【正文】 nGK8! z89Am YWv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3t nGK8!z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$U*3tnGK8! z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5ux^Gjqv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkumamp。gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpaza dNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%MzadNuKNamp。 qYpEh5pDx2zVkum amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpaz adNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 ksv*3t nGK8! z89Am v^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%M z849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9amp。 qYpEh5pDx2zVkumamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz84! z89Am v^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkum amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 qYpEh5pDx2zVkumamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 9 參考文獻(xiàn) [1] （美） Martin Howard 著 戴葵等譯 .神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) [M].北京：機(jī)械工業(yè)出版社 . [2]（美） Simon Haykin 著 葉世偉 ,史忠植譯 .神經(jīng)網(wǎng)絡(luò)原理 [M].北京：機(jī)械工業(yè)出版社 . [3] 徐立中，李士進(jìn)，石愛(ài)業(yè) .數(shù)字圖像的智 能信息處理（第二版） [M].北京：國(guó)防工業(yè)出版社， [4] 孫圣和 , 陸哲明 . 矢量量化技術(shù)及應(yīng)用 [M]. 北京 : 科學(xué)出版社 , 2021: 3149 [5]黃賢武，王加俊，李家華 .數(shù)字圖像處理與壓縮編碼技術(shù) [M].成都：電子科技大學(xué)出版社， [6]胡德文 .神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制 [M].北京：國(guó)防工業(yè)出版社， [7]繆紹剛 .數(shù)字圖象處理 —— 活用 MATLAB[M].成都：西南交通大學(xué)出版社， 2021. [8]閻平凡 張長(zhǎng)水 .人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)行計(jì)算 [M].北京：清華大學(xué)出 版社， 2021 [9]傅 茂名，林瑞 春 . 基于 自組織特征 映射的圖 像壓縮技術(shù) [J]. 計(jì)算 機(jī)工程與 應(yīng)用 :2021,43(32):38～ 39 [10]王茂芝 ,郭彬 ,徐文皙 .基于改進(jìn) SOFM 的矢量量化圖像壓縮 [J].成都理工大學(xué)學(xué)報(bào) (自然科學(xué)版 ):2021,(6) [11]馬立新，王仁鋒 .基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的矢量量化及其在圖像壓縮中的應(yīng)用 [J].上海電力學(xué)院學(xué)報(bào) :2021,(4):912 [12]王瑤 ,梁科 .一種改進(jìn)的自組織特征映射圖像壓縮算法 [J].無(wú)線電工程 （ 12） [13]涂立橋 .SOFM 算法和 LBG 算法聯(lián)合用于圖像壓縮的研究 [J].黃石高等?？茖W(xué)校報(bào)： 2021，6:1820 [14] 劉評(píng) , 朱心雄 . 基于快速搜索的碼書(shū)快速生成算法 [J]. 北京航空航天大學(xué)學(xué)報(bào) .1998,2,24(1):6467 [15]陸哲明，孫圣和 . 基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的矢量量化 [J]. 中國(guó)圖象圖形學(xué)報(bào) .2021,10,5(10):846850 [16] 繆 青 ,高大啟 . 基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的局部矢量量化算法 [J]. 計(jì)算機(jī)應(yīng)用與軟件 .2021,7,23(7):108112 10 [17] 劉廣林 ,王汝霖等 . 基于自組織特征映射的圖象矢量量化 [J].微計(jì)算機(jī)信息，(51):208209 [18]張敏靈，陳兆乾，周志華 .SOM 算法、 LVQ 算法及其變體綜述 [J].計(jì)算機(jī)科學(xué)： 2021，29(7):97100 [19]李萬(wàn)臣 ,王煉 .