| 第1章 绪论 | 第1-17页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·小波变换和神经网络图像压缩方法的可行性 | 第12页 |
| ·课题研究的意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·图像压缩的发展与现状 | 第13-14页 |
| ·小波变换在图像压缩中的应用现状 | 第14页 |
| ·神经网络的发展与研究现状 | 第14-15页 |
| ·神经网络在图像压缩中的应用现状 | 第15页 |
| ·论文的主要内容及结构 | 第15-17页 |
| 第2章 图像压缩 | 第17-28页 |
| ·图像压缩简介 | 第17-21页 |
| ·图像的可压缩理论 | 第17-19页 |
| ·图像压缩编码的分类 | 第19页 |
| ·图像压缩算法的性能评价指标 | 第19-21页 |
| ·无损压缩技术 | 第21-24页 |
| ·RLE压缩方法 | 第21页 |
| ·Huffman压缩方法 | 第21-22页 |
| ·基于字典压缩方法 | 第22-24页 |
| ·算术压缩方法 | 第24页 |
| ·有损压缩技术 | 第24-27页 |
| ·预测编码 | 第25页 |
| ·正交变换编码 | 第25-26页 |
| ·矢量量化编码 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第3章 图像的小波变换 | 第28-43页 |
| ·小波理论的产生背景 | 第28-30页 |
| ·小波的数学描述 | 第30-31页 |
| ·母小波与子小波的数学描述 | 第30页 |
| ·连续小波变换与离散小波变换 | 第30-31页 |
| ·基于小波变换的图像分解 | 第31-42页 |
| ·多分辨率分析与尺度函数 | 第32-33页 |
| ·图像的多分辨率分解 | 第33-40页 |
| ·小波的选取与DB正交小波 | 第40-42页 |
| ·本章小节 | 第42-43页 |
| 第4章 人工神经网络与图像矢量压缩 | 第43-54页 |
| ·神经网络简介 | 第43-47页 |
| ·神经网络的常用类型 | 第43-45页 |
| ·神经网络在图像压缩中的应用 | 第45-47页 |
| ·SOFM算法简介 | 第47-52页 |
| ·SOFM算法的基本概念 | 第47页 |
| ·SOFM网络的基本结构 | 第47-48页 |
| ·基本的SOFM算法 | 第48-49页 |
| ·参数的选择 | 第49-52页 |
| ·SOFM算法应用于矢量量化的优势 | 第52页 |
| ·SOFM网络的应用结果和分析 | 第52-53页 |
| ·本章小节 | 第53-54页 |
| 第5章 基于小波变换和混合神经网络的图像矢量压缩算法 | 第54-68页 |
| ·主元分析算法(PCA) | 第54-56页 |
| ·主元分析理论的基本概念 | 第54-56页 |
| ·PCA线性神经网络 | 第56页 |
| ·PCA/SOFM混合智能压缩算法 | 第56-63页 |
| ·混合智能算法基本原理 | 第56-58页 |
| ·混合智能算法应用结果和分析 | 第58-63页 |
| ·基于混合智能压缩算法的改进 | 第63-66页 |
| ·本章小节 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |