粗集和神经网络相结合的图像矢量量化编码研究
|
摘要
本文综述了矢量量化技术的理论基础、基本原理、相关概念和三大关键技术，介绍了矢量量化器的基本结构。
讨论介绍了国内外图像压缩编码的现状及发展趋势，包括图像压缩编码的评价标准，基于矢量量化技术的几种图像压缩编码算法。
重点研究矢量量化图像压缩编码的码书设计算法，包括传统的码书算法(LBG算法)，针对传统码书算法的不足之处，提出了神经网络(Kohonen自组织特征映射网络)矢量量化方法及其改进算法，进行了仿真实验，并对其仿真结果进行了分析。
提出了基于粗糙集分类的自组织特征映射网络矢量量化图像压缩编码方法，进行了仿真实验，并对其仿真结果进行了分析，比较和研究。
This paper analysis the status and the development trend of the image compression and summarize the progress status of the image compression around the world. And introduced some theoretical basic, rules, relevant concepts and three important technique of vector quantization. Have a research on image vector quantization compression method for image, which is the vector quaantization using self-orgaanization-feature-map. And the paper proposes an improved SOFM vector quantization method. All these are implemented using the MATLAB simulation tools. A deep research is focused on the classify vector quantization based on the rough sets and SOFM. The feature to classify the image block is following: frequency feature in DCT-domain and the statistics feature in spatial-domain. All the three classified VQ method is implemented and simulated using MATLAB. And the experimental results is given and is discussed.
讨论介绍了国内外图像压缩编码的现状及发展趋势，包括图像压缩编码的评价标准，基于矢量量化技术的几种图像压缩编码算法。
重点研究矢量量化图像压缩编码的码书设计算法，包括传统的码书算法(LBG算法)，针对传统码书算法的不足之处，提出了神经网络(Kohonen自组织特征映射网络)矢量量化方法及其改进算法，进行了仿真实验，并对其仿真结果进行了分析。
提出了基于粗糙集分类的自组织特征映射网络矢量量化图像压缩编码方法，进行了仿真实验，并对其仿真结果进行了分析，比较和研究。
This paper analysis the status and the development trend of the image compression and summarize the progress status of the image compression around the world. And introduced some theoretical basic, rules, relevant concepts and three important technique of vector quantization. Have a research on image vector quantization compression method for image, which is the vector quaantization using self-orgaanization-feature-map. And the paper proposes an improved SOFM vector quantization method. All these are implemented using the MATLAB simulation tools. A deep research is focused on the classify vector quantization based on the rough sets and SOFM. The feature to classify the image block is following: frequency feature in DCT-domain and the statistics feature in spatial-domain. All the three classified VQ method is implemented and simulated using MATLAB. And the experimental results is given and is discussed.
引文
[1] 姚庆栋，毕厚杰，王兆华，徐孟侠。图像编码基础。北京：人民邮电出版社，1982
[2] 吴乐南。数据压缩的原理和应用。北京：电子工业出版社，1995
[3] 张文修，吴伟志等。粗糙集理论与方法。北京：科学出版社，2001
[4] 孙圣和，陆哲明。矢量量化技术及应用。北京：科学出版社，2002
[5] 徐立中著。数字图像的智能信息处理。北京：国防工业出版社，2000
[6] 沈庭芝，方子文。数字图像处理及模式识别。北京：北京理工大学出版社，1998
[7] 夏德深，傅德胜。现代图像处理技术与应用。南京：东南大学出版社，1997
[8] 徐孟侠。图像编码的进展。通信学报，1993(3)：40～47
[9] 图像通信与图像处理专辑。通信学报，1993，14(2)
[10] Fan Changxin，Lu Zhaoyang。Recent Progress in Image Coding。通信学报，JOURNAL OF CHINA INSTITUTE OF COMMUNICATIONS，1998，18(5)：57～62
[11] 茅一民。图像通信和图像图形处理芯片的新进展。通信学报，1993，14(2)：100～105
