本站原创
摘要：数字信号和图像处理的探讨无论是在论述上还是在运用上都非常重要。图像压缩技术作为计算机科学与技术中数据压缩技术的一个分支,其运用范围非常广泛,进展非常迅速,但是难度又非常大。上世纪80年代中期以来,小波浅析的论述探讨和运用探讨得到了很大的进展。小波变换不同于只包含有频域信息的Fourier变换,它既包含信号的频域信息又包含信号的时域信息。小波浅析的这种时频浅析特性使得它在信号图像处理领域以及其他的运用领域发挥着巨大的作用。神经网络这一学科有着很深厚的论述基础以及很广泛的运用领域,自以它的出现以来,一直吸引着许多领域探讨者的广泛关注。神经网络在现实生活中有着非常广泛的运用,例如信号图像处理,系统辨识,系统制约等。神经网络也可用于图像压缩,这是因为神经网络具有良好的逼近性,多输入多输出性,自学习性和自适应性等特点。目前,小波变换与人工神经网络的结合是个非常新颖且引起许多探讨者广泛关注的探讨领域。这种结合大致有以下两种方式：松散型和紧致型。松散型结合是把小波变换策略作为神经网络的预先处理手段,而紧致型结合则是将小波基函数作为神经网络的活化函数而形成小波神经网络(Welet Neural Network)。由于小波函数具有平移和伸缩特性,当小波基函数的伸缩和平移可事先被确定时,小波神经网络有很好的函数逼近效果。所以小波神经网络能被用于多个运用场合,事实证明,这种运用已取得了一些相当成功的例子。本论文我们提出了一种基于小波神经网络论述的图像压缩策略,并对小波神经网络的参数初始值设定,网络参数的调整及学习速率的选择进行了一定的探讨。本论文我们还进行了大量的实验,并把实验结果与传统的神经网络图像压缩策略进行了比较。结果表明小波神经网络能提供更高图像压缩性能和更好的图像重构效果,本论文所讨论的初始值设定规则,网络参数的选择技艺以及学习速率的选择策略更能保证网络的稳定性。关键词：小波浅析论文神经网络论文小波神经网络论文图像处理论文
摘要4-5
Abstract5-7
第一章 引言7-12
1.1 选题的背景和作用7-8
1.2 国内外探讨近况8-10
1.3 本论文拟解决的不足10-12
第二章 基本知识介绍12-17
2.1 小波浅析基本知识12-14
2.2 神经网络基本知识14-17
第三章 小波神经网络17-28
3.1 小波与神经网络的结合17-18
3.2 小波神经网络的结构18-19
3.2.1 BP网络的结构18
3.2.2 小波神经网络的结构18-19
3.3 用于图像压缩的训练算法19-28
3.3.1 BP算法介绍19-22
3.3.2 小波神经网络训练算法22-25
3.3.3 训练算法小结25-28
第四章 计算机结果及浅析28-32
4.1 不同图像的实验结果28-29
4.2 不同小波的实验结果29-30
4.3 实验结果浅析30-32
结论32-33