基于改进SOFM的矢量量化图像压缩

Image impression method of vector quantization based on the improved SOFM

王茂芝 郭彬 徐文皙

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。

基于结构自适应自组织神经网络的图像压缩算法的研究

Research of Image Compression Algorithm Based on Structural Adapting Self-organiziing Neural Network

金永强 山拜·达拉拜

图像矢量量化（VQ）是图像压缩算法中的重要环节，而在VQ中起决定性因素的又是能否构造出性能优异的码书，本文在比较LBG，SOFM和改进的SOFM优缺点的基础上，采用具有结构自适应特性的自组织神经网络（SASONN）来构造码书，克服了SOFM算法的网络映射欠准确、神经元过利用等弊端，并将结果应用在图像压缩编码算法（VQ＋DPCM＋DCT）中，实验结果表明，主客观效果良好。

基于自组织特征映射的图像压缩技术

Self-organizing feature maps based image compression technology

傅茂名 林瑞春

计算机人工神经网络技术提供了新的图像压缩方法。自组织特征映射人工神经网络就能够用于图像的有损压缩。通过将图像分成若干小块,然后使用神经网络进行训练达到特征向量自动聚类,从而将这若干个图像块分成不同的类,其类别个数远小于图像块的个数,最后使用一个映射表保存这些信息。该方式,将图像中相同或者非常相似的部分归为一类,降低了信息冗余度,从而可以进行图像的有损压缩。该方法采用了计算机神经网络,有比较好的适应性,能够方便的和其它压缩技术结合实现效果更好的混合压缩,具有良好的推广价值。

一种基于矢量量化的高光谱遥感图像压缩算法

A compression algorithm of hyperspectrai remote sensing image based on vector quantization

赵春晖 陈万海 张凌雁

压缩是高光谱遥感（hyperspectral remote sensing）图像的一个重要研究领域。文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点，采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩。首先采用自适应波段选择（Adaptive band selection）的谱间压缩方法，通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量。然后对降维后图像在空间进行小波变换并进行矢量量化，最后对量化后数据进行自适应算术编码。实验结果表明，谱间压缩能够保留信息丰富的波段，同时计算复杂度大大降低；基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果，实现了对高光谱遥感图像的有效压缩。

图像边缘保持矢量量化及神经网络的实现

李志能

矢量量化作为一种有效的图像数据压缩技术，越来越受到人们的重视，但研究表明：上前矢量量化技术存在的主要问题之一是图像边缘失真严重。本文了一种神经网络的图像边缘保持持矢量量化方法，它以Ｋｏｈｏｎｅｎ的自组织特征映射算法（ＳＯＦＭ）为基础，根据人的视觉系统对图像边缘的敏感性，在图像编码前，先对整幅图像的边缘提取，再将每一图像子块的边缘特性用一”活跃因子“表示。在矢量量化过程中，根据不同训练矢量的活跃因子