[12] 王祥林，吴国威，林行刚。改进的图像的多分辨率零树小波编码方法。通信学报，1997，18(4)：50～53
[13] 王祥林，吴国威，林行刚。一种给予零树的多分辨率小波图像编码方法。电子学报，1997，25(4)：63～67
[14] 吴敏金。分形与图像压缩编码。通信学报，1993，14(2)：78～83
[15] 赵坚，俞斯乐。分形图像压缩编码的回顾与展望。电视技术，1998(9)
[16] 曹雪虹，毕厚杰。基于区域的分形图像编码。通信学报，1997，18(5)：1～7
[17] 王卫，蔡德钧，万发贯。一种多分辨率图像混合编码方案。通信学报，1995，16(2)：71～78
[18] 房育栋，余英林。基于分形的混合图像压缩方法。信号处理，1996，12(3)：202～208
[19] 胡征，杨有为。矢量量化原理与应用。西安：西安电子科技大学出版社，1998
[20] 黎洪松。数字图像压缩编码技术及其C语言程序范例。北京：学苑出版社，1994
[21] 孙增圻，张再兴，邓志东。智能控制理论与技术。北京：清华大学出版社，1997
[22] 焦李成。神经网络系统理论。西安：西安电子科技大学出版社，1992
[23] 黎洪松，全子一。一种新的静止图像压缩编码算法。电子科学学刊，1995，17(6)：561～567
[24] R.Gray. Vector quantization. IEEE ASSP Magazine, 1984,(4):4～29
[25] Nasrabadi N M,Feng Y. Image Coding Using Vector Quantiaztion:a Review. IEEE Trans. On Commun, 1998, 36(8): 957～974
[26] Krishnamurthy A K,Ahalt S C, Chen P. Neural net works for vector quantization of apeech and images. IEEE JSAC, 1990,8(8): 1449～1457
[27] Goldberg M, boucher P R,Shlien S. Imade compression using adaptive vector quantiaztion. IEEE Trans Commun, 1986,34(2): 181～187
[28] 张霞。矢量量化在图像压缩编码中的应用进展。数据采集与处理，1999(1)：52～56
[29] T. Kohonen. Self organization and associative memory. Berlin: Springer Verlay, 1989
[30] Mauligge J D, Atlas L E, Rivera. A compression of the LBG algorithm and kohonen neural network paradigm for image vector quantization. ICASSP90,1990:2293～2296
[31] T. Kohonen. The Self organizing Map. Proceedings of the IEEE, 1990,78(9): 1464～1480
[32] Corral J A, Guerrero M, Zufiria P J. Image compression via optimal vector quantizayion: A comparison between SOM, LBG and K Means algorighms. ICASSP 94,1994:4113～4118
[33] Robort D Pong. Neural network approaches to image compression. Proc IEEE, 11995,89(2):288～303
[34] 李劲，林行刚，吴佑寿。神经网络与图像压缩编码。通信学报，1993，14(2)：84～89
[35] 王卫，蔡德钧，万发贯。神经网络在图像编码中的应用。电子学报，1995，23(7)：69～76
[36] Dony R D,Haykin S.Neural net wwork approaches to image compression. IEEE Procof, 1995,83(2):288～303
[37] 王卫，蔡德钧，万发贯。用于图像编码的相关矢量量化研究。电子学报，1995，23(4)：30～34
[38] Ahaalt S C, Krishnamurthy A K, Chenpet A L. Competive learning algorithms for vector quantization. Neural Networks, 1990(3):225～290
[39] 张基宏，王晖，Ueno Y．基于模糊矢量量化图像编码的研究。中国图形图像学报，1998，22(4)：295～298
[40] 张基宏，何振亚。一种指数型模糊学习矢量量化图像编码算法。通信学报，1998，19(10)：1～6
[41] 薛定宇。控制系统计算机辅助设计——MATLAB语言及应用。北京：清华大学出版社，1998
[42] M..N.Pour, M. Hedge and F. Bourge. A comprarision of two neural network architecures for vector quaantization. Proc. IJCNN, Seaattle, 1991:391～396
[43] T.C. Lee and A.M.Peteson. Adaptive vector quantization using a self development neural network. IEEE J:Select Areaas in Commun, 1990,8(8): 1458～1471
[44] Akrout N, Prost R, Goutte R. Imaaage Compression Address Vector Quantizer. IEEE Trans On Commun, 1990, 38(12): 2166～2173
[45] 郑文星，全子一。基于记忆和预测机制的自适应矢量量化及其在图像编码中的应用。
[46] 徐勇，陈贺新，戴逸松。用于矢量量化的神经网络竞争学习算法。中国图象图形学报，1997，2(12)：901～905
[47] 叶旭，李志能。图像边缘保持矢量量化及其神经网络实现。浙江大学学报，1999，33(1)：68～73
