脉冲耦合神经网络的图像压缩编码研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7页 |
| ·图像压缩编码简介 | 第7-8页 |
| ·基于脉冲耦合神经网络的图像编码 | 第8-10页 |
| ·论文安排 | 第10-11页 |
| 第二章 脉冲耦合神经网络 | 第11-17页 |
| ·PCNN模型简介 | 第11-13页 |
| ·PCNN的运行特性及应用 | 第13-16页 |
| ·PCNN无耦合运行特性 | 第13-14页 |
| ·PCNN耦合链接运行特性 | 第14-15页 |
| ·PCNN在图像处理中的应用 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 PCNN与人眼视觉特性 | 第17-22页 |
| ·人眼视觉特性 | 第17-19页 |
| ·视觉阈值 | 第17-18页 |
| ·马赫带效应 | 第18-19页 |
| ·视觉适应性 | 第19页 |
| ·PCNN与人眼视觉特性 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第四章 基于PCNN的自适应图像量化 | 第22-32页 |
| ·PCNN参数自适应设置 | 第23-26页 |
| ·参数α_L | 第24页 |
| ·参数β、V_L | 第24-25页 |
| ·参数α_E、V_E | 第25-26页 |
| ·PCNN的自适应图像量化 | 第26-30页 |
| ·量化流程设计 | 第26-27页 |
| ·量化结果分析 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第五章 PCNN的图像压缩编码 | 第32-39页 |
| ·PCNN与霍夫曼编码结合 | 第32-34页 |
| ·霍夫曼编码 | 第32-33页 |
| ·结合PCNN量化的霍夫曼编码 | 第33-34页 |
| ·PCNN与行程编码结合 | 第34-36页 |
| ·行程编码 | 第34-35页 |
| ·结合PCNN量化的行程编码 | 第35-36页 |
| ·PCNN的不规则区域分割编码 | 第36-37页 |
| ·基于PCNN的图像编码算法比较 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第六章 总结和展望 | 第39-41页 |
| ·论文总结 | 第39-40页 |
| ·工作展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 在学期间的研究成果 | 第44-45页 |
| 致谢 | 第45页 |
