图像无损压缩算法初步研究
| 第一章 前言 | 第1-12页 |
| 1．1 课题提出 | 第7页 |
| 1．2 研究内容 | 第7-11页 |
| 1．2．1 遥感图像 | 第7-9页 |
| 1．2．2 医学图像 | 第9-11页 |
| 1．3 论文安排 | 第11-12页 |
| 第二章 无损压缩的原理和方法 | 第12-23页 |
| 2．1 无损压缩的原理 | 第12-13页 |
| 2．2 基本图像压缩编码技术 | 第13-18页 |
| 2．2．1 预测编码 | 第13-15页 |
| 2．2．2 变换编码 | 第15页 |
| 2．2．3 矢量量化 | 第15页 |
| 2．2．4 熵编码 | 第15-16页 |
| 2．2．4．1 算术编码 | 第16-17页 |
| 2．2．4．2 Rice编码 | 第17-18页 |
| 2．3 图像无损压缩发展现状 | 第18-23页 |
| 2．3．1 分层内插法 | 第19-20页 |
| 2．3．2 差值金字塔法 | 第20页 |
| 2．3．3 小波变换编码 | 第20-23页 |
| 第三章 无损压缩相关国际标准 | 第23-28页 |
| 3．1 JBIG标准 | 第23-24页 |
| 3．2 JPIG标准 | 第24-25页 |
| 3．3 JPEG LS标准 | 第25-26页 |
| 3．3．1 系统实现 | 第25页 |
| 3．3．2 基本实现方法 | 第25-26页 |
| 3．4 JPEG 2000标准 | 第26-28页 |
| 第四章 基于神经网络模型的自适应无损压缩算法 | 第28-35页 |
| 4．1 神经网络用于图像压缩 | 第28-30页 |
| 4．1．1 BP型神经网络 | 第28-29页 |
| 4．1．2 自组织映射神经网络 | 第29-30页 |
| 4．2 基于神经网络模型的自适应预测方法 | 第30-35页 |
| 4．2．1 图像模型 | 第30-31页 |
| 4．2．2 感知器模型 | 第31-32页 |
| 4．2．3 基于感知器模型的自适应无损压缩 | 第32-35页 |
| 第五章 整型小波变换实现无损压缩 | 第35-41页 |
| 5．1 提升算法描述 | 第35-39页 |
| 5．2 图像无损压缩实现 | 第39-41页 |
| 第六章 实验及结果 | 第41-52页 |
| 6．1 实验环境 | 第41-42页 |
| 6．2 实验内容 | 第42-43页 |
| 6．3 实验结果 | 第43-46页 |
| 6．4 讨论 | 第46-52页 |
| 第七章 结束语 | 第52-53页 |
| 7．1 论文完成的工作 | 第52页 |
| 7．2 进一步工作的展望 | 第52-53页 |
| 附录 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
