傳統向量量化使用硬式(Hard)分割的方式來訓練編碼本(codebook)，所以在每一分類
的相鄰邊界，聚類(cluster) 效果不佳。因此，在本文中提出模糊聚類演算法(Fuzzy
Cluster Algorithm)，利用模糊聚類使分類邊界模糊化，以改善傳統向量量化在訓練
時，相鄰分類的聚類問題。
本文針對模糊C-均值演算法(Fuzzy c-means;FCM) 在處理大量訓練資料所產生之缺點
加以改良，提出一個模糊C-均值改良法(Modified FCM;MFCM) ，以解決模糊C-均值演
算法的關係矩陣(membership matrix) 初始值設定的困擾，以及儲存大量關係矩陣的
記憶空間限制等問題，並將此演算法應用於向量量化之影像壓縮。由於模糊C-均值改
良法和模糊C-均值演算法在處理大理資料時，都有一個共同的缺點－－處理時間太長
。針對此一缺點，本文提出了一個簡單、快速、有效的影像壓縮模糊演算法。
另外，利用旋轉編碼字(codeword)的技巧，提出一個新的向量量化壓縮法－－分類向
量量化旋轉編碼法，此法不但可減少編碼本的大小，更有良好的視覺品質。
|