小波圖像基于邊緣初始化的競(jìng)爭(zhēng)網(wǎng)絡(luò)的矢量量化方法（WEICL）研究.pdf

1、近年來(lái),隨著多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,已有一些壓縮方法進(jìn)入了使用階段,國(guó)際上出現(xiàn)了一些數(shù)據(jù)壓縮標(biāo)準(zhǔn).這些壓縮標(biāo)準(zhǔn)為數(shù)據(jù)壓縮的廣泛應(yīng)用奠定了基礎(chǔ).這些年來(lái)關(guān)于小波變換圖像壓縮算法的研究和應(yīng)用都十分活躍,各種跡象表明,小波變換方法優(yōu)于其他的變換方法,在靜態(tài)和動(dòng)態(tài)圖像壓縮領(lǐng)域得到廣泛的應(yīng)用,并且已經(jīng)成為某些圖像壓縮國(guó)際標(biāo)準(zhǔn)(如JPEG2000、MPEG-4)的重要環(huán)節(jié).然而,采用何種策略對(duì)小波變換后的數(shù)據(jù)進(jìn)行處理仍是圖像壓縮領(lǐng)域的一個(gè)研

2、究熱點(diǎn).在理論上上矢量量化的性能總是優(yōu)于標(biāo)量量化.但是矢量量化所需要的計(jì)算量較大,阻礙矢量量化推廣的因素之一就是這種方法運(yùn)算速度太慢.而人工神經(jīng)網(wǎng)絡(luò)是一種并行分布式系統(tǒng),具有運(yùn)算速度快的優(yōu)點(diǎn),能有效解決矢量量化這類(lèi)高維數(shù)運(yùn)算帶來(lái)的大計(jì)算量問(wèn)題.因此我們采用神經(jīng)網(wǎng)絡(luò)和矢量量化相結(jié)合的方法,來(lái)對(duì)矢量量化進(jìn)行改良,從而實(shí)現(xiàn)快速矢量量化,并用快速矢量量化來(lái)對(duì)小波變換圖像進(jìn)行壓縮.為此該文提出了一種對(duì)小波圖像數(shù)據(jù)基于邊緣初始化的競(jìng)爭(zhēng)網(wǎng)絡(luò)的矢量量化