论文部分内容阅读
矢量量化技术作为一种高效的数据压缩方法,其基本原理是在码书中搜索与输入矢量最匹配的码字,将对应的码字索引代替输入矢量进行传输和存储,而解码时只需要简单的查表操作。由于矢量量化技术具有高压缩比、解码简单和失真较小的优点,使得矢量量化技术广泛应用于模式识别,数字水印以及图像数据压缩等领域中。
本文以矢量量化技术在图像处理中的应用作为研究目标,详细阐述了矢量量化的基本原理、相关概念及研究现状,着重探讨了矢量量化的两大关键技术----码书设计和码字快速搜索;总结分析了现有典型的算法,并提出改进算法。码书设计算法方面,在分析经典的LBG算法的基础上,详细介绍了几种基于神经网络的码书设计算法。针对现有算法存在的收敛速度较慢和计算复杂度较高的缺点,本文提出一种改进算法:将模糊神经网的隶属度函数引入码书设计中,很好地提高了算法的收敛速度;针对搜索获胜码字时计算量较大的问题,改进算法通过不等式判决的方法,快速排除了大量的不匹配码字。实验结果表明,改进算法使码书设计的计算量得到明显的减少,而且码书的性能得到了提高。在码字快速搜索算法上,分析和研究几种基于不等式判据的最近邻域码字快速搜索算法,对比了几种现有算法的性能,提出了一种基于子矢量方差、范数的码字快速搜索算法。通过这些基于子矢量特征量的排查不等式,减少了离线和在线计算量,从而实现了更高效的码字排查效率。将矢量量化技术应用到超光谱遥感图像的压缩算法中,针对超光谱图像数据量大、谱间和空间相关性强的特点,对矢量量化方法中码书设计和码字搜索算法进行改进,提出了一种基于自组织特征映射的矢量量化压缩算法。通过自适应波段选择算法降低超光谱图像的谱间相关性,对降维后的图像进行小波变换去除空间相关性,最后用改进的码书设计算法进行矢量量化。对超光谱数据AVIRIS进行实验,结果表明改进算法在大大降低计算复杂度的同时实现了对超光谱遥感图像的有效压缩。