首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 140 毫秒
1.
矢量量化在SAR原始数据压缩中的应用   总被引:6,自引:3,他引:3  
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。  相似文献   

2.
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。  相似文献   

3.
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.  相似文献   

4.
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。  相似文献   

5.
基于三维小波变换及运动补偿的视频图像压缩技术   总被引:3,自引:1,他引:2  
视频图像压缩技术是多媒体信息存储和传输的关键。提出了一种结合运动补偿的三维小波视频图像编码压缩技术。该算法首先对视频图像进行三维小波分解 ,然后对分解后的不同频率的子图像进行量化编码 ,并结合运动补偿技术消除图像帧之间的冗余相关信息 ,实现视频图像的编码压缩。实验仿真结果证明了这一算法的可行性和有效性  相似文献   

6.
SAR原始数据压缩的快速矢量量化器   总被引:2,自引:1,他引:1  
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。  相似文献   

7.
重点对多GPU系统上图像合成优化方法进行研究,提出一种基于压缩掩码位图的图像合成优化方法。该方法以二进制位表征像素的有效性状态,实现了图像有效像素的编码压缩,并在压缩编码基础上定义了4种位运算操作,能够快速完成图像重叠区域的判别,实现了多GPU系统上高分辨率图像的快速合成。实验结果表明,与传统基于包围盒及RLE编码的图像合成优化方法相比,压缩位图编码方法能够有效提高图像合成速度近40%左右。  相似文献   

8.
图像稀疏分解是一种新的图像分解方法,可以将图像分解为很简洁的近似表达形式。在图像稀疏分解的基础上,对分解出的数据进行压缩。通过对分解结果数据分布规律进行分析,提出了量化和编码的方案,期望在低比特率情况下,得到较好的解码图像质量。实验结果表明基于稀疏分解的图像压缩方法得到的解压图像有较好的主观图像质量。  相似文献   

9.
对原始图像分块后,通过整数平方量化阈值编码与上下文相关的零树编码的有机结合,提出一种基于整数小波变换和整数平方量化阈值的上下文相关零树编码算法ISCZ(Integer Square threshold and Context-based Zerotree)。ISCZ算法不仅缩短了各量化阈值间的距离,增加了编码过程中零树的数量,而且充分挖掘了零树符号间的相关性,克服了基于提升框架的(5,3)等整数小波变换能量集中性差的缺点。实验结果说明,ISCZ算法对静态图像的压缩效果优于目前已有的小波压缩算法。  相似文献   

10.
基于图像内容和人眼视觉特性的JPEG压缩编码   总被引:2,自引:0,他引:2  
静止图像压缩主要包括变换、量化和编码 ,其中量化对压缩的性能 (图质和压缩比 )起决定作用 ,它涉及质量因子和基本量化表的确定。从输入图像的统计特性出发 ,通过比特率控制算法 ,统计图像的活动性水平 ,选择适当的质量因子使码流文件大小不超过给定值。并根据人类视觉系统的特征 ,计算出更能反映人眼特性的基本量化表 ,将二者结合起来用在JPEG基本压缩系统中 ,使系统的整体性能在率失真理论的意义上得到优化。软件验证表明 ,采用此算法进行压缩 ,在保证码流文件大小的同时 ,解压图像的可视效果好  相似文献   

11.
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。  相似文献   

12.
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…  相似文献   

13.
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。  相似文献   

14.
This paper presents systematically a method for image compression/decompression viawavelet transform.It consists of filter,quantization and Huffman coding etc..Different methodshave been compared.Finally,some suggestions for further studies are proposed.In fact,the paper isa summary of our recent research.  相似文献   

15.
基于EM算法的有监督LVQ神经网络及其应用   总被引:1,自引:0,他引:1  
针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。  相似文献   

16.
ELECTRONICS TECHNOLOGY1. INTroDUCTIONThe human brain can process subtle differences between the images that are presented to the left and right eyesto perceive a three-dimensional (3-D) outside world. This ability is called stereo vision. A stereoscopic systemmay be used to stimulate the stereo vision ability edificially. A stereo pair, a pair of images of the same sceneacquired from two different perspectives, is presented to the observers so that the right image is seen by theri…  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号