混合神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖象處理的研究.pdf

1、圖象處理技術(shù)包括圖象復(fù)原、圖象壓縮、圖象分割、圖象增強等一系列分支,目前它在遙感、字符識別、射線底片等眾多領(lǐng)域得到迅速應(yīng)用和推廣.圖象處理技術(shù)增強了人類對大千世界知識獲取的能力,例如衛(wèi)星云圖的攝制、醫(yī)療監(jiān)控系統(tǒng)的運作,乃至數(shù)字化視頻光盤的壓制,都隨著圖象處理技術(shù)的發(fā)展而逐步更新.近幾年,隨著神經(jīng)網(wǎng)絡(luò)理論的深入研究,神經(jīng)網(wǎng)絡(luò)技術(shù)的并行計算能力、非線性映射和自適應(yīng)能力等優(yōu)點得到了國內(nèi)外學(xué)者的充分重視,各種神經(jīng)網(wǎng)絡(luò)模型在圖象處理領(lǐng)域中得到了廣

2、泛的應(yīng)用.該文將立足于神經(jīng)網(wǎng)絡(luò)技術(shù)和圖象處理技術(shù)實際的結(jié)合情況,做出新的探討和嘗試.論文的主要內(nèi)容如下:首先,作者系統(tǒng)的介紹了圖象處理和圖象編碼的特點及其發(fā)展過程.全面、系統(tǒng)地概述了傳統(tǒng)編碼算法的優(yōu)點,并同時指出了其存在的若干問題,為該論文指明了主要的研究方向.然后,作者對各種流行的神經(jīng)網(wǎng)絡(luò)模型在圖象處理領(lǐng)域中的應(yīng)用進行了匯總,根據(jù)圖象處理的具體內(nèi)容對這些應(yīng)用進行分類敘述,闡明了神經(jīng)網(wǎng)絡(luò)技術(shù)在圖象處理領(lǐng)域中的優(yōu)點和不足之處.再次,作者依

3、據(jù)自組織特征映射(SOFM)理論和主元分析(PCA)理論,提出了一種基于PCA/SOFM混合神經(jīng)網(wǎng)絡(luò)的圖象壓縮編碼算法,并對SOFM網(wǎng)絡(luò)學(xué)習(xí)參數(shù)的優(yōu)化進行了探討.實驗證明,與普通PCA+SOFM連續(xù)編碼算法和基本SOFM算法相比,這種混合編碼算法由于占用存儲空間少,因而降低了碼書設(shè)計的計算量,并改善了碼書的性能.另外,作者針對上述基于神經(jīng)網(wǎng)絡(luò)的圖象壓縮軟件方法,提出了硬件化結(jié)構(gòu)方案,并探討了其具體實現(xiàn)過程的要點和難點.最后,作者對全文進