数字电视图象压缩编码

本文对各类电视图象压缩编码方法的原理、特点和进展作了较系统的综述。包括变换编码、预测编码、矢量量化编码、运动补偿编码和电视图象信号的亚奈奎斯特取样。对图象信号的特点、视频信号的数字化和电视图象压缩编码在综合业务数字网中的重要作用也作了简述。     

通用栅格编码量化在图象压缩量化中的应用

提出了一种基于栅格编码TCQ的图象压缩编码量化方法。论述了TCQ量化方法的理论基础栅格编码调制TCM和维特比算法的基本原理。在研究普通TCQ量化方法和其中集合划分存在问题的基础上，探讨了另外一种划分方法的可行性，得到通用栅格编码量化方法UTCQ。根据对实际图象量化结果的比较，证明了UTCQ的有效性。     

DCT算术编码在图象压缩中的应用

针对图像的压缩处理,分析了传统熵编码和算术编码的不同,指出算术编码效果更优的特点,进一步分析了算术编码的问题,提出了一种新的编码方式DCT编码,并将新的DCT算术编码和传统算术编码压缩做了一些比较,采用MATLAB软件调用图像wbarb对这两种方法做了一个简单的比较,得出DCT算术编码可以节约时间,提高效率,也可以使传输中的错误冗余减少,既便于传输,亦可以改善效果,同时DCT算术编码方式应用于图像压缩编码领域,基本可以无失真地压缩图像的结论.最后对算术编码的未来发展前景进行了展望,在时间复杂度和空间复杂度上,可以进一步研究,找到冗余度更低的算术编码方法压缩图像.     

基于神经网络分类的自适应图象编码

介绍一种对图象特征系数进行分类的自适应图象压缩编码算法。利用子图象ＤＣＴ系数间的相关性，使用神经网络的方法对ＤＣＴ系数矩阵进行分类对具有相近频率分布的变换系数矩阵进行聚类，使得各频率分量的方差减小，并提出了自适应的比特分配算法。实验表明在相同的压缩比情况下，该图象编码算法较其他方法有明显的提高。     

用模糊聚类神经网络设计图象矢量量化码书

讨论了一种模糊聚类神经网络模型，给出了将该模型用于图象矢量量化码书设计的学习算法。实验结果表明，模糊聚类神经网络可以为图象矢量量化压缩编码提供一种新的码书设计方法。     

子波变换图象压缩编码技术进展

从１９８８年Ｍａｌｌａｔ将子波变换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法。开创了子波变换在图象处理中的应用，子波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计，在１９９６年符合高清晰度电视标准的子波变换视频图象压缩技术将推出问世，本文综述子波变换图象压缩编码技术当前的进展。     

基于SOFM神经网络的图象矢量量化的研究

分析了自组织特征映射（ＳＯＦＭ）算法,讨论了按加权函数控制邻域半径的方法,并对ＳＯＦＭ算法应用于图象矢量量化进行了系统的仿真实验研究,为实际应用提供了实验依据和基础。     

图象压缩一从DCT到小波变换

讲述了基于散余弦变换（DCT）和小波变换（DWT）的压缩算法的各自特点，比较指出后者的优越性。并针对其应用前景介绍了新一代静止图象编码标准JPEG2000。     

一种新的基于自学习神经网络的静止图像编码方案

为了改善JPEG算法的编码性能,提出了一种新的基于自学习特征映射算法(SLM)的静止图像编码方案,基本思想是:1)先用矢量量化(VQ)对图像进行预测,然后进行DCT编码;2)采用新的SLM算法来改善VQ码书性能.实验表明,与JPEG算法相比,该方案具有更高的压缩比和更好的图像质量.     

一种改进的立体图像编码算法

为了提高左图像的编码效率,提出了一种新的基于自组织神经网络的立体图像编码算法(SOM VQ DE),SOM-VQ DE算法对右图像采用视差估计补偿技术(DE)编码,对左图像则使用基于自组织特征映射算(SOM)的矢量量化编码来取代传统的JPEG方法,矢量量化与视差估计的残差均使用DCT 霍夫曼进行编码.对立体测试图像Pentagon的实验表明,SOM VQ DE算法能够有效地提高左图像的压缩效率:1)在压缩比均为6.5.1时,SOM VQ DE算法的PsNR较JEPGqG DE算法提高了2.42 dB;2)在PsNR均为30 dB时,SOM VQ DE算法的压缩比改善是JPEG DE算法的1.8倍.     

一种自适应图象压缩编码算法

提出了一种自适应图象压缩编码算法（ＡＣＣ）,该算法将绝对矩方块截断编码算法（ＡＭＢＴＣ）、内插法和四叉树技术有机结合起来,根据图象的局部特性调节编码算法．仿真结果表明ＡＣＣ算法与文献［５］中自适应算法相比,在相同的压缩倍数下,能得到更好的编码性能．     

一种基于联想神经网络的矢量编码

利用种经网络稳定记忆的吸引战能把输入矢量聚类的特性，本文讨论了一种改进的Hopfield离散神经网络用作矢量编码，这种方法能获得较高的数据压缩比和较小的压缩失真。     

内插矢量量化图象编码

针对传输凝固图象的要求,提出了一种压缩编码方案。方案具有压缩比高,抗干扰能力强,算法简单,易于硬件实现等特点。用它对多幅256×256个象素,每象素8bits 的图象进行了计算机模拟实验。实验结果最高可达31.65 dB(1bit/pixel),恢复的图象主客观效果良好。     

神经网络技术在工程图纸识别中的应用

提出一种应用神经网络技术识别工程图纸扫描图象中图形符号的方法,这种神经网络分类器不仅使识别系统具有自适应性、可拓展性等特点,而且可适应工程图中符号处于粘连、相交、退化等复杂情况下的识别,对目前工程图识别中的最困难问题提出了一个有效的解决方法。     

小波变换与矢量量化编码

图象的小波变换具有空－频同时局域化的性质，矢量量化编码能获得较高的压缩率，我们对原始图象经三轮小波分解形成１０个子带，对最低低频分子的子带采用标量量化，而对其余子带采用矢量量化编码。通过编码后的数据，能够重建原图，实验结果证明了这种方法有较好的效果。     

BP神经网络在方钢管混凝土轴心受压试验数据拟合中的应用

本文使用BP神经网络对方钢管混凝土轴心受压试验的数据进行拟合，并将BP神经网络的拟合曲线与10次多项式的拟合曲线进行了对比。结果表明，建立的BP神经网络模型能够准确拟合方钢管混凝土轴心受压的试验数据，具有较好的非线性拟合效果，拟合精度高。     

一种简单而高效的彩色图象压缩方法

提出一种简单而高效的彩色图象压缩方法。一幅真彩色图象经编码后，其码率由２４ｂｉｔｓ／ｐｉｘｅｌ下降到１．７５ｂｉｔ／ｐｉｘｅｌ，重建图象仍能保持较好的视觉效果。实验结果表明此方法简单，效果良好