BP神经网络在图像DPCM系统中的应用分析.pdfVIP

摘要 差分脉冲编码调制(DPCM)，作为预测编码中最常用的一种方法，由于其 算法简单，易于硬件实现，在图像压缩编码中得到了广泛的应用。然而，对于采 用线性预测方法的DPCM系统，其预测值和实际值之间的差值分布范围广泛， 在图像的高保真编码中，一般很难达到信噪比和压缩比都比较理想的压缩。 人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。它由大量 的非线性处理单元，以及单元间复杂、灵活可变的连接关系所构成。神经网络能 够实现任意的非线性映射，能够并行分布处理，并且具有很强的自学习能力，在 信息工程和控制工程中有着广阔的应用前景。 作为图像DPCM系统核心的预测器，其预测精度将直接影响到恢复图像的 质量和数据的压缩比。BP神经网络具有对任意非线性映射进行任意精度逼近的 能力，故可以用作图像DPCM系统的预测器，实现非线性预测。 本文采用神经网络的方法对DPCM系统进行优化设计，将BP神经网络运用 到DPCM系统的预测器中来，通过对图像数据的非线性预测，使预测误差较线 性DPCM系统大大减小，从而达到提高压缩比和信噪比的目的。为避免神经网 络长期运算在平坦区，提高运算速度，本文从神经网络的学习算法入手，将变步 长的方法和添加假饱和预防函数相结合，并且针对标准BP算法中连接不同层神 经元的权值调整量相差很大的特点，使之采用不同的学习步长，来提高隐层在误 差修正中的作用，通过对正弦函数的逼近实验证明，这种方法能够提高网络的收 敛速度。同时，针对由于图像数据量巨大造成的BP网络训练样本过大、系统设 计中容易引起误差过度积累的缺点，本文将图像进行分块运算，每一部分采用一 个不同的BP神经网络进行预测运算。通过对图像的C程序仿真实验表明，与线 性DPCM系统相比，将BP网络用于图像DPCM系统，能够进一步提高压缩比 和信噪比，并且得到高质量的恢复图像。 关键词g图像压缩神经网络差分脉冲编码调制反向传播算法 ABSTRACT DifferentialPulseCode isthe methodof Modulation(DPCM)，whichpopular the in coding，obtainswidespreadapplicationcompression predictive image coding ofits anditseasinesstorealize becausesimplealgorithm byhardware．However, itslinear DPCM differencesbetweenthe system,whose consideringpredictor,the values truevahesare not andthe distributed predictive widely,Canperfect get rationand compressionsignal-noise hi911fidelitycoding． ration(SNR)in neural all toimitatethe Artifical networkis information unit processing