摘要
针对原有随机数设置法、训练矢量集随机抽取法和LBG分裂法等初始码书算法存在码矢利用率较低、运算量大和与信源匹配程度不高等不足,提出了一种新的分离平均法,并应用到基于自组织特征映射算法(SOM)的学习矢量量化(LVQ)中.图像矢量量化的实验表明,分离平均初始码书算法具有无效码矢数量少和码书性能高、运算量小、实现简单等优点.
In vector quantization（VQ）, the initial codebook design is very important for VQ codebook performances. To overcome disadvantages of existing initial codebook algorithms, a new separating mean algorithm for learning vector quantization（LVQ）based upon self-organizing feature maps（SOM） was proposed. Experimental results for image VQ show that new initial codebook algorithm is better than random and splitting algorithm.
出处
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2006年第4期33-35,共3页
Journal of Beijing University of Posts and Telecommunications
基金
国家自然科学基金项目(60271014)
关键词
矢量量化
自组织特征映射
图像编码
learning vector quantization
self-organizing feature maps
image coding
