基于BP神经网络的图像压缩研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·图像压缩的目的与意义 | 第8-9页 |
| ·图像压缩技术的发展 | 第9页 |
| ·各种图像压缩方法介绍 | 第9-14页 |
| ·传统方法 | 第11-13页 |
| ·现代方法 | 第13-14页 |
| ·人工神经网络的背景 | 第14-16页 |
| ·原理与优势 | 第14-15页 |
| ·编码方法分类 | 第15-16页 |
| ·本文的研究内容 | 第16-18页 |
| 2 人工神经网络理论基础 | 第18-32页 |
| ·神经元模型与网络结构 | 第18-22页 |
| ·多个神经元模型 | 第18-19页 |
| ·基本网络结构 | 第19-22页 |
| ·拓扑结构的分类 | 第22-24页 |
| ·学习规则 | 第24-27页 |
| ·常用于图像压缩的神经网络 | 第27-30页 |
| ·BP 神经网络 | 第27-28页 |
| ·Kohonen 自组织神经网络 | 第28-29页 |
| ·Hopfield 网络 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 3 标准 BP 网络的图像压缩及其算法改进 | 第32-60页 |
| ·BP 算法的基本思想 | 第32-33页 |
| ·BP 算法研究 | 第33-44页 |
| ·常用传输函数 | 第33-35页 |
| ·新的传输函数 | 第35-37页 |
| ·算法流程 | 第37-38页 |
| ·网络模型 | 第38-39页 |
| ·网络误差与权值调整 | 第39-40页 |
| ·算法推导 | 第40-42页 |
| ·算法不足之处 | 第42页 |
| ·经典BP 算法改进方法 | 第42-44页 |
| ·BP 网络图像压缩 | 第44-49页 |
| ·基本原理 | 第44-46页 |
| ·性能参数 | 第46-47页 |
| ·网络的设计 | 第47-49页 |
| ·BP 算法改进及实验结果 | 第49-59页 |
| ·陡度因子 | 第49-55页 |
| ·各层权值调整变尺度 | 第55-57页 |
| ·联合改进算法 | 第57-59页 |
| ·小结 | 第59-60页 |
| 4 小波神经网络 | 第60-72页 |
| ·概述 | 第60页 |
| ·小波分析简介 | 第60-62页 |
| ·小波变换与神经网络的辅助式结合 | 第62-64页 |
| ·关键技术和仿真结果 | 第64-70页 |
| ·小波基的选取 | 第64-66页 |
| ·小波分解 | 第66-67页 |
| ·训练样本的获取 | 第67页 |
| ·实验结果 | 第67-70页 |
| ·小结 | 第70-72页 |
| 5 结论 | 第72-74页 |
| ·本文的工作总结 | 第72页 |
| ·今后的工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79页 |
