基于BP神經網絡學習算法的圖像壓縮技術研究

李亞文，何建強

（商洛學院電子信息與電氣工程學院，陜西商洛 726000）

為了降低傳輸成本和提高傳輸速度，在圖像進行傳輸之前，都要經過圖像壓縮去除冗余信息，圖像壓縮技術的關鍵就是盡量用少的數據量表示圖像本身的信息。圖像壓縮算法較多，主要包括兩類[1-2]：一類是冗余度壓縮法，另一種是熵壓縮，如：預測編碼、變換編碼等。哈夫曼提出構造編碼的壓縮方式，JPEG是一種基于差分預測編碼的無損編碼，DCT（離散余弦變換）和多種基于小波變換的圖像壓縮算法是有損編碼，后來還有學者提出一種基于Haar小波變換的快速圖像壓縮算法[3]和基于字典模型壓縮方法[4]等。人工神經網絡模擬了人腦結構思維，其特色在于信息的分布式存儲和并行協同處理，BP（Back Propagation）神經網絡是人工神經網絡中應用最廣泛的一種，是1986年由RUMELHART和MCCELLAND為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，它的學習規則是使用最速下降法，通過反向傳播不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。本文將BP神經網絡算法應用于圖像壓縮中，控制網絡模型結構，進行分塊運算，并進行了算法的實驗仿真實現。

1 BP神經網絡

BP網絡可以解決那些無法用直觀編程實現的事情，無法思考到其中的每一個步驟是怎樣的機制，但是最終的數據可以直觀得到，BP網絡把學習和存貯的過程，大量地輸入輸出關系模式一一映射出來，不需要把映射關系提前揭曉。信號在……