40、基于联想记忆的矢量量化算法：VQ - EAM的原理与实践

基于联想记忆的矢量量化算法：VQ - EAM的原理与实践

1. 引言

在图像压缩领域，矢量量化（VQ）是一种关键技术。传统的VQ算法如LBG算法在实际应用中存在一定的局限性，为了提高VQ的效率和性能，提出了一种新的基于扩展联想记忆（EAM）的矢量量化算法——VQ - EAM。该算法在码本生成和码字搜索过程中都利用了EAM，展现出了良好的性能。

2. EAM的召回阶段

EAM召回阶段的目标是生成模式所属的类别索引。当一个模式 $x \in R^n$ 被呈现给记忆体 $M$ 时，就会进行模式召回（模式分类），且该模式不一定是用于构建记忆体 $M$ 的模式之一。

对于prom运算符的情况，$x$ 所属的类别由以下公式给出：
[i = \arg \min_{l = 1}^{N} \max_{j = 1}^{n} |m_{lj} - x_j|]
其中，运算符 $\vee \equiv \max$ 和 $\wedge \equiv \min$ 对记忆体 $M$ 的元素 $m_{ij}$ 与待分类模式 $x$ 的分量 $x_j$ 的绝对值之差执行形态学操作。

3. VQ - EAM算法概述

VQ - EAM算法分为两个阶段：

3.1 码本生成

此阶段结合了LBG算法和EAM的学习阶段来生成码本，具体步骤如下：
1. LBG码本生成 ：使用LBG算法和图像块作为训练集生成初始码本 ${C_i = y_i} {i = 1}^{N}$，每个码字是一个 $n$ 维向量 $y = [y_j]$。
2.