| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 第1章 引言 | 第9-17页 |
| 1．1 论文研究背景及意义 | 第9-10页 |
| 1．2 数字图像压缩技术的国内外研究动态 | 第10-16页 |
| 1．2．1 数字图像压缩技术概述 | 第10-12页 |
| 1．2．2 数字图像压缩技术标准 | 第12-15页 |
| 1．2．3 数字图像压缩技术分类 | 第15-16页 |
| 1．3 论文研究内容及安排 | 第16-17页 |
| 第2章 矢量量化 | 第17-29页 |
| 2．1 矢量量化压缩技术 | 第17-22页 |
| 2．1．1 矢量量化数学思想 | 第17-18页 |
| 2．1．2 矢量量化过程 | 第18-19页 |
| 2．1．3 LBG算法及其改进算法 | 第19-22页 |
| 2．1．3．1 LBG算法 | 第19-20页 |
| 2．1．3．2 改进的LBG算法 | 第20-22页 |
| 2．2 人工神经网络技术 | 第22-23页 |
| 2．3 神经网络在图像压缩中的应用概述 | 第23-25页 |
| 2．4 基于SOFM神经网络的矢量量化 | 第25-29页 |
| 2．4．1 SOFM神经网络 | 第25-27页 |
| 2．4．2． SOFM算法 | 第27-29页 |
| 第3章 自适应预测编码 | 第29-49页 |
| 3．1 无损预测编码 | 第29-33页 |
| 3．1．1 DPCM预测器的阶、分类和计算方法 | 第30页 |
| 3．1．2 差值图像的Huffman预测编码 | 第30-33页 |
| 3．2 有损压缩技术 | 第33-35页 |
| 3．3 有损预测编码 | 第35-44页 |
| 3．3．1 预测器优化 | 第36-38页 |
| 3．3．2 量化器优化 | 第38-40页 |
| 3．3．3 自适应 | 第40-44页 |
| 3．3．3．1 自适应预测 | 第41页 |
| 3．3．3．2 自适应量化 | 第41-44页 |
| 3．4 自适应预测编码中的神经网络 | 第44-46页 |
| 3．4．1 BP神经网络 | 第44-45页 |
| 3．4．2 Sigmoid激发函数下的BP算法 | 第45-46页 |
| 3．5 神经网络在图像压缩中的算法评估 | 第46-49页 |
| 第4章 变换域技术在图像压缩中的应用 | 第49-72页 |
| 4．1 变换编码 | 第49-52页 |
| 4．1．1 坐标轴旋转的变换 | 第50-52页 |
| 4．1．2 基本函数分解的变换 | 第52页 |
| 4．2 图像变换 | 第52-62页 |
| 4．2．1 离散傅立叶变换 | 第53-57页 |
| 4．2．1．1 图像的离散傅立叶变换 | 第53-56页 |
| 4．2．1．2 离散傅立叶变换应用于压缩实验的实现 | 第56-57页 |
| 4．2．2 离散余弦变换 | 第57-60页 |
| 4．2．2．1 图像的离散余弦变换 | 第57-59页 |
| 4．2．2．2 离散余弦变换应用于压缩实验的实现 | 第59-60页 |
| 4．2．3 Walsh—Hadamard变换（WHT）的压缩实验的实现 | 第60-62页 |
| 4．3 图像变换编码的策略 | 第62-64页 |
| 4．4 小波变换 | 第64-72页 |
| 4．4．1 短时傅立叶变换 | 第64-65页 |
| 4．4．2 连续小波变换 | 第65-66页 |
| 4．4．3 一维离散小波变换及其信号分解实验 | 第66-70页 |
| 4．4．4 二维离散小波变换及其图像分解实验 | 第70-72页 |
| 第5章 变换域内结合神经网络的图像压缩方案设计 | 第72-87页 |
| 5．1 图像的小波变换处理分析 | 第72-78页 |
| 5．1．1 多分辨分析与图像小波变换压缩实验的实现 | 第72-74页 |
| 5．1．2 图像压缩处理中小波函数的比较与分析实验 | 第74-77页 |
| 5．1．3 图像分解后小波系数的分析 | 第77-78页 |
| 5．2 图像压缩系统的方案设计 | 第78-83页 |
| 5．3 图像压缩系统的实验及结论 | 第83-87页 |
| 第6章 总结与展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-91页 |
