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.     

矢量量化实现面向图像的调色板设计

本文用基于神经网络的矢量量化方法实现面向图像的调色板设计。以均匀颜色空间的距离作失真测度，以矢量量化的码书设置颜色寄存的颜色值。实验证明，效果令人满意。     

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。     

多媒体数据压缩新技术

数据压缩技术是多媒体中的关键技术。简要介绍了若干知名度较高的多媒体数据压缩新技术:矢量量化编码、神经网络广义变换编码、结构编码、小波变换编码和基于模型的编码。     

矢量量化中Voronoi区域的有效确定

分析Ｇｅｒｓｈｏ提出的关于降低矢量量化中编码的计算复杂度两个算法,指出其适用的范围和不足,并进一步提出有效确定Ｖｏｒｏｎｏｉ区域的快速算法     

基于混合学习矢量量化算法的遥感影像分类

在分析了Kohonen自组织特征映射网络(SOFM)和学习矢量量化(LVQ)算法的基础上,提出一种基于改进的SOFM算法和LVQ2算法的混合学习矢量量化(HLVQ)方法,并建立了基于HLVQ的遥感影像非监督和监督分类的一般模型。通过与传统的统计分类方法和LVQ2网络分类器比较,HLVQ分类器总的分类性能更好、识别率更高。     

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。     

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。     

基于传感器网络的标量量化器的设计

针对分布式编码在无线传感器网络研究中的重要性,着重研究了分布式编码中标量量化器的设计,分析设计最优标量量化器所存在的问题,提出了一种线性组合失真和速率的率失真数学模型。在此模型上,采用了一种改进的Lloyds迭代算法。通过仿真证明,此算法比传统的算法更能保证标量量化器的最优性或局部最优性。     

实时自适应波束形成器的神经网络方法

作者在Ｈｏｐｆｉｅｌｄ神经网的基础上构造了一种实时处理的自适应波束形成网络。由于实际应用中神经元的联结矩阵有时是奇异的，文章引入正则化方法，有效地提高了网络解的稳定性和处理速度。为了降低编程复杂性，避免计算求协方差矩阵，作者还改进了一种网络，该网络用模拟电路实现不需要任何计算，并且便于用常规的模拟电路实时处理。仿真实验结果表明，这种网比传统的自适应方法有较好的收敛和跟踪性能。     

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。     

A Novel Coding Method Based on Fuzzy Vector Quantization for Noised Image

1. INTRoDUCTIONAs we all know the image compressing coding is under such an assumption that the data being processed hasnot been polluted by noise. However, images poisoned by white Gaussian noise are met in applications. Thewavelet transform (WT) can analyse the signal with multiresolution and decompose it to differellt scales andfrequencies. So if the high frequency subbands of its decomposition can be restrained, the noise will be removedremarkably. The vector quaniization (VQ) techn…     

一种图像分割的人工神经网络新方法

本文着重研究应用人工神经网络（ＡＮＮ）理论来进行图像分割的问题，提出了一种图像分割的ＡＮＮ新模型，详细地研究了该模型的动力学特性，并给出了该动力学特性的计算机实现算法。利用实拍图像对此ＡＮＮ模型进行了一些有意义的仿真实验，并与常用的矩保持门限分割方法作比较，结果表明：本文提出的图像分割ＡＮＮ模型是切实可行的，且能较好地完成低信噪比（ＳＮＲ）条件下图像的分割任务，其分割结果优于矩保持门限分割方法。     

以熵序列收敛作算法停止判据的码书训练算法

以LBG算法为代表的传统码书训练算法基本上都用量化失真序列收敛作算法停止条件。提出了一种简单、快速的新算法。该算法的基本思想为 ,不必计算量化失真 ,直接用区域序列对应的熵序列收敛作停止条件。与经典的LBG算法相比 ,该算法结构更简单、速度更快、更容易理解。我们用典型的测试图像Lena、Barbara作实验 ,实验结果表明 ,该算法的PSNR与著名的LBG算法相差小于 0 1dB ,但它的运行速度比LBG快两倍以上。     

二相码旁瓣抑制的神经网络方法

本文研究了二相编码雷达信号的距离旁瓣抑制问题，用多层感知器网络实现了１３位巴克码的脉冲压缩和旁瓣抑制处理。计算机模拟结果表明，这种处理方式在主副比和多卜勒性能上优于直接失配加权处理。