| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-10页 |
| 第二章 图像压缩技术 | 第10-21页 |
| ·图像压缩系统 | 第10-17页 |
| ·图像压缩简介 | 第10-12页 |
| ·图像压缩方法 | 第12-15页 |
| ·图像压缩技术的发展与现状 | 第15-17页 |
| ·图像矢量量化 | 第17-21页 |
| ·矢量量化 | 第17-18页 |
| ·典型矢量量化算法及特点 | 第18-21页 |
| 第三章 主分量分析和自组织特征映射神经网络 | 第21-34页 |
| ·主分量分析神经网络 | 第21-24页 |
| ·Oja模型网络及其算法 | 第21-22页 |
| ·基于Sanger算法的主分量分析神经网络 | 第22-24页 |
| ·自组织特征映射神经网络 | 第24-29页 |
| ·自组织特征映射神经网络的模型 | 第24-25页 |
| ·自组织特征映射网络学习算法 | 第25-29页 |
| ·一种基于分类的PCA／SOFM混合神经网络的图像压缩算法 | 第29-34页 |
| ·算法简述 | 第29-30页 |
| ·分类PCA／SOFM混合神经网络编码算法 | 第30-33页 |
| ·PCA线性神经网络 | 第30-32页 |
| ·SOFM神经网络 | 第32-33页 |
| ·试验结果分析 | 第33页 |
| ·结论 | 第33-34页 |
| 第四章 多小波理论及其应用 | 第34-65页 |
| ·多小波理论 | 第34-43页 |
| ·多小波发展历史 | 第34-36页 |
| ·离散多小波变换 | 第36-38页 |
| ·预处理和后处理 | 第38-40页 |
| ·多小波的性质与应用 | 第40-43页 |
| ·多小波在图像压缩中的应用 | 第43-46页 |
| ·图像的多小波变换 | 第44-45页 |
| ·基于多小波的图像压缩 | 第45-46页 |
| ·基于能量和系数分布的多小波压缩算法 | 第46-53页 |
| ·多小波简介 | 第46-47页 |
| ·图像的多小波变换 | 第47-51页 |
| ·图像的前置滤波 | 第47-48页 |
| ·多小波变换 | 第48-51页 |
| ·基于能量分布和最大系数的多小波压缩方法 | 第51-52页 |
| ·试验及压缩性能对比 | 第52-53页 |
| ·结论 | 第53页 |
| ·基于多小波的改进型SPIHT图像压缩编码 | 第53-59页 |
| ·引言 | 第53页 |
| ·多小波变换 | 第53-54页 |
| ·SPIHT编码算法 | 第54-58页 |
| ·试验结果及编码性能分析 | 第58-59页 |
| ·结论 | 第59页 |
| ·基于平衡正交多小波与SOFM的图像压缩方法 | 第59-65页 |
| ·平衡正交多小波及其选择 | 第60-61页 |
| ·图像的平衡正交多小波分解系数分布特征 | 第61页 |
| ·算法方案 | 第61-63页 |
| ·试验与性能分析 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 在读期间发表论文 | 第70-71页 |
| 致谢 | 第71页 |