[48] 徐勇，戴逸松，荆涛，孙德丰。基于SOFM神经网络的图像矢量量化的研究。长春邮电学院学报，1998，16(1)：1～8
[49] 王卫，蔡德钧，万发贯等。改进的Kohonen网络及图像自适应矢量量化。通信学报，1992，13(5)：16～21
[50] 周汀，闵昊，吴倩芩等。一种矢量量化编码的加速算法。电子学报，1997，25(4)：95～98
[51] 孙复君，阮传概。图像矢量量化——改进的竞争学习算法。北京邮电大学
学报，1997，20(3)：85～88
[52] 周建鹏，杨义先。误差敏感竞争性学习算法。通信学报，1997，18(6)：47～52
[53] 周杰，丁明跃，彭嘉雄等。基于视觉误差准则的矢量量化编码。电子学报，1997，25(1)：85～88
[54] 张军，戚飞虎。基于神经网络分类的自适应图象编码。上海交通大学学报，1997，31(5)：26～29
[55] 韩津生等。静止图像的自适应分类编码。通信学报，1995，15(2)：12～16
[56] Kin J W, Lee S U. A transform domain classified vector quantizer for image coding[J]. IEEE Trans Circuits and systems for Video Technology, 1992,2(3):3～14
[57] Ramamurithi B, Gersho. A Classified vector quantization of images. IEEE Trans Commun, 1986,34(11): 1105～1115
[58] Kin D S, Lee S V. Image vector quantizer based on a classification in the DCT domain. IEEE Trans Commun, 1991,39(4):549～556
[59] 曾黄麟。粗集理论及其应用。重庆：重庆大学出版社，1998
[60] Pawlakz. Rough sets. International journal of information and computer science, 1982,11(5):341～356
[61] Pawlakz. Rough sets. Theoretical spect of reasoning about data. Dordrecht
[62] 王钰，苗守廉，周有健。关于Rough sets理论与应用的综述。模式识别与人工智能，1996，9(4)：337～344
[63] 李永敏，朱善君，陈湘晖，韩曾晋，孙增圻。根据粗糙集理论进行BP网络设计的研究。系统工程理论与实践，1999，(4)：62～69
[64] 韩祯祥，张琦，文福栓。粗糙集理论及其应用。信息与控制，1998，27(3)：37～45
[2] 吴乐南。数据压缩的原理和应用。北京：电子工业出版社，1995
[3] 张文修，吴伟志等。粗糙集理论与方法。北京：科学出版社，2001
[4] 孙圣和，陆哲明。矢量量化技术及应用。北京：科学出版社，2002
[5] 徐立中著。数字图像的智能信息处理。北京：国防工业出版社，2000
[6] 沈庭芝，方子文。数字图像处理及模式识别。北京：北京理工大学出版社，1998
[7] 夏德深，傅德胜。现代图像处理技术与应用。南京：东南大学出版社，1997
[8] 徐孟侠。图像编码的进展。通信学报，1993(3)：40～47
[9] 图像通信与图像处理专辑。通信学报，1993，14(2)
[10] Fan Changxin，Lu Zhaoyang。Recent Progress in Image Coding。通信学报，JOURNAL OF CHINA INSTITUTE OF COMMUNICATIONS，1998，18(5)：57～62
[11] 茅一民。图像通信和图像图形处理芯片的新进展。通信学报，1993，14(2)：100～105
[12] 王祥林，吴国威，林行刚。改进的图像的多分辨率零树小波编码方法。通信学报，1997，18(4)：50～53
[13] 王祥林，吴国威，林行刚。一种给予零树的多分辨率小波图像编码方法。电子学报，1997，25(4)：63～67
[14] 吴敏金。分形与图像压缩编码。通信学报，1993，14(2)：78～83
[15] 赵坚，俞斯乐。分形图像压缩编码的回顾与展望。电视技术，1998(9)
[16] 曹雪虹，毕厚杰。基于区域的分形图像编码。通信学报，1997，18(5)：1～7
[17] 王卫，蔡德钧，万发贯。一种多分辨率图像混合编码方案。通信学报，1995，16(2)：71～78
[18] 房育栋，余英林。基于分形的混合图像压缩方法。信号处理，1996，12(3)：202～208
[19] 胡征，杨有为。矢量量化原理与应用。西安：西安电子科技大学出版社，1998
[20] 黎洪松。数字图像压缩编码技术及其C语言程序范例。北京：学苑出版社，1994
[21] 孙增圻，张再兴，邓志东。智能控制理论与技术。北京：清华大学出版社，1997
[22] 焦李成。神经网络系统理论。西安：西安电子科技大学出版社，1992
[23] 黎洪松，全子一。一种新的静止图像压缩编码算法。电子科学学刊，1995，17(6)：561～567
[24] R.Gray. Vector quantization. IEEE ASSP Magazine, 1984,(4):4～29
[25] Nasrabadi N M,Feng Y. Image Coding Using Vector Quantiaztion:a Review. IEEE Trans. On Commun, 1998, 36(8): 957～974
[26] Krishnamurthy A K,Ahalt S C, Chen P. Neural net works for vector quantization of apeech and images. IEEE JSAC, 1990,8(8): 1449～1457
[27] Goldberg M, boucher P R,Shlien S. Imade compression using adaptive vector quantiaztion. IEEE Trans Commun, 1986,34(2): 181～187
[28] 张霞。矢量量化在图像压缩编码中的应用进展。数据采集与处理，1999(1)：52～56
[29] T. Kohonen. Self organization and associative memory. Berlin: Springer Verlay, 1989
