经计算证明了风云四号气象卫星上的干涉仪所采集的三维数据立方体在时间维上更容易取得高无损压缩比，于是决定以时间维上的单帧干涉数据为单位进行无损压缩的探索。结合干涉数据在时间维上的相关性特点，提出一种新的无损压缩算法。该算法根据干涉数据的各段特点，分别进行矢量量化和线性预测以此来进行压缩，采用MATLAB 对实际采集数据进行仿真试验后可得，新方法最终取得的无损压缩比比直接进行Huffman 编码所得的压缩比提高了10%～20%。

近年来对图像处理的研究已从二维(2D)向三维(3D)及更高维方向发展。但对3D图像分割的研究目前尚不够深入，仍以基于2D图像的分割方法为主。提出了一种可有效利用空间信息的3D图像自适应分割方法：先进行层间插值、空间子块的边缘与非边缘模式分类；并对非边缘模式子块进行基于矢量量化的分割，同时设计出一种最优码本求取方法来自适应确定分割的数目；再对边缘模式子块根据非边缘模式子块的分割结果进行逐点检测和划分。文中利用IBSR医学图像库的仿真人脑数据和实际人脑核磁共振成像(MRI)样本进行实验，验证了该方法的有效性。同时通过对同一病患不同时期的MRI数据样本进行实验，得到了诸如不同时间病灶部位的体积变化情况等十分有价值的临床医学信息。

提出一种基于学习矢量量化的运动目标检测算法。通过训练样本, 网络能自适应地确定区分运动目标和背景的阈值向量。输入向量包含图像的 YCbCr颜色空间分量和灰度共生矩阵的方向特征。两者融合到算法中, 有效抑制了背景亮度变化对运动目标检测的干扰。仿真实验结果表明, 即使在背景模型亮度剧烈变化的情况下, 算法也能够准确检测出运动目标。

在基于点到线模型扩展LBG(linde-buzo-gray algorithm)矢量量化算法的基础上, 提出了一种更为高效的新型自适应LBG矢量量化算法, 并给出了该算法在干涉高光谱图像无损压缩中的实际压缩方案。 该算法在LBG算法码书中利用点到线的垂线关系基础上进行了改进, 执行进一步的自适应化迭代进而获得了更小的残差。 将自适应LBG矢量量化算法应用于干涉高光谱LASIS(large aperture static imaging spectrometer)图像数据无损压缩中, 实验结果表明, 该方法比原有的扩展LBG矢量量化算法在无损压缩性能上有显著的提高, 并且在与LASIS图像双向预测结合后, 点到线模型扩展LBG矢量量化算法的压缩比相对于传统LBG算法有所下降, 而采用本文提出算法的压缩比则有明显的提高。

白酒是一个复杂的混合物体系, 它含有大量的微量成分, 这些微量成分直接决定了白酒的品质、 口感和香型。 为实现对白酒香型的快速鉴别, 可采集不同香型白酒的红外光谱图, 并将其作为模式分类方法的输入模式, 建立白酒香型鉴别模型。 首次全面系统地介绍了白酒香型模式识别算法, 这些算法包括统计分类器(线性判别函数、 二次判别函数、 正则判别分析、 K近邻算法)、 原型学习算法(学习矢量量化)、 支持向量机和AdaBoost算法。 实验结果表明, 基于红外光谱的白酒香型检测模式识别算法达到了很高的分类准确率、 识别率和拒绝率, 显示出了很好的性能。

本文对医学图像先采用DPCM预测变换后,再选择IWT(整数小波变换)对其进行分解,对分解后的低频和高频子带分别作无损Huffman编码和有损矢量量化。根据小波分解后系数的分布特征,能量大部分集中在低频部分,对低频进行无损熵编码,对高频采用量化处理,去除人眼不敏感的冗余信息。最后利用处理过的低频和高频系数进行重构获得压缩后的图像。并与传统的离散小波变换压缩编码,JPEG和JPEG2000进行比较,实验结果表明,利用该方法能得到较高的压缩比和较好的压缩效果。

提出了拼凑块矢量量化编码方法,利用四步部分匹配预测技术获得一个拼凑块,作为当前图像块的预测被编码,只需一位便可以完成当前图像块的编码.在此编码方案当中,根据预先定义的匹配失真阈值,图像可以有选择地利用拼凑块、动态码本及码本库编码.四步部分匹配预测技术利用优化了每个图像编码块的像素空间连续性,改善编码性能,降低了误差传递效率.实验结果表明PBVQ在0.27bpp时得到了30.92dB的峰值信噪比,明显优于IFMFSVQ的29.82dB,CSMVQ的28.56dB,GSMVQ的28.64dB,很大程度地改善了重构图像质量,尤其在低比特率下.

提出一种基于多小波变换结合矢量量化的图像编码算法(MDWT+VQ).首先对图像进行多小波分解,然后对高频系数用改进后的LBG算法形成的码书进行VQ编码.算法充分利用了多小波域不同分辨率层间各方向子图像的相似性,仅对最高分辨率层进行码书地址索引,低级分辨率层的系数按照一定的组织形式直接套用最高分辨率层的地址索引信息.对比实验的结果验证了该算法在提高图像的重建质量以及在降低位码率方面均比传统的单小波图像编码算法有一定的提高.

提出了基于Karhunen Loève变换的小波谱特征矢量量化三维谱像数据压缩方法。三维Karhunen Loève变换/小波变换/小波谱特征矢量量化方法应用了Karhunen Loève变换的消除谱相关性优良性能,应用二维小波变换消除空间相关性,在小波变换域内应用二维集分割嵌入块编码和一维谱特征矢量量化对三维谱像数据压缩,获得较高的压缩性能。实验结果表明:Karhunen Loève变换/小波变换/小波谱特征矢量量化编码比Karhunen Loève变换/小波变换/改进对块零树编码和Karhunen Loève变换/小波变换/快速矢量量化编码方法在同样压缩比条件下,峰值信噪比提高2 dB和1 dB以上,而速度提高了1.5和8倍,整体压缩性能有较大的提高。

提出了一种新的识别灰度级图像的方法,该方法基于矢量量化的基本思想,通过对图像的分割,将灰度级图像映射成神经元仅取少数几种状态(低态)的Hopfield神经网络模型。理论和模拟实验证明:这种低状态的Hopfield网络模型与传统灰度级图像识别模型相比,不仅神经元的数目较少,互连密度较低,而且网络具有较好的联想能力。