均值与矢量量化复合快速图像编码算法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (14): 147-151.

均值与矢量量化复合快速图像编码算法

王冬芳1，李佳2，余宁梅1

1.西安理工大学电子工程系，西安 710048
2.西安职业技术学院机电工程系，西安 710032

出版日期:2013-07-15 发布日期:2013-07-31

Mean-value and vector quantization hybrid algorithm for high speed image coding

WANG Dongfang1, LI Jia2, YU Ningmei1

1.Department of Electronics Engineering, Xi’an University of Technology, Xi’an 710048, China
2.Department of Electronics and Mechanics Engineering, Xi’an Vocational and Technical College, Xi’an 710032, China

Online:2013-07-15 Published:2013-07-31

摘要/Abstract

摘要： 矢量量化是一种有效的数据压缩技术，由于其算法简单，具有较高的压缩率，因而被广泛应用于数据压缩编码领域。通过对图像块灰度特征的研究，根据图像的平滑与否，提出了对图像进行均值和矢量量化复合编码算法，该算法对平滑图像块采用均值编码，对非平滑块采用矢量量化编码。这不仅节省了平滑码字的存储空间，提高了码书存储效率，并且编码速度大大提高。同时采用码字旋转反色（2R）压缩算法将码书的存储容量减少到1/8，并结合最近邻块扩展搜索算法（EBNNS）对搜索算法进行优化。在保证图像画质的前提下，整个系统的图像编码速度比全搜索的普通矢量量化平均提高约7.7倍。

关键词: 图像编码, 矢量量化, 均值编码

Abstract: As an effective technology for data compression, Vector Quantization（VQ） is widely used in the field of data coding because of its simple algorithm and high compression rate. According to analyzing the character of image block, a hybrid algorithm combining mean-value and VQ is presented in this paper, which encodes smooth image block and nonsmooth block by mean-value and VQ algorithm respectively. The presented algorithm can save the storage space by removing the smooth codewords in the codebook and speed up encoding process. In order to improve the storage efficiency, the algorithm which can compress original codebook to 1/8 by rotating and reversing codewords is adopted. At the same time, the search algorithm is optimized using Extend Block Nearest Neighbor（EBNNS） method. The whole system encoding speed can achieve about 7.7 times faster than full search VQ algorithm.

Key words: image coding, vector quantization, mean-value coding

王冬芳1，李佳2，余宁梅1. 均值与矢量量化复合快速图像编码算法[J]. 计算机工程与应用, 2013, 49(14): 147-151.

WANG Dongfang1, LI Jia2, YU Ningmei1. Mean-value and vector quantization hybrid algorithm for high speed image coding[J]. Computer Engineering and Applications, 2013, 49(14): 147-151.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	王娇1，罗四维2，邹琪2. 图像分类中基于分类矢量量化的视觉词袋模型[J]. 计算机工程与应用, 2019, 55(10): 141-145.
[3]	李高平，刘莉. 图像子块特征匹配的快速分形编码算法[J]. 计算机工程与应用, 2017, 53(1): 195-200.
[4]	袁宗文，鲁业频，杨汉生. 半叉迹特征的快速分形图像编码[J]. 计算机工程与应用, 2016, 52(3): 197-201.
[5]	苏鹏，程健. DHMM在机械设备音频识别中的应用[J]. 计算机工程与应用, 2015, 51(1): 266-270.
[6]	陈拥军，徐罡，周兴付，赵慧. 无线传感器网络最少数量通信节点定位方法[J]. 计算机工程与应用, 2014, 50(5): 55-59.
[7]	李世平，刘立京，苗承强，顾树生. 差量分析和四叉树结合的分形图像编码算法[J]. 计算机工程与应用, 2014, 50(4): 170-172.
[8]	孙燕. 自适应模糊聚类LBG矢量量化算法[J]. 计算机工程与应用, 2014, 50(23): 203-205.
[9]	孙燕1，姜占才2，王蕴杰2. 浊音隶属度参数及F-LBG算法[J]. 计算机工程与应用, 2014, 50(2): 204-207.
[10]	阙大顺1，田犇1，赵永安2. 基于FPGA的关键词识别系统实现[J]. 计算机工程与应用, 2013, 49(8): 217-221.
[11]	李高平，杨军，陈毅红. 改进转动惯量特征的快速分形图像编码算法[J]. 计算机工程与应用, 2013, 49(24): 144-148.
[12]	王红艳1，金炜东2. 基于低频预测的图像多描述编码及其差错隐藏[J]. 计算机工程与应用, 2013, 49(18): 159-163.
[13]	熊燕. LSF参数转换分裂矢量量化的卡尔曼后滤波增强方法[J]. 计算机工程与应用, 2013, 49(10): 228-231.
[14]	魏艳娜，张景峰，金永涛. 有限状态矢量量化在语音端点检测中的应用[J]. 计算机工程与应用, 2012, 48(17): 161-164.
[15]	胡波，杨红雨. 空管系统中运用EZW图像编码算法的优化策略[J]. 计算机工程与应用, 2011, 47(9): 246-248.