一种改进矢量量化进行SOM原始图像压缩的方法

本文提出了一种改进矢量量化进行SOM（自组织特征映射）原始图像压缩的方法,该方法基于小波变换,并对小波变换所得的参数（子块）使用SOM算法对其进行矢量量化,并根据不同的子块采用不同的量化方式。     

一种改进的LBG矢量量化算法

LBG算法是矢量量化码书设计的基本算法。文章提出了一种改进的LBG算法,通过引入和两个胞腔,使得码本采用了新的分裂算法。分析与试验结果表明,改进的算法具有码本的典型性好的特点,且极大的减少了运算时间。     

一种改进的小波域子矢量高光谱图像压缩处理技术

传统的基于二维小波变换的图像压缩方法在对高光谱图像细节部分进行量化编码时对低频部分进行全域矢量分解,噪点处理不够平滑,处理结果不好。提出一种改进的基于小波域子矢量的光谱图像压缩处理算法,对小波域的子矢量细节部分采用误差补偿编码的方法对高光谱图像的噪点进行平滑处理,对N级码书进行两级小波变换提取低频系数,通过算术编码实现城市、植被、水流多源信息高光谱图像压缩和解码恢复识别结果。仿真结果表明,采用该算法进行光谱图像压缩,图像经压缩处理后的恢复质量品质较高,峰值信噪比提高明显。     

基于自组织特征映射网络矢量量化图像压缩的研究与实现

在介绍矢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化算法,在初始码书生成、获胜神经元搜索以及学习速率调整等方面对图像压缩进行研究。结果表明,采用矢量量化方法进行图像压缩,可以在获得较高压缩比的同时,得到较好的恢复图像质量。     

两级矢量量化器设计新算法

引入矢量量化器码书的特征变量，提出基于结构化码书的两级波形矢量量化器设计新算法。算法包括：合理构造初始码书、快速训练码书、快速量化输入矢量。通过计算机对语音信号矢量量化的模拟，结果表明新算法明显地缩短了复杂度和提高了矢量量化的速度。     

用改进的遗传算法实现语音特征矢量的矢量量化

矢量量化作为一种数据压缩技术在语音识别中占有重要的地位,传统的LBG算法收敛速度快,但易陷入局部最优;而传统的遗传算法虽能得到全局最优码本,但收敛速度慢.文章结合它们各自的优点,对遗传算法进行改进,得到一种改进的码本设计方法.实验结果表明,提出的算法性能优于传统的遗传算法,不仅收敛速度快,而且失真测度小.     

矢量量化综述

矢量量化是一种高效的数据压缩技术。由于其压缩比大且解码简单而广泛应用于图像压缩、语音编码等多个领域。从矢量量化的基本原理以及矢量量化中的两个关键技术：码书设计,码字搜索进行分析,对矢量量化进行总结,并对矢量量化算法及其应用进行了展望。     

基于DWT域自适应均值量化的彩色图像盲水印算法

本文以二维离散小波变换为基础,提出了一种新的盲水印算法.该算法采用均值量化的方式,在低频子带中分段嵌入二值水印信息,并且将该方法延伸到处理彩色图像水印的嵌入.除水印载体图像以外,水印的提取不需要任何其他附加信息.实验结果证明,该算法具有透明性好、嵌入信息量大的特点,并且能够较好地抵抗常见的数字水印攻击,如:JPEG压缩、图像剪切、椒盐噪声、高斯噪声等.该算法已经应用于电子印章产品中.     

基于矢量量化的话者识别的研究

话者识别是计算机生物认证技术的一种,是根据语音波形中反映的说话人生理和行为特征的语音参数,自动鉴别说话人身份的技术,有着广阔的市场应用前景。本文研究的是基于矢量量化方法的话者识别。     

数字热成像中噪点信息矢量量化算法

对数字热成像的噪点信息矢量量化是实现图像去噪,提高图像识别能力的关键技术。传统方法中对数字热成像中噪点信息矢量量化算法采用LBG算法,当图像出现灰色关联度噪点时,量化算法的抗噪性能不好。提出一种基于强边缘保留和误差补偿编码的数字热成像中噪点信息矢量量化算法。用量化误差补偿法对量化的热成像进行补偿,消除当前图像块的瑕疵特征点,提高误差补偿编码处理精度。仿真表明,本算法对数字热成像噪点信息的矢量量化效果较好,去噪性能优越,进行矢量量化处理后,实现噪点去除,PSNR值较传统方法都有明显提高,提高对图像目标的识别性能,较传统方法优越。     

一种基于感兴趣区域的图像近无损压缩方法

感兴趣区域（ROI）图像近无损压缩方法，即在ROI采用无损压缩，在背景区域采用有损压缩，从而保证重要信息不丢失。并且尽可能提高图像的压缩比。本文算法对ROI使用Huffman编码，背景区域使用EZW编码，并且为了增大压缩比，对EZW编码码流再进行算术编码。实验结果表明，随着ROI面积的增大，图像的压缩比减小，信噪比增加。在ROI区域占整幅图像大小10％以下时，该方法的实用性较好，能得到较大的压缩此和较好的重构图像。     

