论文部分内容阅读
随着现代数字图像通信技术的发展,数字图像超大数据的存储和传输成为通信技术最基本的问题。传统上有很多的数字图像压缩方法,但多数存在压缩比低、误差大的缺点。随着学者对神经网络算法的的充分重视和研究,各种的神经网络模型在科学技术的各个领域里得到了广泛的应用,其中就包括图像处理这个领域。因此,为了满足实际应用的需要,有必要对图像数据压缩处理进行深入细致的研究,重点是对BP神经网络算法进行研究与探讨。
本文系统地对数字图像压缩的技术进行了阐述及对其缺点进行了分析,全面地概述几种典型压缩算法的优点和不足,指明了本文的研究方向。文章提出几种算法并用matlab进行仿真,重点结合数字图像压缩的特点阐明了分类压缩BP网络算法在图像压缩领域中的优点。
本文针对BP神经网络运用于数字图像压缩编码的算法进行了改进,提出了两种基于分类压缩的数字图像处理技术,并通过matlab软件将这些算法结合图像压缩在计算机上进行了仿真,仿真结果表明改进的BP神经网络运用于图像压缩是能取得比较好的效果。
首先,本文先将基于神经网络的BP算法与图像压缩技术相结合,对压缩比分别取2:1、4:1和8:1进行了详细的分析。仿真的结果表明未分类压缩的BP算法的解码图的信噪比处于18dB-20dB之间。在压缩比是4:1的情况下,解码图像质量可以接受,取得了良好的性能。接着比较了四种未分类压缩算法的优劣性,实验表明动量算法能在一般的情况下取得比较好的结果。
其次,提出两种基于分类压缩的算法,其一是方差偏离的算法；其二是边缘信息检测的算法。此两种方式将原始图像分成的子块进行分类,然后用不同的压缩比对各类进行压缩,最后得到解码图。实验证明,在压缩比相似或者相等的情况,分类压缩算法比未分类压缩算法能取得更好的解码质量,无论是信噪比还是峰值信噪比都得到了提高,信噪比大概提高3个dB左右。
最后,对全文进行概括性总结,并指出其它有待深入探讨的问题和今后工作的重点。