一种改进的基于Hadamard域的码书设计算法

基于Hadamard变换和K-means理论,针对Chen的初始码书设计算法的随机性较强和峰值信噪比(PSNR)不高这两个缺点,提出了一种改进的码书设计算法。本算法利用统计特征量的分类平均法生成初始码书,然后提高求质心的频率,每当一个训练矢量被分类到胞腔时,就求出相应胞腔的质心来代替原有的码字。该算法结合LBG算法的优点,调整后的码字代表了整个胞腔的特性,加速了码书的收敛速度,提升了码书的性能。仿真实验结果表明,较Chen的算法图像效果,即峰值信噪比(PSNR),平均提高了0.5 dB,在迭代次数较小时甚至达0.9 dB。     

一种基于改进的SOFM神经网络的图像无损压缩方法

在介绍矢量量化和自组织特征映射神经网(SOFM)的基础上,针对SOFM算法的特点对其进行了几个方面的改进,提高了SOFM网络的性能。采用改进后的基于SOFM的矢量量化技术对图像进行无损压缩编码,码书设计时间减少了约70%,图像效果、编码质量均有所提高,实验结果表明了本算法的压缩比比传统的差值编码(DPCM)无损压缩最高可提升40%,证明了算法的有效性。