子帧的矢量量化

提出了一种新的压缩编码方案—子帧的矢量量化（简称ＳＶＱ）．对一幅有２５６×２５６个象素,每象素８比特的图象进行了计算机模拟实验．实验结果表明,在相同的信噪比下,ＳＶＱ方案比ＶＱ方案的数据压缩比高一倍,重建的图象主客观效果良好     

基于子矢量技术的矢量量化码字快速搜索算法

针对矢量量化编码过程中,码书搜索计算量较大的问题,提出一种基于子矢量技术的矢量量化码字快速搜索算法.算法使用小波变换后的系数合理构造矢量,在码字搜索过程中将输入矢量和码字划分为几个互不重合的子矢量,利用各个子矢量的2范数建立码字排除不等式,最终实现快速排除不匹配码字的目的.实验结果表明,该算法比EEENNS(equal-average equal-variance equal-norm nearest neiohbor search)算法在失真计算次数和计算复杂度上分别减少了51%～63%和25%～40%.相比Pan的算法减少了28%～41%的失真计算次数和31%～44%的计算量,而比Chen的算法则减少了8%～22%的失真计算次数和11%～19%的计算量.     

使用矢量量化技术压缩SAR原始数据

该文研究基于矢量量化技术的合成孔径雷达（SAR）原始数据压缩算法，提出了块自适应树型矢量量化（BATSVQ）算法和块自适应球形矢量量化（BASVQ）算法。与块自适应矢量量化（BAVQ）算法相比较，该文提出的算法采用约束型矢量量化技术，能够充分利用SAR原始数据经过自适应块处理后在较小的范围内具有稳定高斯分布的特性。采用以上算法对SAR实测数据进行了验证，并比较图像及其性能参数，结果表明BATSVQ算法和BASVQ算法能够获得算法性能和实现复杂度之间的合理折衷。     

基于小波变换的矢量量化编码方法

提出了一种基于小波变换的图像压编码方法，充分利用图像分解后得得小波系数与原始图像的关系、各个子图像象素之间的相准确性、各子图像方向上的相关性以及与人眼视觉特征（HVS）的关系，做到充分利用图像的统计冗余与视觉冗余，为了得到高的压缩比和好的图像质量，精确保留对图像质量影响大的系数，而对图像质量影响小的系数进行粗略量化。同时，在对小波系数的组织和编码上，也做到了具有普遍适用性，结果表明，此方法计算简单、计算量小，编解码时间少，在压缩比较高的情况下获得了较好的图像质量。     

基于小波分解的矢量量化图像压缩算法

作者在此文提出了一种新的静止图像压缩算法，是一种基于小波分解的矢量化压缩算法。该算法综合了多种编码方法的优点，经过计算机模拟实验，其结果表明：在高压缩比的情况下，新算法仍能获得满意的图像重建质量，优于目前已有的许多算法，具有良好的应用前景。     

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扫描在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。     

基于矢量量化和Huffman编码的图像压缩方法

实现一种数字图像压缩编码方法。该方法首先应用LBG算法对数字图像进行矢量量化编码,然后对矢量量化编码所得的最佳码书的索引进行Huffman编码。该方法的图像压缩比可以达到17.2：1。     

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．     

基于小波变换的图像矢量量化方法

从人眼视觉特性的角度研究基于小波变换的图像压缩算法。分析了图像经小波变换后得到的子带图像的视觉特性和统计特性，对传统的矢量量化算法给予改进，提出了一种基于小波变换，符合人眼视觉特性的矢量量化－Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换域下的矢量量化算法。     

整数小波变换与矢量量化相结合实现图像压缩

论述了基于提升框架下整数小波变换与矢量量化相结合的图像压缩.经仿真认为此方法可降低计算复杂度,实现快速小波变换,利用局部搜索法量化的速度高于全局搜索法,且可通过调整局部搜索范围调整恢复图像的质量,达到提高编码速度和恢复图像质量的目的。     

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．     

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。     

改进的SPIHT静止图像压缩编码算法

SPIHT算法是压缩编码效率很高的静止图像压缩编码算法。针对原算法没有从最佳率失真的角度出发来选择初始量化门限这一不足之处 ,提出了一种改进的 SPIHT算法。通过理论计算和试验分析 ,得到初始量化门限 T0 和编码失真的关系 ,并导出搜索最优初始量化门限 T0 的简单迭代方法。改进的 SPIHT算法能根据输入图像的特性和给定的编码输出码率自适应地选择最优初始量化门限 T0 。在相同输出码率的条件下 ,改进的 SPIHT算法比原算法峰值信噪比提高最多达 0 .6 d B     

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.     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的灰度图像数据压缩方法,采用双正交小波对像进行分解,作分解后系数的矢量量化。使用频率敏感自组织特征映射算法生成码书。这可避免直接矢量量化时的块效应,且相对于正交小波,恢复图像的质量也有所提高。     

基于小波变换的混合图像编码方法

提出了一种新的静止图像压缩算法--基于小波变换的混合图像编码方法.该算法综合了多种编码方法的优点.经实验表明在高压缩比的情况下,本算法仍能获得满意的图像质量,优于目前已有的其它算法.     

基于小波特征矢量的分离初始码书算法

针对LBG算法在图像空域中随机构造初始码书性能不稳定、压缩质量差的缺点,提出了一种新的基于小波变换的变换域初始码书构造方法。该算法利用小波分解后系数的父子关系构造训练矢量,在此基础上采用分离的初始码书算法,考虑了子带内部以及各子带之间的关联性。用两幅经典图像做了算法的性能仿真与比较。仿真结果表明,该算法与传统的随机LBG以及一般的小波随机LBG算法相比,具有收敛速度快、压缩比高、图像质量好的优点。     

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.