基于改进型BP网络图像压缩方法的研究

论文摘要

本文阐述了当前图像压缩技术的各种方法,说明了神经网络应用于图像数据压缩的优越性和可能性,分析了基于BP网络图像压缩的原理。为提高BP算法的训练速度、图像重建质量及压缩比,本文提出了两种改进的BP算法:1、用微粒群算法(PSO)优化BP网络。首先针对标准微粒群算法存在的缺点,对其进行了改进。经验证,改进PSO算法的收敛率和收敛速度都有提高。然后结合PSO和BP算法的优点,将BP网络的训练过程分为两个阶段。试验表明,经该方法训练的网络收敛速度和收敛精度大大提高,图像的压缩比和重建质量明显提高。2、改进局部学习自适应算法——SA算法。介绍了各种全局学习速率自适应和局部学习速率自适应算法,以及它们的优缺点。对SA算法提出了改进,曲线拟合试验表明,改进SA算法的收敛精度和收敛速度提高,稳定性增强。通过图像压缩仿真试验知,图像的重建质量和压缩比明显提高。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究的背景和意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 图像压缩的发展概况
• 1.2.2 BP 网络在图像压缩方面的研究概况
• 1.3 本论文的主要内容
• 2 图像压缩与神经网络
• 2.1 图像压缩
• 2.1.1 图像数据的冗余
• 2.1.2 几种常用的图像压缩算法
• 2.1.3 现代图像压缩方法
• 2.1.4 图像的评价标准
• 2.2 基于BP 网络的图像压缩
• 2.2.1 BP 算法
• 2.2.2 BP 算法的推导
• 2.2.3 基于BP 网络图像压缩的原理
• 2.2.4 基于BP 网络图像压缩的步骤
• 2.3 BP 网络的局限性
• 2.4 本章小结
• 3 基于改进PSO-BP 网络的图像压缩
• 3.1 PSO 算法原理及其改进
• 3.1.1 PSO 原理及算法流程
• 3.1.2 PSO 算法优化能力分析
• 3.1.3 PSO 算法的改进
• 3.2 基于PSO 优化训练的BP 网络
• 3.2.1 进化算法优化方式的研究方法
• 3.2.2 基于PSO 算法训练神经网络的原理、步骤
• 3.2.3 PSO 优化神经网络的评价标准
• 3.3 改进的PSO-BP 训练算法
• 3.3.1 PSO-BP 算法的提出
• 3.3.2 PSO-BP 算法的训练步骤
• 3.4 图像压缩仿真试验
• 3.5 本章小结
• 4 基于改进SA-BP 网络的图像压缩
• 4.1 学习速率的自适应调整方法
• 4.1.1 全局学习速率自适应方法
• 4.1.2 局部学习速率自适应方法
• 4.2 局部学习速率自适应SA 算法的改进
• 4.2.1 SA 算法的缺点及改进
• 4.2.2 曲线拟合仿真试验
• 4.3 图像压缩仿真试验
• 4.4 本章小结
• 5 结论
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