10.3969/j.issn.1006-8961.2000.10.008
基于自组织特征映射神经网络的矢量量化
近年来,许多学者已经成功地将Kohonen的自组织特征映射(SOFM)神经网络应用于矢量量化(VQ)图象压缩编码.相对于传统的LBG算法,基本的SOFM算法的两个主要缺点是计算量大和生成的码书性能较差,因此为了改善码书性能,对基本的SOFM算法的权值调整方法作了一些改进,同时为了降低计算量,又在决定获胜神经元的过程中,采用了快速搜索算法.在将改进的算法用于矢量量化码书设计后,并把生成的码书用于图象的压缩编码.测试结果表明,改进的算法使码书设计的计算量得到明显的降低,而且码书的性能得到了提高.相对于基本算法,码书设计的计算时间减少了约75%.在图象编码中,不论是训练集内的图象,还是训练集外的图象,相对于基本算法,编码质量均提高了0.80dB~0.90dB.
矢量量化、自组织特征映射神经网络、图象压缩
5
TN919.31
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
846-850