| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·数字图像压缩技术的发展与现状 | 第11-13页 |
| ·神经网络的发展与研究现状 | 第13-14页 |
| ·神经网络在图像压缩中的应用现状 | 第14页 |
| ·课题的研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第二章 图像压缩与神经网络概述 | 第16-37页 |
| ·图像压缩理论与方法 | 第16-23页 |
| ·图像压缩简介 | 第16-18页 |
| ·图像压缩的评价准则 | 第18-20页 |
| ·图像压缩编码的经典方法 | 第20-22页 |
| ·图像压缩国际标准简介 | 第22-23页 |
| ·神经网络模型及应用 | 第23-26页 |
| ·常用神经网络模型 | 第23-25页 |
| ·神经网络的图像压缩机理和优势 | 第25-26页 |
| ·混沌神经网络 | 第26-36页 |
| ·混沌及混沌现象的意义 | 第26-28页 |
| ·Logistic 映射 | 第28-30页 |
| ·混沌神经网络 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于混沌映射的前向神经网络图像压缩 | 第37-52页 |
| ·前向神经网络的图像压缩原理 | 第37-38页 |
| ·Ⅰ型前向混沌神经网络 | 第38-41页 |
| ·Ⅰ型前向混沌神经网络结构 | 第38-40页 |
| ·Ⅰ型前向混沌神经网络的学习算法 | 第40-41页 |
| ·Ⅱ型前向混沌神经网络 | 第41-44页 |
| ·Ⅱ型前向混沌神经网络的学习算法 | 第41-43页 |
| ·Ⅱ型前向混沌神经网络的应用 | 第43-44页 |
| ·算法实现及仿真结果 | 第44-51页 |
| ·算法中的重要步骤 | 第44-45页 |
| ·算法流程 | 第45-46页 |
| ·仿真结果与分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 用混沌Hopfield 神经网络实现矢量量化 | 第52-71页 |
| ·混沌Hopfield 神经网络优化计算原理 | 第52-61页 |
| ·混沌Hopfield 神经网络模型 | 第52-56页 |
| ·混沌Hopfield 神经网络的动力学特性 | 第56-59页 |
| ·连续Hopfield 神经网络优化计算的一般步骤 | 第59-61页 |
| ·实现码本设计的混沌Hopfield 网络模型 | 第61-66页 |
| ·用混沌Hopfield 神经网络进行码本设计的思路 | 第61页 |
| ·混沌Hopfield 神经网络结构及竞争机制 | 第61-64页 |
| ·混沌Hopfield 神经网络能量函数与动力学方程 | 第64-66页 |
| ·码本设计的算法及实现 | 第66-67页 |
| ·仿真结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-73页 |
| ·本论文研究总结 | 第71-72页 |
| ·工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士研究生期间取得的研究成果 | 第78-79页 |
