一种用于加快图像矢量量化的算法

提出了一种应用于正交矢量空间,加快图像矢量化的新算法。该算法图像信号在正交矢量空间中的能量集中性,有效地减小了码书的搜索范围,加快了矢量量化速度。计算机模拟结果表明,在相同的技术指标下,与其他一些方法相比,该算法有效地减少矢量量化的编码时间。     

基于运动补偿的多级矢量量化联合编码算法

研究了基于运动补偿的多级矢量量化编码方法．针对传统算法编码质量较低的问题,在保持量化器结构不变的情况下,借鉴维特比编码方式,提出多级矢量量化联合编码算法,并采用部分失真快速码字搜索算法提高编码速度．仿真实验表明,与传统MSVQ算法相比,本算法不仅提高了编码图像的质量。而且降低了编码速率．     

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．     

快速编码算法的VLSI体系结构设计

研究了基于平方误差距离的矢量量化快速编码算法的VLSI体系结构,该结构以模块化思想设计,采用流水线技术、并行处理和设计复用技术提高了系统的处理速度,占用较少的硬件资源,很容易扩展到任意数目的码书,非常适合大尺寸码书的矢量量化编码系统.对结构中的各个模块分别编写了相应的Verilog HDL模型,完成了整个VLSI电路设计,成功地进行了功能仿真和验证.     

基于KLT／WT／WTVQ的三维多光谱数据压缩方法

提出了三维多谱图像数据压缩的新方法。在对多光谱图像数据进行Karhunen-Leove变换（KLT）消除谱相关性,再应用小波变换（WT）对KLT后的多光谱图像数据进行消除空间相关性。采用特殊矢量量化编码,叫作小波树矢量量化（WTVQ）编码对每个谱象数据进行压缩,获得较高的压缩性能。实验结果表明：KLT／WT／WTVQ压缩方法比KLT／JPEG和KLT／WT／FSVQ压缩方法在相同的PSNR条件下,CR提高20以上,整体压缩性能有较大的提高;在同样压缩比（CR）条件下,压缩速度提高3倍。     

变比特率均值匹配相关矢量量化图像编码算法

矢量量化(VQ)是一种有效的数据压缩技术。为找出与输入矢量最匹配的码字,传统的穷尽搜索矢量量化编码算法需要计算输入矢量与所有码字之间的失真测度。码书大小和矢量维数越大,穷尽搜索矢量量化编码的计算复杂度就越高。为了降低穷尽搜索矢量量化器的编码复杂度,本文提出了一种用于快速图像编码的均值匹配相关矢量量化器(MMCVQ)。在编码前,首先计算所有码字的均值,然后按照这些均值从小到大对码书进行排序。编码阶段,利用邻近图像块的高度相关性和当前输入矢量的均值共同确定相应的码字搜索范围。实验结果表明,当阈值大小为320时,与传统穷尽搜索矢量量化编码法相比,虽然MMCVQ算法的编码质量下降约0.3～0.4dB,但速度快14倍而且比特率下降0.1～0.2比特像素。     

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。     

塔形矢量量化图像编码技术的研究与实现

针对矢量量化图像编码技术中编码的复杂度随码矢的维数呈指数增长这一缺陷，本文提出了一种基于训练码矢塔形结构的快速算法。经实验证明，采用该方法可大大加快编码的速度，从而提高了编码的效率     

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。     

一种压缩比自适应快速矢量量化器的设计与实现

设计了一种图像16×16、8×8、4×4动态分块压缩比自适应的快速矢量量化算法.该算法可以根据图像的特征,在较大范围内自适应地变化压缩比,减少重复搜索的运算量,在提升图像压缩比的同时,编码速度也有很大幅度的提高.设计了编码电路,并在FPGA上进行了仿真及验证.结果表明,整个系统最大时钟频率可达76.55 MHz.与其他相关算法相比,该算法的压缩比有很大提高,而平均峰值信噪比降低却很少,可完全满足图像编码的高速和实时性要求.     

