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。     

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。     

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。     

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。     

基于空间域图象变换的矢量量化图象编码方法

本提出一种新的矢量量化图象编码方法。这种方法不同于通常矢量量化图象编码方法的地方在于,它利用若干空间域图象变换来构造码书,这些图象变换本身也构成码书中码矢的索引。这样就在解码端,免除了预置码书的累赘。本提供了这种方法的实验实例。     

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。     

灰度图象的快速矢量量化

本文改进了矢量量化的码书设计方法和编码的搜索过程，大大提高了矢量码书的训练效率 和编码速度，获得了满意的压缩速度和效果，通过对标准测试图象的测试，速度平均提高了２．６倍，而信噪比却下降很少。     

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）。     

基于矢量量化与神经网络的调色板设计

用基于神经网络的关量量化方法实现面向图象的调色板设计，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器的颜色值。实验证明，效果令人满意。     

子帧的矢量量化

提出了一种新的压缩编码方案—子帧的矢量量化（简称ＳＶＱ）．对一幅有２５６×２５６个象素,每象素８比特的图象进行了计算机模拟实验．实验结果表明,在相同的信噪比下,ＳＶＱ方案比ＶＱ方案的数据压缩比高一倍,重建的图象主客观效果良好     

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。     

图像菱形块自适应矢量量化压缩编码

充分利用视觉生理和心理学特性,把图像分成菱形块,根据韦伯定理设定一个滤波器,把图像块分成三个区域块,采用改进ＳＯＦＭ神经网ＭＳＦＯＭ来训练各分类块,并编制码书。实验结果“块效率”明显改善。     

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.     

多级矢量量化语音波形

本文介绍了一种通用多级矢量量化器的设计方法。这种量化器能有效地克服运算复杂度与存贮器需要量随矢量维数成指数律增长的困难,因而能采用较大的矢量维数以达到较佳的数据压缩率。该方法允许任意指定量化器的级数、矢量维数、每采样码数或传输速率,并按任意指定的数目生成初始码本并将它们优化到局部最优点,然后从中挑出最佳者。该方法中误差计算为一独立模块,可通过更换不同模块来实现以不同误差测量准则来优化码本。由于该方法能方便地设计出具有各种不同参数的多级矢量量化器,故能对量化器级数、矢量维数、每采样码数及不同误差测量方法与量化器性能的关系作有效地研究模拟。本文还给出用该法设计的传输速率为16kbit/s及9.6kbit/s两个多级语音波形矢量量化器的模拟结果。     

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．     

用矢量量化和隐马尔可夫模型实现英语话句的识别

描述用矢量量化和隐马尔可夫模型实现的英语话句识别系统.采用逐级优化分裂聚类分析获取矢量量化的码本,用平均振幅函数及过零率进行单词切分,用线性预测参数的似然比距离衡量两个矢量差异的大小,使用一阶从左至右的隐马尔可夫模型,用多个输出符号序列进行训练,用Viterbi算法进行识别.用文法分析技术辅助实行识别结果的判定.