基于自组织特征映射的图像矢量量化研究

薛向阳; 樊昌信

您当前的位置：

首页 >

文章列表页 >

基于自组织特征映射的图像矢量量化研究

更新时间：2025-12-08

- 基于自组织特征映射的图像矢量量化研究
- Study on SOFM-based Image Vector Quantization
- 电子学报 1995年第4期
- 作者机构：
  
  西安电子科技大学信息科学研究所
- 作者简介：
- 基金信息：
  
  国家高科技研究发展计划,综合业务网理论及关键技术国家重点实验室部分资助
- DOI：
  中图分类号： TN919.8
- 纸质出版：1995
- 稿件说明：
移动端阅览
[1]薛向阳,樊昌信.基于自组织特征映射的图像矢量量化研究[J].电子学报,1995(04):24-29.

Xue Xiangyang, Fan Changxin. Study on SOFM-based Image Vector Quantization[J]. Acta Electronica Sinica, 1995, (4).
[1]薛向阳,樊昌信.基于自组织特征映射的图像矢量量化研究[J].电子学报,1995(04):24-29. DOI：

Xue Xiangyang, Fan Changxin. Study on SOFM-based Image Vector Quantization[J]. Acta Electronica Sinica, 1995, (4). DOI：

摘要

本文从自组织特征映射（ＳＯＦＭ）的基本思想出发，通过研究Ｋｏｈｏｎｅｎ网的输出节点在一维、二维和八维空间中不同排列方式，得到了相应的矢量量化（ＶＱ）码书设计算法。研究表明ＳＯＦＭ具有许多优点：可以设计出具有规则结构的码书，相邻码矢量具有较强的相关性；网络输出节点的不同排列方式对矢量量化器性能有较大影响，通过选择合适的排列方式，设计出的矢量量化器具有良好的抗信道误码能力，实验表明基于ＳＯＦＭ算法的矢量量化器不仅具有类似于ＬＢＧ矢量量化器的量化性能，还具有很强的抗信道误码能力。

Abstract

Some SOFM-based image VQ codebook design algorithms have been obtained by arranging output nodes of Kohonen network in 1

and 8 dimensional space respectively.The experimental results show that the quantization performance of SOFM-based VQ is similar to that of LBG-based VQ

while the former has better ability of resisting channel errors.

关键词

Keywords

references

浏览量

120

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于自组织神经网络的图像压缩编码算法

用于图像编码的相关矢量量化研究

一种矢量编码器的VLSI结构

一种改进的相关图像矢量量化编码算法

一种进化模拟退火矢量量化图像编码新算法