基于SOFM和LVQ神经网络的矢量量化图像压缩 毕业论文

基于SOFM和LVQ神经网络的矢量量化图像压缩 摘 要矢量量化作为一种高效的数据压缩技术，已被广泛应用于图像压缩领域。本文在系统介绍矢量量化数据压缩理论的基础上，着重探讨了矢量量化的关键技术——码书

SOFMLVQ 基于和神经网络的矢量量化图 像压缩 摘要 矢量量化作为一种高效的数据压缩技术，已被广泛应用于图像压缩领域。本 文在系统介绍矢量量化数据压缩理论的基础上，着重探讨了矢量量化的关键技术 —— 码书设计算法： 1. ——LBG 回顾了经典的矢量量化码书设计算法算法，研究了基于竞争型 SOFMLVQ 神经网络和的矢量量化码书设计算法； 2. 通过仿真实验，采取将图像分块构建矢量的思想，研究了在改变码字大 小等参数的情况下，这三种算法的训练过程和算法性能； 3. LBGSOFMLBG 根据算法的特性，提出一种联合和算法的码书设计改 进方法，并通过实验验证了改进算法的有效性。 LBGLVQSOFM 大量的实验结果表明，和算法对初始码书依赖性大，算法 训练时间较长。对于给定的码字大小，码书越大，压缩比越低，但重建图像质量 越好；码书相同时码字较小的编码性能较优。 LBGSOFMLVQ 码书设计；算法；神经网络；神经网络；改进算法 关键词： I