基于混合神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)矢量量化方法 [J].應(yīng)用科技： (6):2123 [20] 李曉冰 ,馬海潮 , 高冰 . 基于 LVQ 神經(jīng)網(wǎng)絡(luò)的測(cè)量圖像預(yù)處理方法 [J]. 紅外：(10):1417 [21]程小平 ,邱玉輝 .基于強(qiáng)化學(xué) 習(xí)的 LVQ 聚類(lèi)方法 [J].計(jì)算機(jī)科學(xué)： （ 12） :133134 [22]匡泰 ,胡眾義等 .一種新的用于 LBG 圖像壓縮初始碼書(shū)生成算法 [J].浙江工業(yè)大學(xué)學(xué)報(bào)：(4):425428 [23]黃雪梅 .基于人工神經(jīng)網(wǎng)絡(luò)的圖象壓縮方法研究 [D].重慶：重慶大學(xué)， 2021： 4154 [24]段云鵬 .基于神經(jīng)網(wǎng)絡(luò)的矢量量化碼書(shū)設(shè)計(jì)算法的研究 [D].吉林：吉林大學(xué)， 2021： 4154 [25]唐建 .矢量量化碼書(shū)設(shè)計(jì)與矢量量化應(yīng)用研究 [D].北京：中國(guó)科技大學(xué)， 2021： 2228 [26] Dony R D, et al. Neural Network Approaches to Image Compression[J].Proc IEEE, 1995,83:288～ 303 [27]. Lau, , S. Hubbard. Kernel selfanising maps for classification[J]. Neuroputing 69 (2021) 2033–2040 [28]WANG Ling,MU ZhiChun,Guo Selfanizing Feature Map with Support Vector Regression Based on Expert System[J].ACTA AUTOMATICA SINICA,2021:31(4) [29] , O. adaptive incremental LBG for vector quantization Neural Networks[J],:694–704 內(nèi)部資料 請(qǐng)勿外傳 9JWKf wvGt YM*Jgamp。 2) 研究 SOFM 神經(jīng)網(wǎng)絡(luò) 中 不同的鄰域函數(shù)、學(xué)習(xí)參數(shù)對(duì)碼書(shū)性能 的 影響 ，研究 LVQ 神經(jīng)網(wǎng)絡(luò)目標(biāo)層矢量的 選取對(duì)碼書(shū)性能的影響 。選用標(biāo)準(zhǔn)的 Lena 圖像對(duì) LBG 算法進(jìn)行了實(shí)驗(yàn)，改變相關(guān)參數(shù)分析算法的性能。下面，求出各個(gè)重建圖像的峰值信噪比， 列于表 12 中。 碼書(shū)的生成方式有多種，自 LBG 算法作為一種非常有效的碼書(shū)設(shè)計(jì)算法提出以后，矢量量化碼書(shū)設(shè)計(jì)算法的研究得到了廣泛的關(guān)注和研究，并且取得很多成果。在二十世紀(jì)六十年代初期和中期，出現(xiàn)了最早的矢量量化思想， HUANG 和Schultheiss 提出最早的分組量化的基本實(shí)現(xiàn)方法，這些最早的研究并沒(méi)有給出矢量量化的嚴(yán)格定義，直到 1980 年由 Linde， Buzo 和 Gray 將聚類(lèi)算法引入到矢量量化器設(shè)計(jì)中，提出了一種著名的矢量量化 碼書(shū) 設(shè)計(jì)算法，即 LBG 算法（又稱為 GLA 算法） [4]。這些標(biāo)準(zhǔn)根據(jù)需要處理的圖像類(lèi)型分為二進(jìn)制圖像壓縮標(biāo)準(zhǔn)、靜止灰度和彩色圖像壓縮標(biāo)準(zhǔn)、運(yùn)動(dòng)（連續(xù)）灰度和彩色圖像壓縮標(biāo)準(zhǔn)。圖像壓縮方法的研究已經(jīng)經(jīng)歷了歷代研究者的努力，有人稱 1948 年～ 1988年主要研究的圖像編碼方法為經(jīng)典方法，同時(shí)把有重要發(fā)展前景的圖像編碼方法稱為現(xiàn)代方法 [3]。作為和 2 第一代電子計(jì)算機(jī)同時(shí)代產(chǎn)物的人工神經(jīng)網(wǎng)絡(luò)， 具有 大規(guī)模并行處理和分布式信息存儲(chǔ)的優(yōu)勢(shì)，并有良好的自適應(yīng)性、自組織性和容錯(cuò)性，以及強(qiáng)大的學(xué)習(xí)功能、聯(lián)想記憶功能 [1],[2],[6],[8]。 數(shù)字圖像壓縮的目的是減少表示圖像所需的比特?cái)?shù)，更有效地表示圖像，以便于圖像的處理、存儲(chǔ)和傳輸。 LVQ 算法的改進(jìn) LVQ 網(wǎng)絡(luò)的基本思想與網(wǎng)絡(luò)結(jié)構(gòu) 錯(cuò)誤 !未定義書(shū)簽。 錯(cuò)誤 !未定義書(shū)簽。 錯(cuò)誤 !未定義書(shū)簽。 錯(cuò)誤 !未定義書(shū)簽。 錯(cuò)誤 !未定義書(shū)簽。 基于矢量量化的圖像壓縮技術(shù) 矢量量化和圖像壓縮 錯(cuò)誤 !未定義書(shū)簽。 錯(cuò)誤 !未定義書(shū)簽。 矢量量化的特點(diǎn) 關(guān)鍵詞 ： 碼書(shū)設(shè)計(jì)； LBG 算法； SOFM 神經(jīng)網(wǎng)絡(luò)； LVQ 神經(jīng)網(wǎng)絡(luò)；改進(jìn)算法 II The Vector Quantization in I