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。     

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。     

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。     

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。     

运动图象的三维子波变换压缩编码

本文提出一种基于边缘检测的三维子波变换运动图象压缩编码方法。该方法首先对图象序列进行三维子彼变换；然后对变换后的分解图采用在同一子波变换层中通过检测低频区来检测高频区的边缘，以及检测低频帧来检测高频帧的边缘运动矢量；最后只对检测到的有效边缘或边缘运动矢量进行编码，省略位图编码。实验结果表明，这种方法在不增加运算复杂程度的情况下，获得得了好的主观质量和高的压缩比。     

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.     

多值图象分层为二值图象的压缩编码方法

本文提出并实现了一种新的多灰度图象压缩编码方法。该方法将多灰度图象按位分层为二值图象,进行游程长度编码。各码码长相等(均为8bit);码字覆盖的最大游程长度为1024。由于按照字节存取,编码解码很方便;遇到干扰可恢复图象,比Huffman编码有很强的抗干扰性能。提出的直接图象码解决了游程长度较短的低位分层图象的压缩问题。对于序列活动图象,帧内、帧间编码能同时进行,实现容易。该压缩编码方法无失真,也可应用于文本二值图象的编码压缩。     

一种基于小波分解的图象分层分类矢量量化方法

作者提出了一种基于小波分解及采用自组织特征映射神经网络进行分层分类矢量量化的静态图像压缩编码方法。首先对图象进行了小波分解。利用不同分辩率级间小波子图的相似性,将最低分辩率层子图的矢量编码信息作为整幅图象的解码数据,并将其矢量分类和解码索引地址信息用于高分辩率层子图的码书训练。实验表明,和其他文献提出的方法相比,作者提出的方法在获得较好重构图象质量的前提下,提高了压缩比和编解码速度。     

一种高效的分形图象编码技术

将固定矢量的概念应用于分形块编码中，对图象的平缓区进行固定矢量的线性组合编码，并且在分形编码中，采取了分层处理的思想，实验表明，与基本的分形块编码方法相比，本文提出了的固定矢量层次分形编码方法在保证一定的重建图象质量下，使用象的压缩比有了明显的提高，并且大大提高了编码和解码速度。     

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.     

基于视觉特性的子波图象编码

提出了一种基于视觉特性的子波变换图象量化编码方法．这种方法首先通过子波变换将图象进行多分辩率分解；然后充分考虑人眼对图象的视觉效果，对子波系数进行量化和行程编码；最后针对子波系数量化和行程编码所得的码字分布特性，采用感知熵编码，实现编码码率趋近于图象的感知熵．采用该方法可在保证一定图象质量的情况下，消除冗余信息，提高图象编码的压缩比     

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。     

基于双正交子波变换的遥感图象编码方法

介绍一种基于双正交子波变换的遥感图象数据压缩方法。原始图象经过子波变换后，分解为亮度子图象和边缘子图象，采用国际标准的ＪＰＥＧ方法编码亮度子图象，使用快速矢量量化（ＦＶＱ）编码边缘子图象。实验结果表明，在码率为０．８ｂｉｔ／ｐｉｘｅｌ的情况下，重建图象的峰值信噪比为２８ｄＢ，恢复质量好于直接使用ＪＰＥＧ编码。     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

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。     

自适应分形矢量量化编码

提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时,使用设计的自适应二维维纳数字滤波器,对收缩的均值图像进行滤波后,可构造好的码书。实验证明,本方法码书不需外部训练,解码不需要迭代,可以改善重建图像的视觉质量,使压缩比和PSNR都有明显提高。     

基于DCT的图像压缩技术算法的改进

对JPEG图像压缩标准中的DCT变换和量化部分提出了改进意见.其中DCT变换部分采用查表法代替常规的DCT算法,从而大大提高了运算速度;量化部分用基于简单有效的“二重测试算法”的矢量量化取代了一般的欧氏距离矢量搜索算法,明显加快了码书的搜索速度.     

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。     

基于矢量量化和Huffman编码的图像压缩方法

实现一种数字图像压缩编码方法。该方法首先应用LBG算法对数字图像进行矢量量化编码,然后对矢量量化编码所得的最佳码书的索引进行Huffman编码。该方法的图像压缩比可以达到17.2：1。     

点阵图象与矢量图象的程序制作与处理

从程序设计的角度介绍了点阵图象与矢量图象的生成、存储和再现方法，论述了两种图象各自的特点。