基于中间神经元神经网络的快速小波图像压缩研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 引言 | 第10-22页 |
| ·课题研究的背景及意义 | 第10-13页 |
| ·数字图像压缩的重要性 | 第10-11页 |
| ·人工神经网络概述 | 第11-12页 |
| ·课题研究的意义 | 第12-13页 |
| ·国内外研究现状 | 第13-20页 |
| ·神经网络研究的历史 | 第13-15页 |
| ·神经网络在图像压缩中的应用 | 第15-16页 |
| ·图像压缩技术的发展现状 | 第16-17页 |
| ·小波变换应用于图像压缩的常见方法 | 第17-20页 |
| ·论文的主要内容与结构 | 第20-22页 |
| 2 图像压缩与小波变换理论 | 第22-34页 |
| ·图像压缩编码技术 | 第22-23页 |
| ·图像质量评价 | 第23-25页 |
| ·编码效果评价参数 | 第23-24页 |
| ·保真度原则 | 第24-25页 |
| ·小波变换的基本原理 | 第25-28页 |
| ·符号约定 | 第25页 |
| ·连续小波变换 | 第25-27页 |
| ·离散小波变换 | 第27-28页 |
| ·小波基的分类 | 第28页 |
| ·多分辨率分析 | 第28-30页 |
| ·MALLAT小波变换 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 3 矢量量化概述 | 第34-41页 |
| ·矢量量化的定义 | 第34-35页 |
| ·矢量量化的相关概念 | 第35-37页 |
| ·矢量量化器 | 第37-38页 |
| ·矢量量化的核心技术 | 第38-40页 |
| ·码本设计 | 第38-39页 |
| ·码字索引的分配 | 第39页 |
| ·码字的搜索 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 4 引入中间神经元神经网络的快速小波图像压缩 | 第41-58页 |
| ·生物神经网络结构 | 第41-42页 |
| ·神经元模型 | 第42-43页 |
| ·人工神经网络模型 | 第43-47页 |
| ·径向基神经网络 | 第43-44页 |
| ·BP神经网络 | 第44-46页 |
| ·反馈神经网络 | 第46-47页 |
| ·神经网络的学习方式 | 第47-48页 |
| ·Kohonen神经网络 | 第48-50页 |
| ·SOFM神经网络模型 | 第48-49页 |
| ·SOFM算法 | 第49-50页 |
| ·改进的Kohonen神经网络算法 | 第50-53页 |
| ·SOFM-C算法 | 第50-52页 |
| ·FSOFM算法 | 第52-53页 |
| ·MSOFM算法 | 第53页 |
| ·RSOFM-C神经网络中间层 | 第53-54页 |
| ·RSOFM-C算法 | 第54-55页 |
| ·编码原理 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 5 仿真实验与分析 | 第58-66页 |
| ·实验环境 | 第58页 |
| ·码本尺寸的选择 | 第58页 |
| ·RSOFM-C神经网络的训练 | 第58-59页 |
| ·RSOFM-C算法复杂度分析 | 第59-60页 |
| ·MATLAB实验仿真结果 | 第60-64页 |
| ·多中间层的RSOFM-C神经网络 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |
