论文部分内容阅读
本文提出了采用BP合成神经网络和菲涅尔转换技术建立了一种计算机合成全息图像(CGH)压缩处理的新结构，这种处理结构能够自适应地调整处理非线性的计算全息信息分布。
在研究中，为了判断BP合成神经网络在计算全息图像压缩处理中的有效性，我们采用了BP合成神经网络图像压缩算法和其它两种传统的静止图像编码压缩算法，即离散余弦变换(DCT)算法和离散小波变换(DWT)算法，去处理相同的一幅计算全息图像(CGH)。首先，我们对每一种压缩处理算法中处理后的计算全息图像(CGH)的信息分布和原始计算全息图像(CGH)的信息分布进行比较，然后，对这三种算法的处理结果进行比较分析。
在实验分析中，为了客观地评价误差失真和扭曲测量，我们采用压缩率(R)，均方误差(MSE)和峰值信噪比(PSNR)三个主要参数来评判三种图像编码压缩算法处理后的计算全息图像(CGH)的质量和处理后的计算全息图像(CGH)的再现图像质量。
实验结果表明，BP合成神经网络图像压缩处理算法的峰值信噪比(PSNR)曲线比其他两种压缩算法更加平稳，即这种压缩处理方法具有较好的鲁棒性。当压缩率(R)达到较低时(如：R=1.5625％)，BP合成神经网络图像压缩算法比DCT压缩算法和DWT压缩算法有着相对改善的再现图像质量，从而，证明了这种处理方法的有效性。