小波神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應用.pdf

1、人類獲取到的信息80％來源于圖像媒體，15%來源于語音。這說明圖像是人類生活中信息交流一種極為重要的載體，圖像信息數(shù)字化所面臨的最大難題是海量數(shù)據(jù)的存儲和傳輸問題。面對當前人們對圖像信息交流的需求，如果不進行數(shù)據(jù)壓縮，現(xiàn)有的計算機設(shè)備和低速網(wǎng)絡(luò)基本上不能處理、傳輸和存儲視頻以及圖像信號，因此，圖像數(shù)據(jù)的壓縮是必須的。數(shù)字圖像壓縮的目的是減少表示圖像所需的比特數(shù)，更有效地表示圖像，以便于圖像的處理、存儲和傳輸。矢量量化作為一種高效的數(shù)據(jù)壓

2、縮技術(shù)，已被廣泛應用于圖像壓縮領(lǐng)域。本文在系統(tǒng)研究矢量量化數(shù)據(jù)壓縮理論的基礎(chǔ)上，著重探討了矢量量化的關(guān)鍵技術(shù)——碼書設(shè)計算法，引入小波神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)進行矢量量化圖像壓縮，提出了一種聯(lián)合小波神經(jīng)網(wǎng)絡(luò)和LBG的改進算法。
　　首先，論文在矢量量化碼書設(shè)計經(jīng)典算法——LBG算法的基礎(chǔ)上，引入競爭型神經(jīng)網(wǎng)絡(luò)小波神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)，設(shè)計并驗證了基于這兩種神經(jīng)網(wǎng)絡(luò)的的矢量量化碼書設(shè)計算法。通過仿真實驗，研究了在改變碼字大小等參

3、數(shù)的情況下，LBG、小波和LVQ的訓練過程和算法性能。LBG和LVQ算法對初始碼書依賴性大，小波神經(jīng)網(wǎng)絡(luò)算法訓練時間較長。
　　根據(jù)LBG算法與神經(jīng)網(wǎng)絡(luò)的特性，提出一種聯(lián)合小波神經(jīng)網(wǎng)絡(luò)和LBG算法的碼書設(shè)計改進方法，并通過實驗驗證了改進算法的有效性。實驗結(jié)果表明，改進算法具備了更好的壓縮效果，更優(yōu)的峰值信噪比（PSNR）和更快的壓縮時間，同時具備了較好的去噪能力。對于給定的碼字大小，碼書越大，壓縮比越低，但重建圖像質(zhì)量越好；碼書相