法运算复杂度不会增加,图像压缩后还原效果较好,同等条件下能得到更高的信噪比和峰值信噪比.     

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。     

SAR原始数据BATCQ压缩算法

提出了一种结合传统的块自适应量化与网格编码量化对SAR原始数据进行压缩的方法(BATCQ).首先对SAR原始数据实施块自适应量化以减小数据的动态范围,然后对块自适应量化后的数据进行网格编码量化.该方法在考虑了SAR原始数据特性的基础上利用卷集编码和信号空间扩展来增大量化信号间的欧氏距离,进一步提高了量化增益.仿真结果表明,该方法在SAR原始数据的压缩中,取得了较好的量化和抗误码性能.     

基于FPGA的SAR原始数据实时压缩系统设计与实现

文章讨论一种基于FPGA,并采用分块自适应量化(BAQ)算法的SAR原始数据实时压缩处理系统的设计方法,该设计可大大提高实时压缩处理系统的性能,降低数据率,突破卫星下传数据率的限制。BAQ模块内部采用4路并行处理的逻辑结构来计算数据块的统计特性;优化设计量化电平实时计算乘法器资源、量化比较逻辑结构;当I/Q两路采用多模块分时复用模型时,可使整个系统压缩处理能力成倍增加。通过测试表明,BAQ模块的最高运行速度可达到149 MHz,单个模块处理能力已达到1 Gbps以上,其中压缩比8/3时信号失真噪声比(SDNR)大于14 dB。     

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。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩     

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。     

一种新的多小波零树图像编码方法

多小波变换兼有对称性、正交性、光滑性和有限支撑等信号处理中的十分重要的性质,特别适用于图像的压缩编码。本文采用能量集中率很高的多小波预处理方法,对多小波变换系数采用多门限逐级量化方法,提出了一种新的多小波零树图像编码方案,仿真试验表明该方法的优越性。     

基于混合神经网络的图像分类矢量量化方法

介绍了一种基于自组织特征映射（SOFM）神经网络图像压缩的传统算法．通过对传统压缩算法的分析，提出了一种新的简单易行的分类矢量量化方法．新方法采用边缘检测，主元分析（PCA），自组织特征映射来设计码书，大大提高了图像的客观指标和主观视觉效果．实验表明，此方法效果明显优于传统的SOFM图像压缩算法．     

基于小波包矢量量化图像压缩方法

提出了一种新的数字图像压缩方案——基于小波包的区域联合矢量量化(WPVQ)．WPVQ压缩方案充分利用了小波分析的三个重要特点，即零树特性、多层分解和适合跨区域联合编码．在具体实现过程中，WPVQ又采用了一系列措施来提高信噪比并降低算法复杂度．计算机模拟实验表明，同采用嵌入式零树编码(EZW)的JPEG2．000相比，WPVQ可以在高压缩比情况下保持良好的信噪比和主观效果，尤其适合于对图像进行高压缩比的压缩处理．     

基于重建图像压缩率的量化方法

为了适应传输通道不同的带宽限制,目前各种图像编码算法通过调整量化参数QP的值来控制量化粒度,但是压缩算法的输出码率与量化参数QP值并没有显式的关系,造成QP值的选取很难与带宽约束相匹配。本文提出一种依据输出码率来控制量化粒度的方法QCR,可使压缩算法的输出码率尽可能贴近带宽约束。因为量化参数QP要映射成量化阶距Qstep,本文首先确定压缩算法的量化阶距Qstep与输出码率的关系,然后通过逆向插值确定64个给定的输出码率所对应的量化阶距Qstep,并根据这64个给定的输出码率修改相应的量化表和反量化表,从而建立了利用输出码率控制量化粒度的方法。实验部分采用AVS压缩算法,同样也适用于AVS2。由于AVS的量化表中含有整数DCT变换的小数部分,因此QCR方法用于调整H.264/H.265的量化表和反量化表时,必须与AVS的整数DCT变换有所不同。实验表明本文通过重建图像压缩率控制量化粒度的QCR解决方案是有效可行的。