| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题的研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·课题的研究思路及研究内容 | 第10页 |
| ·主要研究成果及创新点 | 第10-11页 |
| ·论文内容与结构 | 第11-12页 |
| 第二章 图像压缩与神经网络简述 | 第12-19页 |
| ·图像压缩理论与方法 | 第12-17页 |
| ·图像压缩简介 | 第12-14页 |
| ·有损压缩方法 | 第14-16页 |
| ·图像压缩标准 | 第16-17页 |
| ·神经网络模型及应用 | 第17-19页 |
| ·常用神经网络模型 | 第17-18页 |
| ·神经网络的图像压缩机理和优势 | 第18-19页 |
| 第三章 基于改进CPN的快速矢量量化 | 第19-28页 |
| ·对向传播神经网络(CPN) | 第19-20页 |
| ·基于标准CPN的矢量量化器模型 | 第20页 |
| ·基于改进CPN的快速矢量量化 | 第20-22页 |
| ·竞争层算法的改进和快速竞争学习算法的提出 | 第20-21页 |
| ·输出层学习功能的利用和误差修正算法的提出 | 第21页 |
| ·基于改进CPN的快速矢量量化器模型 | 第21-22页 |
| ·算法实现及实验结果 | 第22-28页 |
| ·算法中重要步骤和重要参数的处理 | 第22-26页 |
| ·实验结果 | 第26-28页 |
| 第四章 用连续Hopfield神经网络实现矢量量化 | 第28-39页 |
| ·连续Hopfield神经网络(CHNN)优化计算原理 | 第28-33页 |
| ·CHNN模型 | 第28-29页 |
| ·CHNN的神经动力学特性和稳定性 | 第29-31页 |
| ·CHNN优化计算的一般步骤 | 第31-33页 |
| ·实现码书设计的竞争性CHNN模型 | 第33-37页 |
| ·用CHNN进行码书设计的思路 | 第33-34页 |
| ·CHNN结构及竞争机制 | 第34-35页 |
| ·CHNN能量函数与动力学方程 | 第35-37页 |
| ·竞争性CHNN码书设计算法及实现 | 第37-39页 |
| 第五章 神经网络在KL变换编码中的应用 | 第39-52页 |
| ·KL变换编码原理 | 第39-43页 |
| ·图像协方差矩阵 | 第39-40页 |
| ·KL变换及其数据压缩原理 | 第40-43页 |
| ·主分量分析神经网络及其不足 | 第43-46页 |
| ·Oja神经元模型 | 第43-44页 |
| ·提取多个主分量的神经网络算法 | 第44-45页 |
| ·主分量分析神经网络的不足 | 第45-46页 |
| ·对称特征值神经网络(SEVNN)的设计与图像压缩 | 第46-52页 |
| ·数学原理--对称矩阵的特征值分解 | 第46-47页 |
| ·求对称特征值问题的神经网络SEVNN | 第47-49页 |
| ·基于SEVNN的图像压缩算法及实现 | 第49-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-56页 |
