BP神经网络在图像压缩中的应用

０ 引 言
传 统的 图像 压缩技 术利用 图像数 据问 的冗余 ， 用相 应 的编 码技术 对 图像进 行无损 或有损 的编码压 缩． 不
同 的压 缩 编 码 技 术 针 对 不 同 的 图像 数 据 冗 余 ， 近 年 来 随 着 人 工 神 经 网 络 技 术 的 发 展 ， 经 网 络 的一 些 良好 而 神
法原理 ， 后通 过 Ｍ Ｔ Ａ 最 Ａ Ｌ Ｂ软 件 对 结 果 进 行 仿 真 ． １ Ｂ Ｐ神 经 网 络 的 模 型 和 原 理
神经 网络具有 高度 的并行结构 和并 行 处理 能 力 ， 有 固有 的非 线性 和 自学 习 、 具 自组 织 、 自适 应 等能 力． Ｂ （ ａｋＰｏ ａａ ｏ ） Ｐ Ｂ ｃ ｒｐｇｔ ｎ 神经 网络是一 种多层前 向 网络 ， ｉ 是应用 最为 广泛 的神经 网络模 型之 一 ， 其结 构简单 、 仿 真能力强 、 易于实 现 ． Ｂ Ｐ神经 网络 由输入层 、 出层 、 输 隐含层 （ 以是 一层或 多层 ） 可 构成 ． 典型 的拓扑结 构如 图 １所示 ： 其
回 ， 过最速梯 度下 降法修改各 层连接 的权值及 节点 神经 元 的阈值 ， 而使输 出误 差 信 号达 到最 小． 习训 通 从 学
练过程 是一种误 差边 向后传播边 修正权 系数 的过 程 ． 于 给定 的训 练模式 ， 网络 进行 反 复训 练 ， 对 对 直到误 差 或训练 次数满足 要求为 止 ． Ｐ网络 的具 体流程 如图 ２ Ｂ ．
近 的方法 ， 因而它具 有 较好 的泛 化能力 ． 主要缺 点是 ： 收敛 速 度慢 ； ① ②
容 易陷入 局部 极 小 值． 了加 快 网络 的训 练 速 度 ， 免 陷入 局 部 极 小 为 避 值， 需要 对传 统 的神经 网络 的算 法进 行 改 进 ， 括 采 用 变 步 长法 、 包 附加
仿 真 实验 结果 表 明 ． 设 计 的 网 络 图像 压 缩 效 果 良好 ， 所 同时 具有 较 好 的 泛 化 能 力．
关键 词 ： Ｐ神 经 网络 ； Ｂ 图像 压缩 ； 泛化 能 力 中 图分 类 号 ： Ｐ ９ ． Ｔ ３ １４１ 文 献 标 识 码 ： Ａ 文章 编 号 ：０ ７—０ ３ ２ ０） ２—０ ２ １０ ８ ４（ ０１ ０ ０ ８—０ ５
第１ ９卷 第 ２期 ２１ ０ ０年 ６月
河 南 教 育 学 院 学 报 （自然 科 学 版 ）
Ｖｏ ． ９ ＮＯ ２ １１ ．
Ｊ ｕｎ ｌ ｆＨｅ ａ ｎ ｔｕｅｏ ｄ ｃｔ ｎ（ ａｕａ Ｓ ｉｎｅＥｄｔ ｎ ｏ ｒａ ｎ ｎＩｓｉ ｔ ｆＥ ｕ ａｉ ｏ ｔ ｏ Ｎ ｔｒｌ ｃｅ ｃ ｉｏ ） ｉ
Ｂ Ｐ算 法 的 基 本 原 理 是 最 速 梯 度 下 降 法 ， 的 中 它
心思想 是调 整 网络 的 权 值 和各 层 的 阈值 使 网 络 总误 差最小 ． 运行 Ｂ Ｐ学 习算法 时 ， 含正 向和反 向传 播两 包 个 阶段 ， 向 传 播 主 要 指 输 入 信 号 Ｘ ＝［ ， ， 正 Ｘ， … ］ 由输入层单 元传 到 隐含层 单元 ； ， 隐含 层单 元经 激
收 稿 日期 ：０１ ２ ０—０ ２—２ ０
基 金 项 目 ： 南 省 教 育 厅 自然科 学研 究 项 目（ ０ ９ ５ ０ ０ ） 河 ２０ Ｂ １０７ 作 者 简介 ： 习 民 （ ９ ２ ） 男 ， 南 宝 丰 人 ， 南 教 育学 院物 理 系 讲 师 、 原 科 技 大学 电 子 信 息 学 院 在 读 硕 士 研 究 生 ， 要研 张 １７ 一 ， 河 河 太 主
特性 ： 如非 线性 、 错性 、 容 自组织性 和 自适应 性 ＿ 在 图像处 理技 术 中得到 广泛 应用 ， 大大 简化 了 图像处 理 ， 并 的复杂性 ． 本文利用 Ｂ Ｐ神经 网络 ， 功实 现 了对 ２ ６级 灰度 图像 的 压缩 ． 网络 算法 中 ， 了加快 收敛 速 成 ５ 在 为 度， 采用 了加入 动量 因子 的迭 代算 法 ； 了控 制 网络规 模 ， 为 图像 压缩 采用 了分 块 的思想 ； 通过 ＭＡ Ｌ Ｂ编 并 ＴＡ 程 实现全部算 法 ， 强 了对算 法 的宏 观把握 和对部分 参数 的灵活调 整． 增 本文首先 介绍 了 Ｂ Ｐ神经 网络 的基 本原理及 改进算 法 ， 接着 叙述 了 Ｂ Ｐ网络 对图像 边缘 的提 取方 法及算
究方 向： 电路 与 系 统 、 像 处 理 ． 图
第 ２期
张 习 民 等 ： Ｐ神 经 网络 在 图像 压 缩 中 的应 用 Ｂ
２ ９
２ Ｂ Ｐ神 经 网 络 的 改 进
Ｂ Ｐ算 法的 主要优 点是 ： 只要 有足 够 多 的隐 含层 和 隐 节点 ， Ｐ网 ① Ｂ
络 可 以逼 近任 意 的非线 Βιβλιοθήκη Baidu 映射关 系 ； Ｂ ② Ｐ网络 的学 习算 法 属 于全 局逼
Ｊ ｎ ２ １ ｕ ．００
Ｂ Ｐ神 经 网 络 在 图像 压 缩 中 的应 用
张 习民 ，卓 东风
（． １ 太原 科 技 大 学 电子 信 息 学院 ， 西 太 原 ０ ０ ２ ； ． 南教 育 学 院 物理 系， 南 郑 州 ４ ０ ４ ） 山 ３０ ４ ２ 河 河 ５０ ６
摘 要 ： 助 ＢＰ神 经 网络 ， 用 改进 的最 速 梯 度 下 降 法 ， 借 采 编程 实现 了灰 度 图 像 的压 缩 与 重 现 ． ＭＡＴ Ａ 在 Ｌ Ｂ环 境 下
活 函 数 处 理 后 传 到输 出层 单 元 ， 层 神 经 元 的 状 态 只 每 影 响下一层 神经元 的状态． 误 差 反 向 传 播 是 指 通 过 计 算 输 出 层 输 出 Ｙ＝［ Ｙ，
输入层 隐含层 图 １ ＢＰ 网 络 的 结 构 输 出层
ｙ ， ， 与 期 望 值 的误 差 ， 误差 沿原 来 的路 径 返 … Ｙ］ 使