小波神经网络在图像压缩中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·图像压缩的目的和意义 | 第9-10页 |
| ·各种图像压缩方法介绍 | 第10-11页 |
| ·矢量量化技术的研究现状 | 第11-12页 |
| ·本文的研究目标和主要内容 | 第12-14页 |
| 第二章 矢量量化基础知识 | 第14-24页 |
| ·矢量量化的基本原理 | 第14-17页 |
| ·矢量量化的理论基础 | 第14-15页 |
| ·矢量量化的定义 | 第15-17页 |
| ·矢量量化的特点 | 第17页 |
| ·矢量量化的相关概念 | 第17-20页 |
| ·矢量量化器的编码速率和比特率 | 第18页 |
| ·失真测度 | 第18-19页 |
| ·复杂度 | 第19-20页 |
| ·矢量量化关键技术 | 第20-22页 |
| ·矢量量化码书设计技术 | 第20-21页 |
| ·矢量量化码字搜索技术 | 第21页 |
| ·矢量量化码字索引分配技术 | 第21-22页 |
| ·矢量量化和图像压缩 | 第22-24页 |
| ·基于矢量量化的图像压缩技术 | 第22页 |
| ·重建图像的评价 | 第22-24页 |
| 第三章 基于LBG 算法的矢量量化图像压缩 | 第24-34页 |
| ·LBG 算法的理论基础 | 第24-25页 |
| ·LBG 算法 | 第25-26页 |
| ·LBG 算法的优缺点 | 第26-27页 |
| ·初始码书的生成 | 第27-28页 |
| ·仿真实验与结果分析 | 第28-34页 |
| ·LBG 算法的流程图 | 第28-29页 |
| ·LBG 算法的结果分析 | 第29-33页 |
| ·实验结论 | 第33-34页 |
| 第四章 基于小波网络的矢量量化图像压缩 | 第34-63页 |
| ·神经网络理论 | 第34-42页 |
| ·神经网络起源与发展 | 第34-35页 |
| ·神经网络的原理 | 第35-39页 |
| ·神经网络的结构 | 第39-40页 |
| ·神经网络的特点 | 第40-42页 |
| ·小波分析理论 | 第42-49页 |
| ·小波分析的产生与发展 | 第42页 |
| ·小波分析的特点 | 第42-43页 |
| ·小波变换概述 | 第43-44页 |
| ·连续小波变换 | 第44-45页 |
| ·离散小波变换 | 第45-46页 |
| ·多分辨分析与Mallat 小波算法 | 第46-47页 |
| ·几种常用的小波基 | 第47-49页 |
| ·小波神经网络 | 第49-57页 |
| ·小波神经网络起源与研究现状 | 第49-50页 |
| ·小波分析与神经网络结合的理论与途径 | 第50-52页 |
| ·小波神经网络的特点 | 第52-53页 |
| ·小波神经网络的结构与分类 | 第53-54页 |
| ·小波神经网络权值的初始化 | 第54-57页 |
| ·仿真实验与效果分析 | 第57-63页 |
| ·小波矢量量化图像压缩的流程图 | 第57-58页 |
| ·小波矢量量化图像压缩的效果分析 | 第58-62页 |
| ·实验结论 | 第62-63页 |
| 第五章 基于LVQ 网络的矢量量化图像压缩 | 第63-73页 |
| ·LVQ 网络的理论基础 | 第63-66页 |
| ·LVQ 网络的基本思想与网络结构 | 第63-64页 |
| ·基本LVQ 算法 | 第64-66页 |
| ·LVQ 算法的优缺点 | 第66-67页 |
| ·LVQ 算法的改进 | 第67页 |
| ·基于LVQ 的矢量量化 | 第67-68页 |
| ·仿真试验与效果分析 | 第68-73页 |
| ·LVQ 矢量量化图像压缩流程图 | 第68-69页 |
| ·LVQ 矢量量化图像压缩的结果分析 | 第69-72页 |
| ·实验结论 | 第72-73页 |
| 第六章 联合小波神经网络与LBG 的改进算法 | 第73-80页 |
| ·改进算法的提出 | 第73-74页 |
| ·改进算法矢量量化图像压缩的结果分析 | 第74-77页 |
| ·四种算法矢量量化图像压缩的效果比较 | 第77-80页 |
| 第七章 结论 | 第80-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-86页 |
