题名 | 神经网络在图像矢量编码中的应用 |
作者 | 王跃 |
学位类别 | 硕士 |
答辩日期 | 1991 |
授予单位 | 中国科学院电子学研究所 |
授予地点 | 中国科学院电子学研究所 |
导师 | 蔡德孚 |
学位专业 | 信号、电路与系统 |
中文摘要 | 近几年来,可视电话,图像管理系统等的发展使人们对低码率图像编码(Low bit-rate coding)展开了广泛的研究。而矢量量化(V. Q. Vector Quantization)做为一种有效的低码率编码技术引起了广泛的重视。LBG法做为V.Q.码书的设计的一般方法,已经广泛地应用在了V.Q.的各种码书设计中。但LBG法的计算量过大而且不容易训练出效果最佳的码书(Code Books),影响了矢量量化(V.G.)在许多方面的应用。本文正是试图利用神经网络(Neural Networks)的算法来解决V.Q.码书的设计问题,从而寻找一种更佳的,更方便的、快速的V.Q.码书设计的方法。近几年来,神经网络做为一种计算方法、手段,已广泛地应用在分类,识别等领域中。其中的一种- Kohonen自组织网络(Kohonen Self, Organization Neural Networks or Competive Learning Networks)非常适用于V.Q.的码书设计及编码。近几年,也有一些人在这方面做了一些工作,但是多是从神经网络的角度上考虑的,编码方法一般,图像的压缩质量也不好,从而不能真正的体现神经网络的许多特点。本文正是试图在这一方面有所突破,设计了一种基于DCT系数的V.Q.方案,并在此基础上讨论神经网络算法。本文介绍了一种改进的kohoners自组织神经网络,更适于V.Q.码书的设计与编码。同时介绍了二种适于Self-Organization Neural Networks 的训练方法:FSCL(Frequency Sensitive Competive Learning)及KSFM(kohonen Self-Organization Feature Map)学习方法,并针对本文提出的一种V.Q.编码方案对KSFM进行了改进。这二种用于V.Q.码书设计的神经网络算法比LBG法有许多优越的地方:如:计算方便,迅速,码书的生成是自适应调整的(所谓Unsupervised Learning Algorithms);神经网络的算法是对样本逐一操作的周期性训练(Iteration)而不象LBG法是空间探索的批处理式的(Batch Mode),因而更有利于计算效率的提高。在文中,详细介绍,对比了二种算法KSFM与FSCL法在图像编码中的应用及计算方法同时比较了LBG法及二种方法文间的效果及特点;并给出了许多实际的试验数据。这里我们还介绍了一种基于DCT(余弦变换变换系数)的V.Q.编码方法。应用V.Q.对图像直接进行编码,往往不易得到很好的效果,本文试图从变换域系数入手,寻找一种更好的V.Q.编码方式。这种方法的主要思想是:保留变换系数中的高能量点通常是DCT变换系数的直流成份或其附近的低频点)不参加V.Q.量化,而对蓁的部分进行V.Q.量化。应用这种方法取得了很好的效果(0.25 bit/pit SNR = 30 dB)。针对这种能量保留的思想,还提出了一种基于DCT变换系数的自适应的V.Q.编码方案,以取得更好的编码效果。(0.32 bit/pil, SNR = 34 dB)。最后,本文就DCT系数的特点,V.Q.编码的特点,讨论了一些快速算法。 |
语种 | 中文 |
公开日期 | 2011-07-19 |
页码 | 54 |
内容类型 | 学位论文 |
源URL | [http://ir.ie.ac.cn/handle/80137/9363] ![]() |
专题 | 电子学研究所_电子所博硕士学位论文_电子所博硕士学位论文_学位论文 |
推荐引用方式 GB/T 7714 | 王跃. 神经网络在图像矢量编码中的应用[D]. 中国科学院电子学研究所. 中国科学院电子学研究所. 1991. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论