视觉是人类获取外部信息最为重要的途径。“百闻不如一见”,视觉信息给人们以直观、生动的形象。随着计算机与数字通信技术的迅速发展,特别是网络和多媒体技术的兴起,图像压缩已受到人们越来越多的关注。 小波分析是从付里叶分析发展而来的一种新的时频分析方法,具有良好的空间——频率局部化特性,作为小波分析的再发展,多小波不仅保持了小波的优点,而且克服了小波的一些缺陷,同时具备了实际应用中十分重要的光滑性、紧支性、对称性、正交性。这使得多小波尤比单小波具备更优良的性能(其在图像压缩方面)这决定了其在这方面将被越来越广泛的研究和应用。 作为图像有损压缩的方法之一,矢量量化的压缩比极大。一般地讲,压缩比越大,失真越大:压缩比越小,失真越小;同时,矢量量化也是一个大量计算的过程,随着一些改进算法的提出,矢量量化技术越来越成熟。 本文重要的工作就是探讨了多小波系数特性,针对其特点采用合适的矢量量化方法。实验中,采用了适合图像压缩的CL多小波与自组织特征映射神经网络SOFM,提出了一套切实可行的两者相结合的图像矢量量化方法,其创新点有二: 其一:创新性地将多小波与SOFM结合在一起进行矢量量化,填补了这方面的研究空白; 其二:根据多小波系数的特点,将其一分为三各自进行并行矢量量化,解决了实际中内存不足的问题,提高了编解码的速度,并同时提高了编码质量。 当然,对自组织特征映射网络来说,选择初始的矢量训练集是非常重要的。实验中,我们选用了各频量丰富的Lena,图像作为初始训练集。这样,在一定程度上避免了码本的局部最优化,并可以比较均匀的划分频率空间,以提高该码本的通用性能。实验结果表明,我们获得的码本具有较好的通用性,能够针对不同统计特性的图像进行良好的矢量量化。 最后,作为一个应用方法的探索,我们总结和展望了多小波图像矢量量化的发展前景,并提出一些可能的技术。