一种基于遗传算法的图象矢量量化方法

描述了一种基于遗传算法的图象矢量量化方法．遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，其运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限．同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现．文中主要讨论了遗传算法用于图象矢量量化的评价函数及操作过程，并与传统算法作了比较，给出实验结果．     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

基于编码通道数的JPEG2000压缩率控制算法

提出一种基于小波量化权值和编码通道数的JPEG2 0 0 0压缩率控制算法 .在位平面编码之前 ,根据当前码块所处的子带和码块内包含的编码通道数预先分配压缩码字数 .在编码过程中 ,编码码字数超过分配码字数时就截断码流 ,即实时截断码流 .与标准的率失真 (PCRD)优化算法相比 ,该算法不会在计算码率失真斜率和搜索最优分层截断点时产生运算开销 .实验结果表明 ,在 0 5b/像素下 ,所提算法对于Lena图像的存储器损耗和编码时间也只有标准PCRD优化算法的 6 8%和 18 7% ,但图像质量只低 0 8dB .这种算法资源损耗少 ,显著提高了运算速度 ,更有利于超大规模集成电路实现     

上下文相关算术编码的VLSI结构设计

由于上下文相关算术编码(CAE)方法的良好压缩特性，使其适用于二值形状视频对象的编码．然而CAE配编码所消耗的运算资源较大，不能满足实时视频编码的要求．为了有效减少数据载入次数，提出一种高效的上下文相关算术编码(CAE)的VISI结构．采用延迟线结构保存输入像素，使其在以后的处理中重复利用．实验结果表明，采用这种结构，有效减少了存储器的访问次数，在计算概率索引时，避免了加法操作，从而达到了利用较少的门电路实现高效编码的设计目标．     

基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

序列图像编码的一种神经网络方法

根据Kohonen自组织特征映射(SOFM)算法的特点,提出了一种分阶段SOFM的边缘保持码书的设计算法.将帧间块匹配、帧内块匹配与多级矢量量化有机地结合,给出了序列图像编码的快速实现算法.计算机模拟实验结果表明,在相同块大小的前提下,本算法各方面性能较优,主观质量好,无误差累积效应,快速简单,实用性强.     

适于硬件实现的3D SPIHT算法优化设计

通过对一种可精确控制压缩率的三维多分等级树(3D SPIHT)编码算法的分析,为提高编码速度,改进了3D SPIHT的算法结构,简化了动态分配内存的链表结构,采用位图映射的方式固定分配内存,可减少内存86.6%,无需进行硬件难以实现的链表操作. 变三维地址为线性地址,并在预处理时建立子代最大值映射表,减少了零树判断的时间. 实验结果证明,与原算法相比,当压缩比小于26.7时,优化后算法的速度提高了10倍以上,为进一步的VLSI设计奠定了基础.     

一种改进的零树编码算法

在SPIHT算法的基础上进行改进,提出了一种改进的新算法,该算法修改了分割排序策略、加入了幅值精细编码等措施在一定程度上克服SPIHT图像编码算法的不足,提高了编码速度,减少了内存的消耗,提高了图象复原的质量,是一种有效的图象压缩方法。     

JPEG2000 DWT变换器和EBCOT编码器的VLSI结构设计

为了进行符合新一代静止图像压缩标准 JPEG2 0 0 0的图像编码 IP核设计 ,提出了基于 JPEG2 0 0 0标准的离散小波变换器 (DWT)和优化截断的嵌入式分块编码器 (E-BCOT)的 VL SI结构。DWT采用的空间组合推举体制算法(SCL A)将基于 9/ 7滤波器的标准推举 (lifting)算法体制快速的运算量降低了 5 / 12。EBCOT采用的并行运算和动态内存控制 (DMC)结构 ,在保证编码速度的前提下 ,最大限度减小了片内小波系数缓存量和访问频率。这 2项设计均可以作为单独的 IP核应用在其他需要高速图像处理的领域 ,如远程监控、数码相机等。