基于DTW和LVQ网络混合模型的语音识别方法

提出一种基于动态时间规整（DTW）和学习矢量量化（LVQ）神经网络的语音识别方法。该方法用动态时间规整算法先对语音信号进行时间规整，然后通过学习矢量量化神经网络进行语音的分类识别。首先介绍利用动态时间规整和学习矢量量化进行语音识别的基本方法，然后给出DTW／LVQ混合模型的系统结构和学习算法，最后给出三种语音识别算法的实验结果。大量实验表明，混合模型的识别率，皆明显高于单一的动态时间规整和学习矢量量化的识别率。     

混合神经网络矢量量化的设计与实现

本文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,用三层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.     

SAR原始数据压缩的快速矢量量化器

回顾了矢量量化的各种快速算法,指出其在应用到SAR原始数据压缩中的局限性。为了将矢量量化应用到SAR原始数据实时压缩,提出一种基于查表的矢量量化器的设计方案,其中整合了其他的矢量量化算法。最后用各种快速算法以及BAQ算法进行了对实际数据压缩的实验比较,证明本算法在不降低量化速度的基础上,提高了原始数据量化信噪比。     

矢量量化在SAR原始数据压缩中的应用

分析了SAR原始数据的特性 ,从而提出了采用矢量量化对SAR原始数据进行压缩的方法。介绍了矢量量化的特点、矢量量化的基本原理、实现方法以及算法的数据流程 ;通过实验结果说明 ,采用矢量量化对SAR原始数据进行压缩 ,可以取得很好的效果 ,同时对SAR原始图像不会带来太大的损失。将矢量量化的方法用于星载或机载SAR上 ,对采集的SAR原始数据进行压缩 ,可以大大减少星载或贡载SAR设备的存储空间 ,从而提高设备的利用率。     

卫星图像的格矢量量化编码压缩方法研究

卫星图像是一个种高熵值图像,本文针对卫星图像研究了格矢量量化编码压缩方法,分析了格矢量量化特性,并列举了几种格。实验结果表明,格矢量量化编码压缩方法失真小,计算量少,比较适用于卫星图像编码压缩。     

一种快速模拟退火矢量量化图像编码算法

模拟退火是解决全局优化问题的随机搜索技术,它在工程领域有着广泛应用。将模拟退火技术与LBG算法有机结合,通过对LBG算法中的空胞腔码书进行适当处理,并设置适当参数使LBG与模拟退火交替进行,提出了一种快速模拟退火矢量量化图像编码算法,以降低计算量和进一步提高码书性能。实验结果表明,算法具有对初始码书选取依赖性小、不容易陷入局部极小、收敛速度快等优点。与随机竞争学习矢量量化及进化模拟退火矢量量化算法相比,峰值信噪比改善超过0.6dB。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

分块三级及矢量量化图像编码

本文提出了一种新的称为分块三级及矢量量化图像压缩编码方法。该方法是以分块截断编码技术和矢量量化技术为基础的编码方法。对两幅512×512×8静态测试图像进行的计算机模拟实验表明:平均编码率低于0.91比特/像素,即图像数据压缩比大于8.8倍,而信噪比不低于37dB,复原图像的主观质量较好。     

矩阵式变换器AV方法及谐波系数优化的研究

以间接空间矢量调制法为例,简要叙述了矩阵式变换器空间矢量调制策略的基本原理。在此基础上,首次提出扇区谐波的概念,给出了其基波分量的数学表示式,并对空间矢量调制策略带来的这种特有谐波作了量化分析,给出了数值计算的结果和它的性质。     

基于BP神经网络的颜色模糊量化方法

将BP神经网络用于颜色量化过程,提出了符合人眼颜色视觉特性的颜色模糊量化方法。对RGB颜色空间向量进行空间变换,提取得到颜色特征向量。对特征向量标准化处理后,作为BP神经网络的输入向量。将训练样本的期望类别输出做模糊化预处理,用模糊化后的隶属度值作为样本的目标期望输出。利用样本集对改进的BP神经网络进行训练.基于最大隶属原则对神经网络输入特征向量进行分类和量化。使用训练后的BP神经网络进行颜色量化的仿真实验,验证了所提出方法的有效性。     