[30] Mauligge J D, Atlas L E, Rivera. A compression of the LBG algorithm and kohonen neural network paradigm for image vector quantization. ICASSP90,1990:2293～2296
[31] T. Kohonen. The Self organizing Map. Proceedings of the IEEE, 1990,78(9): 1464～1480
[32] Corral J A, Guerrero M, Zufiria P J. Image compression via optimal vector quantizayion: A comparison between SOM, LBG and K Means algorighms. ICASSP 94,1994:4113～4118
[33] Robort D Pong. Neural network approaches to image compression. Proc IEEE, 11995,89(2):288～303
[34] 李劲，林行刚，吴佑寿。神经网络与图像压缩编码。通信学报，1993，14(2)：84～89
[35] 王卫，蔡德钧，万发贯。神经网络在图像编码中的应用。电子学报，1995，23(7)：69～76
[36] Dony R D,Haykin S.Neural net wwork approaches to image compression. IEEE Procof, 1995,83(2):288～303
[37] 王卫，蔡德钧，万发贯。用于图像编码的相关矢量量化研究。电子学报，1995，23(4)：30～34
[38] Ahaalt S C, Krishnamurthy A K, Chenpet A L. Competive learning algorithms for vector quantization. Neural Networks, 1990(3):225～290
[39] 张基宏，王晖，Ueno Y．基于模糊矢量量化图像编码的研究。中国图形图像学报，1998，22(4)：295～298
[40] 张基宏，何振亚。一种指数型模糊学习矢量量化图像编码算法。通信学报，1998，19(10)：1～6
[41] 薛定宇。控制系统计算机辅助设计——MATLAB语言及应用。北京：清华大学出版社，1998
[42] M..N.Pour, M. Hedge and F. Bourge. A comprarision of two neural network architecures for vector quaantization. Proc. IJCNN, Seaattle, 1991:391～396
[43] T.C. Lee and A.M.Peteson. Adaptive vector quantization using a self development neural network. IEEE J:Select Areaas in Commun, 1990,8(8): 1458～1471
[44] Akrout N, Prost R, Goutte R. Imaaage Compression Address Vector Quantizer. IEEE Trans On Commun, 1990, 38(12): 2166～2173
[45] 郑文星，全子一。基于记忆和预测机制的自适应矢量量化及其在图像编码中的应用。
[46] 徐勇，陈贺新，戴逸松。用于矢量量化的神经网络竞争学习算法。中国图象图形学报，1997，2(12)：901～905
[47] 叶旭，李志能。图像边缘保持矢量量化及其神经网络实现。浙江大学学报，1999，33(1)：68～73
[48] 徐勇，戴逸松，荆涛，孙德丰。基于SOFM神经网络的图像矢量量化的研究。长春邮电学院学报，1998，16(1)：1～8
[49] 王卫，蔡德钧，万发贯等。改进的Kohonen网络及图像自适应矢量量化。通信学报，1992，13(5)：16～21
[50] 周汀，闵昊，吴倩芩等。一种矢量量化编码的加速算法。电子学报，1997，25(4)：95～98
[51] 孙复君，阮传概。图像矢量量化——改进的竞争学习算法。北京邮电大学
学报，1997，20(3)：85～88
[52] 周建鹏，杨义先。误差敏感竞争性学习算法。通信学报，1997，18(6)：47～52
[53] 周杰，丁明跃，彭嘉雄等。基于视觉误差准则的矢量量化编码。电子学报，1997，25(1)：85～88
[54] 张军，戚飞虎。基于神经网络分类的自适应图象编码。上海交通大学学报，1997，31(5)：26～29
[55] 韩津生等。静止图像的自适应分类编码。通信学报，1995，15(2)：12～16
[56] Kin J W, Lee S U. A transform domain classified vector quantizer for image coding[J]. IEEE Trans Circuits and systems for Video Technology, 1992,2(3):3～14
[57] Ramamurithi B, Gersho. A Classified vector quantization of images. IEEE Trans Commun, 1986,34(11): 1105～1115
[58] Kin D S, Lee S V. Image vector quantizer based on a classification in the DCT domain. IEEE Trans Commun, 1991,39(4):549～556
[59] 曾黄麟。粗集理论及其应用。重庆：重庆大学出版社，1998
[60] Pawlakz. Rough sets. International journal of information and computer science, 1982,11(5):341～356
[61] Pawlakz. Rough sets. Theoretical spect of reasoning about data. Dordrecht
[62] 王钰，苗守廉，周有健。关于Rough sets理论与应用的综述。模式识别与人工智能，1996，9(4)：337～344
[63] 李永敏，朱善君，陈湘晖，韩曾晋，孙增圻。根据粗糙集理论进行BP网络设计的研究。系统工程理论与实践，1999，(4)：62～69
[64] 韩祯祥，张琦，文福栓。粗糙集理论及其应用。信息与控制，1998，27(3)：37～45