資源描述：
《bp神經(jīng)網(wǎng)絡(luò)在靜態(tài)圖像壓縮中的應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、TGY胛uBP神經(jīng)網(wǎng)絡(luò)在靜態(tài)圖像壓縮中的應(yīng)用鄒強(qiáng)，韓濤，張杰(中國飛行試驗研究院，陜西西安710089)摘要BP神經(jīng)網(wǎng)絡(luò)模型是一種發(fā)展較為成熟的網(wǎng)絡(luò)模型，近年來在數(shù)字圖像處理領(lǐng)域獲得了廣泛應(yīng)用，尤其在圖像壓縮方面更有其先天的優(yōu)勢性。文章在介紹BP網(wǎng)絡(luò)模型的基礎(chǔ)上分析了基于BP網(wǎng)絡(luò)的圖像壓縮原理與過程，并在Matlab平臺上對靜態(tài)灰度圖像壓縮進(jìn)行了仿真實(shí)驗，結(jié)果表明所設(shè)計的BP網(wǎng)絡(luò)具有不錯的泛化能力，用于圖像壓縮的效果較好。關(guān)鍵詞BP神經(jīng)網(wǎng)絡(luò)；圖像壓縮；Matlab神經(jīng)網(wǎng)絡(luò)工具箱；仿真中圖分類號：TP391文獻(xiàn)標(biāo)識碼：h文
2、章編號：1671-7597(2014)O2—0140-02隨著信息數(shù)字化時代的來臨，計算機(jī)能更加靈活的綜合處元間的連接權(quán)值wii、w并初始化隱含層閾值0與輸出層閾理文字、聲音、圖像與視頻等多媒體信息，這從一定程度上豐值O，給定學(xué)習(xí)率n與神經(jīng)元激活函數(shù)。②根據(jù)樣本的輸入富并改善了人們的生產(chǎn)生活方式，同時也為計算機(jī)產(chǎn)業(yè)的發(fā)展向量x，輸入層與隱含層間權(quán)值的w及隱含層的閾值0計算開辟了廣闊的市場。圖像作為主要的多媒體元素之一，具有直隱含層的輸出Hj。，=，(∑一，)j=l，2，?L式中，L為觀準(zhǔn)確、信息含量大、易存儲可壓縮、特征
3、豐富等特點(diǎn)。圖像隱含層節(jié)點(diǎn)數(shù)；f為隱含層激活函數(shù)。③根據(jù)隱含層輸出H，信息的數(shù)字化處理及應(yīng)用在醫(yī)療教育、國土資源、環(huán)境監(jiān)測、隱含層與輸出層間的權(quán)值w和輸出層閩值0計算輸出層的工業(yè)化管控、遠(yuǎn)程視頻會議等發(fā)揮了重大作用。但是圖像數(shù)字輸出0。oh=∑：。wj,H,一k=l，2，?M。④根據(jù)預(yù)測的輸出化后的信息量與曰俱增也給圖像的存儲與遠(yuǎn)程傳輸提出了重大0與期望輸出Y計算網(wǎng)絡(luò)的預(yù)測誤差e。e=Y-Ok=l，2，?挑戰(zhàn)，單純地增加介質(zhì)存儲容量與傳輸信道帶寬并不能徹底解M。⑤根據(jù)誤差e對連接權(quán)值ww和閾值0，、0：進(jìn)行更決問題，因而
4、圖像的壓縮處理是必不可少的。近年來數(shù)字圖像新。+r／Hi(1一)(f)：-i=1，2，?n；j=l，2，?L。壓縮技術(shù)作為數(shù)字圖像處理技術(shù)的重要組成部分，取得了長足rlHjej=l，2，?L；k=l，2，?M。⑥判斷訓(xùn)練算法的發(fā)展，尤其在編碼算法方面異彩紛呈。本文在闡述BP神經(jīng)網(wǎng)是否迭代結(jié)束，若沒有則返回步驟②繼續(xù)進(jìn)行。絡(luò)的圖像壓縮原理基礎(chǔ)上，仿真實(shí)現(xiàn)了基于BP神經(jīng)網(wǎng)絡(luò)的靜態(tài)1．2BP神經(jīng)網(wǎng)絡(luò)的圖像壓縮原理灰度圖像壓縮。數(shù)字圖像壓縮是以較少的比特數(shù)有損或者無損地表示原來1基于BP神經(jīng)網(wǎng)絡(luò)的圖像壓縮的像素矩陣的一種圖像處理
