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。     

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。     

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。     

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.     

基于小波变换的矢量量化编码方法

提出了一种基于小波变换的图像压编码方法，充分利用图像分解后得得小波系数与原始图像的关系、各个子图像象素之间的相准确性、各子图像方向上的相关性以及与人眼视觉特征（HVS）的关系，做到充分利用图像的统计冗余与视觉冗余，为了得到高的压缩比和好的图像质量，精确保留对图像质量影响大的系数，而对图像质量影响小的系数进行粗略量化。同时，在对小波系数的组织和编码上，也做到了具有普遍适用性，结果表明，此方法计算简单、计算量小，编解码时间少，在压缩比较高的情况下获得了较好的图像质量。     

小波域中的分形图象编码方法

研究了小波变换和分形编码相结合的图象压缩方法,即对小波域（传统发形编码在空间域进行）图象进行分形编码,解决了传统分形编码收敛条件苛刻,解码步数难以确定的问题;同时又提出了类似四叉树分割的变长小波树的分形压缩算法,结合小波系数的分层量化算术编码,几乎可以准确地控制压缩倍数,解决了传统发形压缩倍数难以控制的问题,并且通过自动调整阈值的大小,找到小波域图象的最佳小波树分割,也也就是找到了小波系数和分形系数的最佳折衷,最后对DCT,传统分形编码和新方法进行比较,哪现新方法具有一些明显的优点和特点,尤其在压缩比下更是如此。     

小波变换及图象的VQ压缩

利用小波变换可实现图象的多分辨率分解，但分解后数据量并没有得到压缩，用ＶＱ对分解后的细节图象进行编码时，根据分解后矢量的均值，方差分类设计码本，该方法不但可有效地提高编码时搜索速度，而且重建后图象的也有所提高。     

基于小波变换的图像矢量量化方法

从人眼视觉特性的角度研究基于小波变换的图像压缩算法。分析了图像经小波变换后得到的子带图像的视觉特性和统计特性，对传统的矢量量化算法给予改进，提出了一种基于小波变换，符合人眼视觉特性的矢量量化－Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换域下的矢量量化算法。     

基于小波变换的混合图像编码方法

提出了一种新的静止图像压缩算法--基于小波变换的混合图像编码方法.该算法综合了多种编码方法的优点.经实验表明在高压缩比的情况下,本算法仍能获得满意的图像质量,优于目前已有的其它算法.     

基于混合神经网络的图像分类矢量量化方法

介绍了一种基于自组织特征映射（SOFM）神经网络图像压缩的传统算法．通过对传统压缩算法的分析，提出了一种新的简单易行的分类矢量量化方法．新方法采用边缘检测，主元分析（PCA），自组织特征映射来设计码书，大大提高了图像的客观指标和主观视觉效果．实验表明，此方法效果明显优于传统的SOFM图像压缩算法．     

基于分形与小波变换的图像编码

给出基于分形与小波变换的图像编码方案 .探讨了图像编码中使用的小波基的性能 .采用快速PCC聚类算法 ,利用近距离自相关特性并设定匹配误差阈值 ,大大缩短分形编码时间 .     

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.     

基于脊波与小波变换的联合图像去噪方法

目的通过对脊波与小波变换这两种图像处理方法的分析,指出两种方法各自在图像处理的优缺点并提出了基于脊波与小波变换的联合图像去噪算法（RWT）。方法在去噪之前,首先通过脊波变换中较大的脊波系数,探测并保留二维图像中的主要信息特征,然后在图像的剩余信息中,通过小波变换有效地去除包含在其中的零维噪声信息,可以保留图像中的主要信息特征并完成去噪过程。结果理论分析和实验结果都表明,与传统的小波阈值方法或脊波去噪方法相比较有明显的去噪效果。结论该方法不但可以保持图像的边缘和良好的视觉特性,而且去噪后图像的峰值信噪比可再提高将近2 dB,算法处理的时间复杂度为O（Nlog（N））。     

基于小波模极大值的数字水印算法

目的针对传统数字水印技术的有限性,实现一种新的数字水印算法。方法新算法以小波变换为基础,对原始图像和水印图像进行小波变换,将水印信息嵌入到中频系数中。结果实现了二维彩色图像将为水印信息嵌入到二维图像数据中。结论实验证明,新算法在对彩色图像进行水印处理方面达到较好的效果,具有较好的健壮性。     

一种基于鲁棒矢量量化的信源-信道联合编码算法

信源-信道联合编码是数字通信中编码与传输的关键技术之一。在分析经典算法的基础上,结合语音编码中的声道参数,提出了采用似然比作为测度的信源-信道联合编码算法,同时通过多级分裂矢量量化进一步提高编码参数的量化精度。定点仿真结果表明,该算法的量化精度较传统方法性能提高了近41％,且可以在不增加额外比特开销的基础上进一步提高系统的鲁棒性。     

基于三维小波变换和上下文量化的高光谱图像压缩

提出了一种基于三维小波变换和上下文量化的高光谱图像压缩算法.该算法先利用三维小波变换去除高光谱图像在谱内和谱间的冗余信息,然后建立了一个高维时、频域的上下文预测模型以分析小波系数之间的相关性,并通过对增加条件熵的理论分析,合理地对该模型中的上下文进行量化,得到合适的编码上下文用于自适应的算术编码.试验结果表明,该算法不仅明显优于基于二维小波变换的JPEG2000标准,而且相对于同样基于三维小波变换的三维分层树集合分裂算法也有较大的提高.     

一种基于小波变换的序列图像压缩编码

研究一种动态图像小波域系数的压缩方法 .根据图像小波分解和人类视觉的特点及其子图象间的相关性 ,对系数进行不同间隔的量化 ,同时结合简单有效的数据结构———帧比特平面对系数进行扫描及压缩编码 .     

基于小波变换的图像分级压缩算法

综合已有图像压缩算法优势，提出一种新的图像压缩算法——基于小波变换的图像分级压缩算法。将待压缩图像按频率高低分成若干子图像，根据各子图像包含能量的多少将它们分成3个等级，分别采用了不同的压缩算法。包含能量最多的低频子图像称为第1级，采用无损差分脉冲编码调制方式；包含能量较少的高频子图像称为第2级，采用嵌入式零树编码方式；包含能量极少的更高频子图像称为第3级，因其包含的能量极少，不再编码。其优点是压缩比高、算法简单、传输和下栽速度快，在传输过程中可随时结束编码而不影响图像质量。