基于多小波的圖像矢量量化研究.pdf

1、視覺是人類獲取外部信息最為重要的途徑?！鞍俾劜蝗缫灰姟?，視覺信息給人們以直觀、生動的形象。隨著計算機與數字通信技術的迅速發(fā)展，特別是網絡和多媒體技術的興起，圖像壓縮已受到人們越來越多的關注。 小波分析是從付里葉分析發(fā)展而來的一種新的時頻分析方法，具有良好的空間——頻率局部化特性，作為小波分析的再發(fā)展，多小波不僅保持了小波的優(yōu)點，而且克服了小波的一些缺陷，同時具備了實際應用中十分重要的光滑性、緊支性、對稱性、正交性。這使得多小波尤

2、比單小波具備更優(yōu)良的性能(其在圖像壓縮方面)這決定了其在這方面將被越來越廣泛的研究和應用。 作為圖像有損壓縮的方法之一，矢量量化的壓縮比極大。一般地講，壓縮比越大，失真越大：壓縮比越小，失真越??；同時，矢量量化也是一個大量計算的過程，隨著一些改進算法的提出，矢量量化技術越來越成熟。 本文重要的工作就是探討了多小波系數特性，針對其特點采用合適的矢量量化方法。實驗中，采用了適合圖像壓縮的CL多小波與自組織特征映射神經網絡SO

3、FM，提出了一套切實可行的兩者相結合的圖像矢量量化方法，其創(chuàng)新點有二： 其一：創(chuàng)新性地將多小波與SOFM結合在一起進行矢量量化，填補了這方面的研究空白； 其二：根據多小波系數的特點，將其一分為三各自進行并行矢量量化，解決了實際中內存不足的問題，提高了編解碼的速度，并同時提高了編碼質量。 當然，對自組織特征映射網絡來說，選擇初始的矢量訓練集是非常重要的。實驗中，我們選用了各頻量豐富的Lena圖像作為初始訓練集。這樣