Non-Photorealistic Rendering in Chinese Painting of Animals

1 Introduction1 Non-photorealistic rendering (NPR) is a newly developed rendering technique in recent years. The goal of NPR is not rendering objects realistically but more creatively such as in simulating various painting styles. Curtis, et al. [1] simulates the physical property of media and substrate in watercolor. But his work only focused on 2D image processing and does not use the information of 3D model in 3D scene rendering. There is another important artistic style in NPR call…     

Color-texture segmentation using JSEG based on Gaussian mixture modeling

1.INTRODUCTIONColor i mage segmentation is useful in many applica-tions.Fromthe segmentationresults,it is possible toidentify regions of interest and objectsinthe scene.Avariety of techniques have been proposed,for exam-ple:stochastic model based approaches[1,4,9],mor-phological watershed based region growing[11],energydiffusion[10],and graph partitioning[7].However,due tothe difficult nature of the problem,there are few auto-matic algorithms that can work well on alarge variety ofdata.Th…     

Color-texture based unsupervised segmentation using JSEG with fuzzy connectedness

1.INTRODUCTIONJSEG[1]is a distinguished one in many existing seg-mentation methods based on color-texture[1,4,6~8].Itis computationally more feasible than many othermethods[1]because JSEGis to test the homogeneityof a given color-texture pattern,instead of doing pa-rameter esti mationfor a specific model like many oth-er texture segmentation algorithms.The segmentation results produced by JSEGaremainly based on a class-mapformed by the color classlabel of every pixel,which is the prod…     

聚类分析在彩色图像量化中的应用

提出了一种基于模式识别技术的彩色图像量化的新算法—基于最小距离最大的快速统计聚类算法(FSCAMMD)。本算法克服了SCA算法对聚类中心初始值选取的不足,给出了最大频度与类内最小距离最大相结合的方法—初始值优选法。实验结果表明,本算法可较大幅度地减少图像量化后的总方差以及颜色失真度,量化效果优于SCA和其它一些聚类量化算法。     

相位量化数字射频存储器的设计考虑

本文讨论了相位量化数字射频存储器（ＤＲＦＭ）所需电阻环移相器、输入编码器和输出译码器的设计方法，分析了相位量化ＤＲＦＭ瞬时带宽与采样率的关系，并经计算机模拟证实。结果表明，当采用双通道处理时，与Ｉ，Ｑ双通道幅度量化一样，相位量化ＤＲＦＭ的瞬时带宽在数值上也等于采样频率。     

Model classification rate control algorithmfor video coding

1 .INTRODUCTIONRate control is ani mportant issue althoughit does notbelong to the normative part in video coding stan-dard . Without rate control many video coding sys-tems can not run smoothly because the client buffermay often under-flow and over-flow when a channelused to deliver the compressed streamis of constantbandwidth. There are several rate control ways for aconstant bit rate videotransmissionsystem.One si m-ple solution is shown in MPEG-2 TM5[1],and it isusedto be a benchmar…     

基于质量一致性优化的视频码率控制

针对低码率视频应用,提出一种获得均匀视觉质量的视频码率控制方法。该方法考虑人眼视觉特性,给出一个基于质量一致性优化的模型,并结合视频编码的特点实现此优化模型的求解。应用该方法,可以使图像宏块的量化参数及宏块失真度分布趋于集中,从而获得均匀一致的图像质量,同时可以减少编码码流中用于表征宏块间量化参数发生变化的句法比特数,使更多的比特数用于图像净数据的编码,提高编码效率。仿真结果表明,该方法适用于低码率及甚低码率的视频应用。     

一种量化因子自适应学习量化训练算法

深度神经网络因参数量过多而影响嵌入式部署,解决的办法之一是模型小型化（如模型量化,知识蒸馏等）。针对这一问题,提出了一种基于BN(batch normg lization)折叠的量化因子自适应学习的量化训练算法（简称为LSQ-BN算法）。采用单个CNN(convolutional neural)构造BN折叠以实现BN与CNN融合;在量化训练过程中,将量化因子设置成模型参数;提出了一种自适应量化因子初始化方案以解决量化因子难以初始化的问题。实验结果表明：8bit的权重和激活量化,量化模型的精度与FP32预制模型几乎一致;4bit的权重量化和8 bit的激活量化,量化模型的精度损失在3%以内。因此,LSQ-BN是一种优异的模型量化算法。