基于BP神经网络的图像压缩算法研究
| 1 绪论 | 第1-17页 |
| ·人工神经网络的背景 | 第8-11页 |
| ·人工神经网络简介 | 第8-9页 |
| ·人工神经元模型 | 第9页 |
| ·人工神经网络的发展与现状 | 第9-11页 |
| ·人工神经网络的应用 | 第11页 |
| ·图像压缩编码的背景 | 第11-12页 |
| ·几种典型的图像压缩编码技术 | 第12-14页 |
| ·离散余弦变换压缩 | 第13页 |
| ·分形压缩 | 第13-14页 |
| ·小波变换压缩 | 第14页 |
| ·图像压缩编码的性能指标 | 第14-16页 |
| ·客观保真度准则 | 第14-15页 |
| ·主观保真度准则 | 第15页 |
| ·压缩比 | 第15-16页 |
| ·本文的工作简介 | 第16-17页 |
| 2 基于标准BP 神经网络的图像压缩 | 第17-33页 |
| ·BP 算法的基本思想 | 第17-18页 |
| ·基于BP 算法的神经网络模型 | 第18-19页 |
| ·BP 学习算法 | 第19-21页 |
| ·网络误差与权值调整 | 第19-20页 |
| ·BP 算法推导 | 第20-21页 |
| ·基于BP 算法的神经网络用于图像压缩编码 | 第21-25页 |
| ·BP 网络用于图像压缩的基本原理 | 第21-22页 |
| ·BP 网络的设计 | 第22-25页 |
| ·基于BP 网络的图像压缩算法仿真 | 第25-31页 |
| ·算法流程 | 第25页 |
| ·仿真结果 | 第25-31页 |
| ·小结 | 第31-33页 |
| 3 标准BP 算法的改进 | 第33-37页 |
| ·附加动量法 | 第33页 |
| ·自适应调节学习率 | 第33-34页 |
| ·改进BP 算法用于图像压缩的仿真实现 | 第34-36页 |
| ·附加动量法 | 第34-35页 |
| ·自适应调整学习率 | 第35-36页 |
| ·小结 | 第36-37页 |
| 4 基于联合优化算法的BP 网络用于图像压缩 | 第37-47页 |
| ·Cauchy 误差估计器 | 第37-40页 |
| ·转移函数中引入陡度因子 | 第40-42页 |
| ·导数提升 | 第42-43页 |
| ·各层权值调整变尺度 | 第43-44页 |
| ·联合优化的仿真结果 | 第44-45页 |
| ·小结 | 第45-47页 |
| 5 小波神经网络用于图像压缩 | 第47-52页 |
| ·概述 | 第47页 |
| ·小波分析简介 | 第47-48页 |
| ·小波变换与神经网络的辅助式结合用于图像压缩 | 第48-51页 |
| ·小结 | 第51-52页 |
| 6 结论 | 第52-54页 |
| ·本文的工作总结 | 第52页 |
| ·今后的工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 | 第57-70页 |
