一种改进的等误差自组织特征映射矢量量化算法

为了改善矢量量化的码书性能和提高神经网络的学习效率,在分析等误差自组织特征映射算法(equidistortion self-organizing feature mapping,EDSOFM)的基础上,提出了一种改进算法.改进算法将模糊神经网的隶属度函数引入到竞争学习算法中,有效地提高了学习收敛速度.针对原算法搜索获胜...     

一种改进的等误差竞争学习矢量量化算法

针对等误差竞争学习矢量量化算法的初始码书生成随机性较强和搜索获胜码字计算量较大这2个缺点.提出了一种改进算法.对于初始码书的缺点,改进算法采用一种基于训练矢量的统计特征量的分类平均初始码书生成算法,同时改进算法利用3个不等式来快速排除大量候选码字,从而解决了原算法计算量较大的问题.仿真实验表明,改进算法的计算量比原算法减小了80%,而图像效果即峰值信噪比(PSNR)比原算法平均提升了0.5 dB左右.     

一种改进的等误差竞争学习矢量量化算法

针对等误差竞争学习矢量量化算法的初始码书生成随机性较强和搜索获胜码字计算量较大这2个缺点,提出了一种改进算法。对于初始码书的缺点,改进算法采用一种基于训练矢量的统计特征量的分类平均初始码书生成算法,同时改进算法利用3个不等式来快速排除大量候选码字,从而解决了原算法计算量较大的问题。仿真实验表明,改进算法的计算量比原算法减小了80%,而图像效果即峰值信噪比(PSNR)比原算法平均提升了0.5 dB左右。     

改进的自组织特征映射算法及其在图像矢量量化中的应用

从自组织特征映射算法的基本思想出发，通过研究ＳＯＦＭ算法在设计矢量是一化码忆上时存在的问题。对其进行了改进，计算机模拟实验的结果表明，改进后的ＳＯＦＭ算法有效地改善了图像编码质量，同时大幅度降低了码书的训练时间，算法简单，易于硬件实现。     

矢量量化的等误差竞争学习算法

提出了一种使各区域子误差相等的矢量量化算法．该算法利用小渡变换后各子带间的相关性，合理构造矢量．采用最优矢量量化器设计原则．通过调整学习过程中各子区域的误差，使之趋于相等，改善总的期望误差，获得更接近全局最优的码书。实验表明，这种算法获得的码本优于其它几种算法。     

矢量量化的等误差竞争学习算法

提出了一种使各区域子误差相等的矢量量化算法，该算法利用小波变换后各子带间的相关性，合 理构造矢量，采用最优矢量量化器设计原则，通过调整学习过程中各子区域的误差，使之趋于相等，改善总 的期望误差，获得更接近全局最优的码书。实验表明，这种算法获得的码本优于其它几种算法。     

一种新的自学习特征映射算法研究

为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法.     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

基于改进SOFM的矢量量化图像压缩

在介绍矢量量化和自组织特征映射神经网络的基础上,针对基于自组织特征映射神经网络的矢量量化算法,在初始码书生成、获胜神经元搜索策略以及调整获胜码字及其拓扑领域权值等方面进行改进.实验结果表明改进算法具有合理性和有效性.     

一种用于计算机图形分离的自组织映射彩色量化方法

提出了一种用于计算机图形分离的自组织映射彩色量化改进方法，该方法首先将自组织映射的输出神经元分成灰度组和彩色组分别进行初始化，在训练过程中分别训练灰度组和彩色组中的神经元，同时采用生长、修剪及合并方案来自适应地调整神经网络的结构，实验结果表明，该方法能够大大提高收敛速度和量化精度，满足了后续图像分割和识别的需要。     

一种改进的等范数最近邻码本矢量搜索算法

文章提出了一种改进的等范数最近邻码本矢量搜索算法,该算法预先离线计算好各码本矢量的2-范数和它与中心线的矢量夹角,再根据各码本矢量的2-范数进行升序排列.编码时用二分法搜索到与目标矢量2-范数最近的码本矢量,再排除那些不在目标矢量形成的夹角范围内的码本矢量。结果证明,该算法对比文中列举的其他算法更加高效。     

矢量量化快速搜索算法的研究

为了进一步降低矢量量化的运算量,提出了一种新的快速搜索算法.在最近邻域搜索算法的基础上,提出了一个基于矢量分割的一般性码字排除准则.该准则综合利用子矢量的均值和方差参数,构造了一个判决不等式来排除不可能的码字.算法中子矢量的个数设定为2.实验结果表明,该算法的运算时间是改进的等均值等方差最近邻域搜索(IEENNS)算法的80%左右.该算法的性能要优于以往的几种基于不等式判决的快速搜索算法,可以应用在语音和图像编码算法中.     

加权平方误差测度下的快速矢量量化算法

为降低加权平方误差测度下的矢量量化运算量,针对加权因子固定与不固定两种情况,分别提出了快速搜索算法。加权因子固定时,对等均值最近临搜索算法做了相应改动即可应用;加权因子随输入矢量变化时,提出了一种分裂多级等均值最近临搜索算法,算法提出了3个新的排除准则,在不同的场合下选用部分或者全部,从而有效降低码字搜索运算量。测试结果表明:分裂多级等均值最近临搜索算法能够有效降低加权平方误差测度下矢量量化的运算量,比全搜索算法能够节省约69%的运算量。     

加权平方误差测度下的快速矢量量化算法

为降低加权平方误差测度下的矢量量化运算量,针对加权因子固定与不固定2种情况,分别提出了快速搜索算法。加权因子固定时,对等均值最近临搜索算法做了相应改动即可应用;加权因子随输入矢量变化时,提出了一种分裂多级等均值最近临搜索算法,算法提出了3个新的排除准则,在不同的场合下选用部分或者全部,从而有效降低码字搜索运算量。测试结果表明:分裂多级等均值最近临搜索算法能够有效降低加权平方误差测度下矢量量化的运算量,比全搜索算法能够节省约69%的运算量。     

基于子矢量技术的矢量量化码字快速搜索算法

针对矢量量化编码过程中,码书搜索计算量较大的问题,提出一种基于子矢量技术的矢量量化码字快速搜索算法.算法使用小波变换后的系数合理构造矢量,在码字搜索过程中将输入矢量和码字划分为几个互不重合的子矢量,利用各个子矢量的2范数建立码字排除不等式,最终实现快速排除不匹配码字的目的.实验结果表明,该算法比EEENNS(equal-average equal-variance equal-norm nearest neiohbor search)算法在失真计算次数和计算复杂度上分别减少了51%～63%和25%～40%.相比Pan的算法减少了28%～41%的失真计算次数和31%～44%的计算量,而比Chen的算法则减少了8%～22%的失真计算次数和11%～19%的计算量.