一种改进的自组织特征映射神经网络的图像编码算法.pdfVIP

DOI : 10 . 13954/ j .cnki .hdu . 1999 .04 . 003 杭 州 电 子 工 业 学 院 学 报 　第 19 卷第 4 期 JOU RNAL OF HANGZHOU INST ITUT E OF Vol . 19 ,No . 4　 　1999 年 12 月 E LECTRONIC ENGINEE RING Dec. 1999　 一 种 改 进 的 自 组 织 特 征 映 射 神 经 网 络 的 图 像 编 码 算 法 钱惠生 　毛 　讯 　刘顺兰 ( 信息工程分院) 摘 　　要 本文简要介绍了自组织特 征映射 神经网络( SOF ) , 讨 论了该网络在 图像编码领域 中的应用 ,提出了一 种改进 的自 组织特征映射( SOF ) 算法 。理论 研究和计 算机 仿真 结果 表 明该方法利用码书的胞腔大小对误差函数进行修正 , 消除 了空胞腔 ,提高了码书 的利用 率和编 码 的压 缩 比, 并且 在学 习上快于其它一些算法 。 关键词 :神经网络 ; 图像编码 ; 矢量量化 ;码书 0 　 引 　 言 人工神经网络是采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统 。由 于其具有大规模并行处理及分布式信息存贮 的优势 , 有良好 的 自适应性 、自组织性和容错 性 ,有很强的学习功能 、联想记忆功能 , 因此神经 网络用于 图像数据压缩编码领域有着美好 的前景 。近几年来 , 将神经网络理论和技术引入图像编码领域的研究工作十分活跃 ,发展相 当快 ,基于神经网络理论的图像编码方法 已涉足 图像编码 的很多方面 ,并取得 了一定的成 效 。目前用于图像编码 的神经 网络模型和学习算法主要有 :Hop field 神经 网络 、BP 网络 、 Kohon en 自组织神经 网络( SOF ) 、模拟退火( SA) 学习算法 、混合神经 网络等 。本文提 出了 一种改进 的自组织特征映射( SOF ) 算法 。理论研究和计算机仿真结果表 明该方法利用码 书的胞腔大小对误差函数进行修正 ,消除了空胞腔 , 提高了码书的利用率和编码的压缩 比, 并且在学习上快于其它一些算法 。 信息产业部 电子科学院基金资助项 目 本文于 1999 年 5 月 20 日收到 　1　2 　　　　　　　　　杭 州 电 子 工 业 学 院 学 报 　　　　　　　　　　　1999 年 1 　 自 组 织 映 射 神 经 网 络 人脑 的一个重要 的特性就是对某些外部输入 的感受 、神经元 的响应可 以按某种顺序排 列 ,它通常反应 了外界刺激的物理特性 。据此 ,Kohonen 提 出了一类 自组织神经 网络 , 网络 中的神经元可以自动地根据外部刺激的兴奋点调整 自己在 由外界信号决定的参数空间中的 位置 。 输入神经元 X 简单地反映着外界的刺激 。而在输 出层 中, 个神经元排成二维网格 , 其每个神经元 j 接受两类输入 :来 自输入层神经元 i 的输入和来 自输 出层神经元的固定权重 随神经元距离呈墨西哥草帽型分布 的反馈输入 。对每一个外界输入矢量 X , 只有一个 同该 输入 的距离最小的神经元 j 才被激发 。其 中,距离函数反映了在某一准则( 一般是平方误差 准则) 下矢量 X 与连接权重之 间的距离 。在网络 的训练过程 中 ,只需要提供输入矢量 X , 而 无需指定所需要 的输 出 。通过调整从公共 的外部输入到每个神经元 j 的连接权重 , 权重矢 量将逐渐指出输入矢量空间的聚类 , 即由权重矢量构成 的冲激概率密度将构成输入矢量 X 的概率密度 函数 的近似 。Koh onen 自组织映射 网络在保持拓朴关系的前提下实现 了输入空 间的维数压缩