一种简单的基于矢量量化的方块编码方案

通过对矢量量化优缺点的分析，提出了一种简单的基于矢量量化的方块编码方案，首先经过预实验确定方块分割方法，然后抽取各方块的均值进行标量量化，再对方块中剩余的值进行矢量量化，实验表明此方案的效果很好，而且它的算法简单，易于硬件实现。     

一种基于4叉树的分类矢量量化算法

提出了一种基于４叉树的分类矢量量化算法。它充分利用了图象的局部统计特性和人眼的视觉特性，综合了分类矢量量化、方块编码、抽样／内插等多种技术的优点。在提高了压缩效率的同时，又克服了其矢量量化算法中常见的边缘细节模糊的缺陷。实验表明，对于静止灰度图象，在码率低于０．２５ｂｐｐ时，仍具有令人满意的主观视觉质量。较ＪＰＥＧ算法，同等码率下，峰－峰信噪比提高２ｄＢ以上。     

基于模拟退火技术的多级矢量量化编码方案

研究了矢量量化最优码书的形成条件，以多级矢量量化和模拟退火技术为基础，提出一种基于模拟退火技术的多级矢量量化编码方案。实验证明，该算法不仅降低了计算的复杂度和码书存储量，而且在较高压缩比下可获得较好的图像恢复。     

一种基于预测的矢量量化图像编码方法

为了提高图像编码效率,提出了一种基于预测的矢量量化图像编码方法．在编解码端设置维数和大小各不相同的两种码书．对于平滑区域,用较小的码书对输入矢量进行编码,从而加快图像编码速度和降低比特率;对于边缘区域,用较大的码书去量化当前输入矢量以保证图像质量．文中还提出了一种有效的码书设计方法以提高生成的码书的质量．仿真结果表明,相对于其它方法,文中所提出的矢量量化图像编码方法运算速度更快,在同样图像质量下降低了传输过程中所需的比特率．     

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     

矢量量化的一种快速编码算法

矢量量化的计算量主要在于搜索最近的码字,这也是矢量量化实用化的障碍。作者在该文中提出了一种不增加量化噪声快速编码算人实验结果表明,所提出的快速编码算法相对于穷尽搜索算法只需增加较小存储量,就将使小算时间可大大降低。     

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。     

基于小波变换的矢量量化快速编码算法

提出了一种基于均方误差（MSE）测度的矢量量化快速编码算法，算法利用小波变换的特点，合理地构造矢量，结合非线性插补矢量量化技术、矢量和值差法和部分失真排除法，在搜索编码过程中，有效排除部分候选码字。实验结果表明，相对于穷尽搜索方法，计算量有明显降低，计算时间减少约97%。     

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。     

基于格型矢量量化的小波零树图像编码方法

把格矢量量化与小波零树编码相结合,提出了一种小波矢量零树图像编码新方法,其性能优于已报道的格型矢量量化小波图像编码方法和最成功的小波零树图像编码方法,而且其复杂度远低于已报道的格型矢量量化小波图像编码方法。实验结果证实了方法的有效性。     

一种矢量量化中的码本优化方法

在语音压缩编码中，矢量量化占有很大比重和计算量。码本的好坏与方法的选择有很大的关系。     

图像的小波锥分解及其矢量量化

分析了图像的小锥形分解后所存在的层内和层间信息冗余，并用层内和层间结构约束矩阵来描述这些分量之间的联系。利用结构约束矩阵，可以在通常矢量量化的基础上将码率进一步压缩。     

STC相关矢量量化图像编码算法的VLSI结构

STC(Switch—Tree Coding)相关矢量量化图像编码系统是在传统的矢量量化的基础上，根据相邻图像块空间相关性的继承性，运用STC编码算法对矢量量化后输出的码字地址进行空间相关继承编码，在不引入任何额外的编码失真的情况下，图像平均比特率可达到0．32bit／pixel。将STC编码算法用VLSI实现后嵌入到已有的矢量量化VLSI结构中，在不降低硬件速度的前提下，提高了图像的压缩率和信道的利用率。模拟与验证结果表明，该结构可以获得约66MPixel／s的数据处理速度，能够满足图像实时传输的需要。     

矢量量化及其硬件实现

介绍了矢量量化的基本原理。采用矢量量化方法对分辨率为512×512的数字图像进行了计算机模拟,使由原图像的8 bit/像素降到了0.5bit/像素,同时用硬件实现了矢量量化编码.在硬件实现中,其主要部件采用74S器件,用绝对值减法器作为失真运算器以及编码器.与计算机的数据交换采用DMA方式,大大降低了编码时间.完成一幅分辨率为512×512的数字图像的16:1压缩仅需9s时间。     

一种基于小波和低复杂度矢量量化的视频编码算法

提出一种新的基于小波和低复杂度矢量量化的视频编码算法。利用子带间的相关性,通过同方向跨带矢量中部分低频系统分量间失真的计算代替整个失真的计算,将矢量量化器的计算复杂度降低了７６‰;通过最低频子图像的运动矢量去预测蓁子图像的位移矢量,极大地降低了运动补偿的复杂度。     

一种改进的树形矢量量化编码算法

矢量量化中的一个最严重的问题是在一本码本中搜索最近码字的高计算复杂度。本文在研究树形矢量量化的基础上提出了一种改进的树形矢量量化编码算法。实验结果表明,本文提出的编码算法相对于树形矢量量化算法可大大改善峰值信噪比（ＰＳＮＲ）。     

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。     

矢量量化法用于改进的多带激励声码器一种极低比特率语音编码方案

在低比特率语音编码方法中，改进的多带激励编码方法可得到低噪声和稳健性强的重建语音，但运算量很大．作者在改进的多带激励编码研究中，将矢量量化方法引入频谱幅度的量化，不仅降低了运算量而且降低了编码比特率，使得在１．３５～１．８ｋｂｉｔ／ｓ的编码比特率下的重建语音，与４．８ｋｂｉｔ／ｓ编码比特率下（按自激励声码器编码方法）重建的语音质量相比毫不逊色．