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。     

基于组合码字的矢量量化编码算法

传统的矢量量化编码方法总是将待编码矢量以码书中唯一的最匹配码字作为其近似输出矢量,以实现数据压缩的目的.这种方法对远离码字的矢量无法避免显著的误差.本文提出组合编码的矢量量化方法,其思想是对远离码字的矢量进行主辅组合编码,对主码字编码造成的误差通过辅码字加以补偿.实验表明,该方法在很小降低压缩比率的条件下显著提高了矢量编码精度,能够在信号处理等领域发挥有效作用.     

基于条件PDF的宽带ISF参数分裂矢量量化方法

宽带ISF参数的矢量量化是语音编码中的重要环节,其量化性能的高低对于解码端语音的质量有重要影响.针对宽带语音ISF参数矢量量化问题,提出了一种新的量化方法.该方法利用ISF参数帧间相关性,将相邻2帧ISF参数的条件PDF用高斯概率模型表示.与传统分裂矢量量化不同,该方法首先根据前一帧的量化结果对当前帧分类、选择合适的码书,然后对该帧在选定的码书中进行分裂矢量量化.实验表明,该算法在每帧编码比特数44时达到透明量化,且平均谱失真比利用传统分裂矢量量化时的谱失真小.     

采用格形矢量量化的小波图象编码方法

研究了以格形矢量量化方法进行小波图象的压缩编码。以两种经典的格形矢量量化算法乘积码塔形矢量量化（ＰＣＰＶＱ）和分块均匀格点矢量量化为例，分析了两种算法中非均匀矢量格点的分布与输入信号源的概率密度分布函数的关系，指出在保持矢量格点具有规则分布的前提下，格点分布难以与不规则的输入矢量概率分布实现良好的匹配。提出了一种均匀格点分布与熵编码相结合的矢量量化图象编码方法，该方法与以上两种算法对信号源输入矢量的概率分布具有更灵活的适应能力。给出了该算法和ＰＣＰＶＱ的实验结果的比较。     

码书分类重排矢量量化方法及其应用

矢量量化可有效降低语音编码速率,但目前已有的多级分裂矢量量化、转换分类分裂矢量量化方法等都存在存储需求、计算复杂度以及解码语音质量等不能达到良好折衷的缺陷。该文提出了一种码书分类重排矢量量化方法。该方法通过将设计好的码书进行分类重排以降低码书搜索范围。并将该方法与多级分裂矢量量化结合,提出了码书分类重排多级分裂矢量量化方法。在量化比特及码书大小不变的前提下,实验结果表明:该方法可达到透明量化效果,量化时的计算复杂度最大降幅可达到多级分裂矢量量化方法的90.24%。     

一种基于分裂表扩展的格型矢量量化新方法

基于分裂表设计了一种适用于低比特率音频编码的格型矢量量化新方法.它将大值矢量分裂为基础码本中的矢量与分裂表中的分裂量之和,然后分别对其进行量化,从而在低计算复杂度下,解决了格型矢量量化中因矢量值过大而产生的过载失真问题.同时,通过仔细挑选RE8格中的子集,设计了适合该分裂表扩展方法的码本.结果表明,与经典的Voronoi扩展矢量量化方法相比,新方法在保持音频编码性能相当的同时,压缩了量化码本的存储空间,降低了计算复杂度.     

彩色视频的四维MDCT及矩阵量化编码

对赵岩的彩色视频的四维矩阵模型理论及压缩编码研究中的量化方法进行了改进,提出了矩阵量化的方法。矩阵量化克服了矢量量化码书敏感的问题,而且该方法不需要训练码书,不需要预测和运动补偿,易于快速实现。四维矩阵量化之后,又给出了进行变长编码时所需要的扫描顺序。变长编码后进行Huffman编码,这与经典的压缩方法是一致的。     

自适应格型预测语音子带编码

提出了一种自适应格型预测子带编码的语音编码方法。该方法在输入语音作子带分解的基础上，用自适应格型预测的方法对低频子带进行编码，用矢量量化的方法对高频子带进行编码，在相同码率的情况下，提高了编码的量化信噪比，改善了重建语音的质量。     

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。     

结合DCT和VQ编码的可恢复脆弱水印算法

由于编码效率和安全性不够理想,现有可恢复脆弱水印算法的篡改恢复性能有待进一步提高,结合DCT(Discrete Cosine Transform)和VQ(Vector Quantization)编码提出了一种编码方式可变的变容量可恢复水印算法。为了提高编码效率,根据8×8图像块的复杂程度,分别采用DCT或VQ编码生成变容量重要恢复水印信息。对4×4的高频分量块,利用VQ压缩生成8比特细节水印。将图像块的重要水印分成三部分及其细节水印基于密钥分别随机地嵌入在其他图像块中,以抵抗拼贴攻击。篡改检测时,综合四部分水印的不一致标识,判定图像块的真实性。为了提高恢复性能,利用提取的重要、细节水印信息和图像修复方法恢复篡改图像块。仿真结果表明,算法具有较好的编码效率和安全性,并且篡改恢复性能优于现有文献。     

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。     

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．     

基于小波变换及四元树矢量量化的图象数据压缩算法

小波变换在时域和频域具有良好的局部化性能,因而在图象压缩编码中得到广泛应用.矢量量化则因为其压缩比大,原理和算法相对简单,成为图象压缩的又一重要方法.采用小波变换与四元树矢量量化相结合对二维图象进行编码.结果表明,该方法可以获得较高的压缩比及PSNR.     

矢量量化的渐进构造模糊聚类算法

为了设计最优码书,提出了一种新的渐进构造模糊聚类（ＰＣＦＣ）算法,并将其应用到图像的矢量量化中．通过与其他矢量量化算法（如ＬＢＧ和ＦＣＭ）的比较,证明该算法不论在生成码书的质量还是在计算速度上都具有很强的优势．这种模糊矢量量化算法为进一步改善图像压缩的矢量量化性能提供了新途径     

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扫描对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     

基于二维小波分解的图像树形结构编码

采用双正交小波变换对图像进行分解,得到一个图像的多分辨率表示。对于不同分辨率的子图在Ａｎｔｏｎｉｎｉ提出的方法基础上采用树形结构的问题的向量编码。从实验结果可以看出,与全搜索ＶＱ相比较在信噪比影响不大的基础上,大大减少了编解码的计算时间。     

窄带宽环境下JPEG2000图像频域压缩方法研究

以往研究出的JPEG2000图像频域压缩方法,大多无法在窄带宽环境下实现高水准的压缩。因此,提出高水准的窄带宽环境下JPEG2000图像频域压缩方法。该方法选取EBCOT方法作为JPEG2000图像频域压缩编码方法,主要利用EBCOT方法对有损压缩进行研究。EBCOT方法的有损压缩编码流程分为块编码和分装,块编码对JPEG2000图像频域采样进行色彩变换的预处理操作,预处理后的频域采样码流将进行用户兴趣点标记、码流切分和编码,生成块摘要。分装是对块摘要进行切分、编码和分配装入,实现窄带宽环境下JPEG2000图像频域压缩的过程。经实验结果分析可知,所提方法能够实现高水准的图像频域压缩,解决图像信息收发难题。