| 【中文题名】 | 小波神经网络在图像压缩中的应用研究 |
| 【英文题名】 | The Research on Application of Wavelet Network in Image Coding |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-1 |
| 【中关键词】 | 图像压缩,小波,神经网络,,, |
| 【英关键词】 | Image Coding,Wavelet,Neural Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
小波分析是新兴的数学分析方法，已在诸多工程技术领域中得到成功应用。将小波函数与经典的神经网络相结合，用小波函数代替传统神经网络中的激活函数，就构成小波神经网络。小波神经网络具有一致逼近和L~2逼近的能力，具有极强的映射能力和泛化能力，这从理论上保证了它在数据压缩领域的应用能力。
本文将小波神经网络应用于图像处理领域的压缩编码，从理论上讨论了它在图像压缩领域的性能。利用小波分析中的多分辨分析思想，构造了可用于改进图像压缩的一种小波神经网络模型，给出了相应的算法和计算公式。计算机仿真实验表明，小波神经网络用之于KL变换编码可获得比传统方法更优的压缩效果。
在深入研究传统的图像预测编码的基础上，运用多小波的思想，构造了一种多小波神经网络模型，用于改进经典的预测编码方法，取得了较好的压缩效果。
全文共分六章，每一章的主要内容如下：
第一章综述本文所研究课题的背景、意义和国内外研究现状，介绍本文的主要工作。
第二章概述图像压缩编码的理论基础知识、一些经典的压缩方法和图像压缩的国际标准。
第三章综述小波分析的发展历程、小波分析的基本理论以及Mallat分解与重构算... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-8 |
|
第一章 绪论 |
8-16 |
|
1.1 课题的研究背景 |
8-12 |
|
1.2 课题研究的意义 |
12-13 |
|
1.3 国内外研究现状和水平 |
13-14 |
|
1.4 课题研究思路 |
14 |
|
1.5 课题研究内容 |
14-15 |
|
1.6 课题研究取得的主要成果及创新点 |
15-16 |
|
第二章 图像压缩的基本理论和方法 |
16-28 |
|
2.1 引言 |
16 |
|
2.2 图像压缩编码的理论基础 |
16-19 |
|
2.3 图像编码分类 |
19-20 |
|
2.4 几种经典的编码方法 |
20-25 |
|
2.5 图像压缩编码的国际标准 |
25 |
|
2.6 图像压缩的质量评价 |
25-28 |
|
第三章 小波分析基础理论 |
28-37 |
|
3.1 小波分析发展 |
28 |
|
3.2 连续小波变换 |
28-30 |
|
3.3 离散小波变换 |
30-31 |
|
3.4 离散二进小波变换 |
31 |
|
3.5 多分辨率分析 |
31-32 |
|
3.6 Mallat算法 |
32-34 |
|
3.7 多小波 |
34-37 |
|
第四章 神经网络基础理论及设计方法 |
37-46 |
|
4.1 概述 |
37-38 |
|
4.2 神经元模型 |
38-39 |
|
4.3 神经网络的图像压缩机理和优势 |
39-40 |
|
4.4 BP网络 |
40-44 |
|
4.5 应用神经网络解决实际问题的步骤 |
44-46 |
|
第五章 小波神经网络与图像压缩 |
46-56 |
|
5.1 小波神经网络基础理论 |
46-49 |
|
5.2 应用小波神经网络进行图像压缩编码 |
49-56 |
|
第六章 多小波神经网络在图像压缩中的应用 |
56-63 |
|
6.1 多小波神经网络设计 |
56-58 |
|
6.2 多小波网络的性质 |
58-59 |
|
6.3 多小波网络的学习算法 |
59-60 |
|
6.4 应用多小波网络进行预测编码 |
60-63 |
|
总结与展望 |
63-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-68 |
|
附录A 攻读硕士学位期间的研究成果 |
68-69 |
|
附录B 相关源程序 |
69-74 |
|
1 CWaveletNeuralNetwork的定义 |
69 |
|
2 CWaveletNeuralNetwork的实现 |
69-74 |
|
| 【DOI】 | LunWen.ID:2.2008.388729 |
