基于多小波和神經(jīng)網(wǎng)絡(luò)的圖像編碼算法研究.pdf

1、為了存儲、處理和傳輸大容量的圖像信息，必須對圖像信息進行壓縮，也使得圖像壓縮成為研究的重要領(lǐng)域。 神經(jīng)網(wǎng)絡(luò)的并行處理能力、高度的相關(guān)性和自適應(yīng)能力決定了它適合圖像數(shù)據(jù)的壓縮。自適應(yīng)PCA神經(jīng)網(wǎng)絡(luò)很好地解決了KL變換存在的問題，并能夠適應(yīng)圖像的變化，而且無需重新訓(xùn)練網(wǎng)絡(luò)權(quán)值。SOFM算法比起LBG算法在矢量量化碼本形成方面有許多的優(yōu)點，初始條件的敏感性低，能夠產(chǎn)生較低平均失真的碼本，在圖像向量編碼中得到廣泛的應(yīng)用。 多小波

2、作為小波分析的發(fā)展，不僅保持了單小波的優(yōu)點，而且克服了單小波的一些缺陷，同時具備了處理圖像時要求的正交性、緊支撐性、對稱性、高消失矩。多小波在理論上所表現(xiàn)的優(yōu)勢以及它在應(yīng)用領(lǐng)域(圖像壓縮方面)所具有的潛力，這決定了其將被得到越來越廣泛的研究和應(yīng)用。 本文第一部分的工作是探討了主元分析(PCA)和自組織特征映射(SOFM)網(wǎng)絡(luò)的特點，提出了分類的PCA/SOFM混合神經(jīng)網(wǎng)絡(luò)圖像矢量量化方法，并與其他的神經(jīng)網(wǎng)絡(luò)編碼方法相比較，進行分

3、析和總結(jié)。 本文第二部分的工作是分析多小波在圖像壓縮編碼中的應(yīng)用，提出了基于能量和最大系數(shù)分布的圖像壓縮算法，并與基于能量分布的方法進行比較分析；針對多小波變換后能量集中于低頻子帶和破壞了SPIHT編碼要求的不同子帶間元素的空間相關(guān)性的特點，提出了改進的SPIHT編碼方法，并與標(biāo)準(zhǔn)的SPIHT編碼方法相比較，進行分析和總結(jié)；針對平衡多小波變換后不同方向子帶系數(shù)間的關(guān)系，按三個方向單獨進行SOFM矢量量化，實現(xiàn)了并行處理，應(yīng)用到不