5、技術(shù)，其目的是減少圖像數(shù)據(jù)中的1．1BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)與訓(xùn)練原理時間冗余、空間冗余、頻譜冗余等一種或多種冗余信息而達(dá)到更加高效的存儲與傳輸數(shù)據(jù)。圖像壓縮系統(tǒng)無論采用什么具體BP網(wǎng)絡(luò)是目前發(fā)展較為成熟的神經(jīng)網(wǎng)絡(luò)模型之一，是一種的結(jié)構(gòu)或者技術(shù)方法，其基本過程卻是一致的，可概括為如圖利用非線性可微分函數(shù)進(jìn)行權(quán)值修正與調(diào)整的多層前饋人工神2所示的流程圖，包括編碼、量化、解碼等三個環(huán)節(jié)。經(jīng)網(wǎng)絡(luò)，能通過嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論進(jìn)行推理驗證，在模式識別、輸入圖像一輸出圖像函數(shù)逼近、數(shù)據(jù)壓縮等方面獲得了廣泛應(yīng)用與認(rèn)同。BP網(wǎng)絡(luò)算====：編碼}
6、==量化IN解碼}====法的主要特點(diǎn)是輸入信號正向傳遞，誤差反向傳播。BP網(wǎng)絡(luò)的圖2圖像壓縮基本流程學(xué)習(xí)訓(xùn)練算法的實(shí)質(zhì)是把樣本集合的輸入輸問題變換為一個非從理論上講，編解碼問題可以歸納為映射與優(yōu)化問題，而線性優(yōu)化問題。其網(wǎng)絡(luò)結(jié)構(gòu)分為輸入層、隱含層、輸出層等三層。人工神經(jīng)網(wǎng)絡(luò)從數(shù)學(xué)上分析就是實(shí)現(xiàn)了從輸入到輸出的一個非一個典型的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖l。線性映射關(guān)系，并具有高度并行處理能力、較高的容錯性與魯輔入層隱含層輸出層棒性。分析圖像壓縮的基本原理、環(huán)節(jié)與BP的網(wǎng)絡(luò)結(jié)構(gòu)分布，可得出基于BP網(wǎng)絡(luò)的圖像壓縮原理如圖3所示
7、。輸壓入縮圖圖像像圖3基于BP網(wǎng)絡(luò)的圖像壓縮原理在BP網(wǎng)絡(luò)中，輸入層到隱含層之間的映射關(guān)系相當(dāng)于編碼圖1一個典型的BP網(wǎng)絡(luò)模型結(jié)構(gòu)器，用于對圖像信號進(jìn)行線性或者非線性變換。而隱含層到輸BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程常包含以下幾個步驟：①BP神經(jīng)網(wǎng)出層之間的映射關(guān)系相當(dāng)于解碼器，通過對壓縮后的信號數(shù)據(jù)絡(luò)的初始化：根據(jù)具體問題抽取的樣本輸入輸出向量集合系列進(jìn)行反變換以達(dá)到重建圖像數(shù)據(jù)。壓縮比率S=輸入層神經(jīng)元節(jié)確定輸入層神經(jīng)元節(jié)點(diǎn)數(shù)n1、隱含層神經(jīng)元節(jié)點(diǎn)數(shù)n2及輸出點(diǎn)數(shù)／隱含層神經(jīng)元節(jié)點(diǎn)數(shù)。BP神經(jīng)網(wǎng)絡(luò)的輸入層與輸出層的層神經(jīng)元節(jié)點(diǎn)數(shù)
8、n3；初始化輸入層、隱含層與輸出層三層神經(jīng)神經(jīng)元節(jié)點(diǎn)數(shù)目從理論上應(yīng)該是一致的，而隱含層的神經(jīng)元數(shù)
