基于数学方法和人工神经网络方法的数据压缩程序.docx

基于数学方法和人工神经网络方法的数据压缩一、使用神经网络进行数据压缩神经网络的原理与流程在此不再赘述，现直接写出如下matlab程序：clear allinput=[0.4 0.1;0.25 0;0.5 0;0.75 0;1 0;0 0.25;0.25 0.25;0.5 0.25;0.75 0.25;1 0.25;0 0.5;0.25 0.5;0.5 0.5;0.75 0.5;1 0.5;0 0.75;0.25 0.75;0.5 0.75;0.75 0.75;1 0.75;0 1;0.25 1;0.5 1;0.75 1;1 1]; intialw=[0 0;0.25 0;0.5 0;0.75 0;1 0;0 0.25;0.25 0.25;0.5 0.25;0.75 0.25;1 0.25;0 0.5;0.25 0.5;0.5 0.5;0.75 0.5;1 0.5;0 0.75;0.25 0.75;0.5 0.75;0.75 0.75;1 0.75;0 1;0.25 1;0.5 1;0.75 1;1 1]; [nn, mm]=size(input);Inum=mm; M=5; N=5;K=M*N;k=1;for i=1:Mfor j=1:N PPosition(k,:)=[(j-1)*0.25,(i-1)*0.25]; k=k+1;endendratemax=0.2;ratemin=0.01;rmax=0.1;rmin=0.05;w=intialwiteration=10000;for i=1:iteration rate=ratemax-i/iteration*(ratemax-ratemin); r=rmax-i/iteration*(rmax-rmin); k=round(rand(1,1)*24)+1; x=input(k,:); [mindist,index]=min(dist(x,w)); d1=ceil(index/5); d2=mod(index,5); nodeindex=find(dist([0.25*(d2-1) (d1-1)*0.25],PPosition)r);for j=1:Kif sum(nodeindex==j) w(:,j)=w(:,j)+rate*(x-w(:,j));endendendfor i=1:25 a(i)=w(1,i); b(i)=w(2,i);endx=[a b];plot(a,b,r.)Index=[];for i=1:K [mindist,index]=min(dist(input(i,:),w)); Index=[Index,index];endfor i=1:5for j=1:5 a((i-1)*5+j)=w(1,j); b((i-1)*5+j)=w(2,j);end x=[a b]; plot(a,b,r.)endx=[a b];plot(a,b,r.)二、使用数学方法进行压缩DCT变换利用傅立叶变换的性质，采用图像边界褶翻将像变换为偶函数形式，然后对图像进行二维傅立叶变换，变后仅包含余弦项。所以称之为离散余弦变换。DCT编码属于正交变换编码方式，用于去除图像数据的空间冗余。DCT方法具有一些很好的特性。图像经DCT变换以后，DCT系数之间的相关性已经很小。而且大部分能量集中在少数的系数上，因此，DCT变换在图像压缩中非常有用，是有损图像压缩国际标准JPEG的核心。从原理上讲可以对整幅图像进行DCT变换，但由于图像各部位上细节的丰富程度不同，这种整体处理的方式效果不好。为此，发送者首先将输入图像分解为8x8或16x16的块，然后再对每个图像块进行二维DCT变换，接着再对DCT系数进行量化、编码和传输；接收者通过对量化的DCT系数进行解码，并对每个图像块进行的二维DCT反变换．最后将操作完成后所有的块拼接起来构成一幅单一的图像。对于一般的图像而言，大多数DCT系数值都接近于0，可以去掉这些系数而不会对重建图像的质量产生霞大影响。利用DCT进行圈像压缩确实可以节约大量的存储空间在宴验中，先将输入的原始的我的照片分为8x8的块，然后再对每个块进行二维DCT变换。可以编写出如下matlab程序：clc,clear all;format shortdisp (test)pictureData = [142 144 151 156 156 157 156 156; 140 143 148 150 154 155 156 155; 148