BP神经网络在图像DPCM系统中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·神经网络的发展与应用 | 第8-10页 |
| ·图像压缩编码概述 | 第10-11页 |
| ·DPCM简介 | 第11页 |
| ·本课题所做的工作及意义 | 第11-13页 |
| 第二章 图像压缩编码的基础理论 | 第13-30页 |
| ·概述 | 第13-15页 |
| ·图像的基本概念 | 第13-14页 |
| ·图像数据的表示形式 | 第14页 |
| ·数字图像文件的存储格式 | 第14-15页 |
| ·图像数据压缩系统 | 第15-18页 |
| ·图像数据压缩的必要性 | 第15-16页 |
| ·图像数据压缩的可能性 | 第16-17页 |
| ·图像数据压缩系统的组成 | 第17页 |
| ·衡量图像数据压缩编码性能的指标 | 第17-18页 |
| ·图像数据压缩编码的基本方法 | 第18-20页 |
| ·预测编码 | 第19页 |
| ·变换编码 | 第19页 |
| ·子带编码 | 第19-20页 |
| ·其它编码方法 | 第20页 |
| ·DPCM系统 | 第20-30页 |
| ·DPCM的基本原理及系统框图 | 第20-22页 |
| ·最优线性预测器设计 | 第22-24页 |
| ·最优量化器设计 | 第24-26页 |
| ·最优编码方法 | 第26-30页 |
| ·霍夫曼编码 | 第27-28页 |
| ·双字长编码 | 第28-30页 |
| 第三章 人工神经网络的原理及算法 | 第30-44页 |
| ·人工神经元模型 | 第30-32页 |
| ·神经元的数学模型 | 第30-31页 |
| ·神经元的传递函数 | 第31-32页 |
| ·神经网络的基本类型 | 第32-33页 |
| ·神经网络的学习方法 | 第33-35页 |
| ·BP算法 | 第35-44页 |
| ·标准BP算法的基本原理 | 第35-38页 |
| ·算法的程序实现 | 第38-40页 |
| ·标准BP算法的改进 | 第40-42页 |
| ·自适应调整学习步长 | 第41页 |
| ·增加动量项 | 第41-42页 |
| ·引入陡度因子 | 第42页 |
| ·BP网络的设计 | 第42-44页 |
| 第四章 基于BP神经网络的图像DPCM系统的设计 | 第44-57页 |
| ·图像数据的选取和预处理 | 第44-46页 |
| ·数据的选取 | 第44页 |
| ·数据的预处理 | 第44-46页 |
| ·分块处理 | 第44-45页 |
| ·归一化处理 | 第45-46页 |
| ·BP神经网络的模型设计 | 第46-49页 |
| ·网络结构的确定 | 第46-47页 |
| ·传递函数和初始权值的选择 | 第47页 |
| ·算法的选择 | 第47-49页 |
| ·系统程序设计流程图 | 第49-51页 |
| ·量化和编码方法 | 第51页 |
| ·数据的发送和接收 | 第51页 |
| ·仿真实验结果分析 | 第51-57页 |
| ·预测误差定性分析 | 第51-52页 |
| ·恢复图像质量和压缩比定量计算 | 第52-54页 |
| ·网络模型对系统的影响 | 第54-56页 |
| ·总结 | 第56-57页 |
| 结束语 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