基于向量量化谱分解的图像边缘融合算法

通过图像的边缘融合,挖掘图像中亮度变化明显的点,提高对远程图像的视觉特征分辨能力。传统的图像边缘融合算法采用灰阶量化边缘分解技术,由于图像边缘编码向量在码书中的排列是无序,导致边缘融合效果不好。提出一种改进的基于向量量化谱分解的图像边缘融合算法。采用向量量化谱分解技术,对信号与图像数据进行压缩,生成融合图像的灰度直方图,构建图像的向量量化边缘融合算子,实现算法改进。仿真结果表明,采用该算法能有效检测出图像的边缘亮点结构,保留了图像重要的结构属性,实现对图像边缘的准确检测,提高了峰值信噪比20 d B,展示了较高的边缘融合质量。     

基于压缩小波的超宽带天线组网传递算法

超宽带通信技术中,对大数据的有效通信是一个难点问题,一旦数据过大,会造成信道阻塞,产生拥塞,造成超宽带天线通信效果降低。为了解决这一问题,提出一种基于压缩小波的超宽带天线组网传递算法。通过建立小波数据的有效压缩模型,把需要传递的数据分解为小波高频和低频系数,对高频区域进行压缩,保证天线通信效率。后期的Matlab软件仿真实验表明,算法在大数据的超宽带天线通信方法上取得了较好的效果。     

一种改进的DCT变换图像融合技术

提出了一种提升小波变换和DCT变换相结合的图像融合算法。这种算法并不依赖于对方差,而是直接使用DCT变化和小波变化分别对高频部分、低频部分进行特征提取。实验表明,这种新的融合技术与传统算法相比,不但提高了图像的信噪比,更加保留了边缘的信息细节,同时也提高了处理效率,减少了使用时间,具有较高得实用价值。     

基于哈希表的稀疏图像压缩算法研究

随着互联网技术的不断发展,以图像为主要载体的多媒体信息大大丰富了我们的生活。但由于图像数据量庞大,存储和传输时受到很大限制,使得图像压缩成为图像处理中的一个重要环节。图像压缩就是利用图像自身的相关性来消减图像的冗余信息,保留有用的信息。经过多年的研究,人们已经提出了多种图像压缩方法,并在许多领域取得了良好的应用效果。但这些方法主要是针对普通密度的图像,而对于稀疏图像的压缩,目前有效的压缩方法还屈指可数。对图像压缩技术的发展历程进行了回顾,给出了一种基于哈希表的对稀疏数据压缩方法,并利用VC＋＋6．0平台,实现了基于哈希表的数据压缩系统。     

基于向量语义相似度的改进K-Means算法

针对传统的K-Means算法的不足,以及其在文本聚类中存在的局限性,提出了一种基于网页向量语义相似度的改进K-Means算法。新算法通过向量语义相似度的计算自动确定初始聚类中心,在聚类过程中,达到语义相似度阈值的网页才使用K-Means算法进行聚类。通过实验证明,新算法很好地克服了传统K-Means算法随机选取聚类中心以及无法处理语义信息的问题,提高了聚类的质量。     

基于干涉图加权叠加的图像压缩算法

在对图像进行压缩的过程中,容易出现信息丢失的情况,导致传统图像压缩算法由于相关性低的图像也可参与等权计算,使得图像产生偏差及失真,无法有效实现图像压缩,提出一种基于干涉图加权叠加的图像压缩算法,给出高相关点的平均形变相位变化速率,依据误差传播定律,求出全部干涉图叠加后高相关点受到的大气延迟干扰,对每个图像对应的相关系数进行计算,依据模型采集高相关目标点,干涉图被叠加后,给出高相关点大气延迟对线性形变速率的干扰,通过移位操作获取样本的Exp-Golomb级数,完成编码获取数据的非负映射操作,利用上一个样本的Exp-Golomb编码级数对当前样本值级数进行估测,通过计算原始干涉图数据和压缩后的干涉图数据的压缩比与峰值信噪比,对压缩效果进行度量。通过光谱相对均方误差RQE对压缩前后的原始光谱和复原光谱进行度量。仿真实验结果表明,所提方法具有很高的精度。     

基于遗传优化SVM文本图像识别算法研究

提出一采用遗传优化支持向量机的文本图像识别方法.改进的思路为首先采用图像采集设备获得图像,并进行预处理,然后提取字符的特征向量,采用主成分分析对特征向量进行降维处理,最后采用遗传优化的支持向量机进行字符识别.实验结果表明,提出的方法使得文本图像识率达到97％以上.     

基于灰度图像的边缘检测方法

介绍了基于微分、形态学和小波变换等多种图像边缘检测的方法。在微分算子中分析了传统算子的特点和缺陷并讨论了几种具有良好边缘检测的算子。此外,还对新的边缘检测的理论和方法进行了介绍。