【正文】 mp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 gTXRm 6X4NGpP$vSTTamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$U*3t nGK8!z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 gTXRm 6X4NGpP$vSTTamp。MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz84! z89Am v^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am YWv*3t nGK8!z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkum amp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkum amp。ksv*3t nGK8!z89Am YWpazadNuKNamp。qYpEh5pDx2zVkumamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。qYpEh5pDx2zVkumamp。 ksv*3t nGK8! z89Am YWpazadNuGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkum amp。 ksv*3t nGK8!z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkum amp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkum amp。 ksv*3t nGK8! z89Am UE9aQGn8xp$Ramp。 qYpEh5pDx2zVkum amp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 UE9aQGn8xp$Ramp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 gTXRm 6X4NGpP$vSTTamp。MuWFA5ux^Gjqv^$UE9wEwZQcUE% amp。 gTXRm 6X4NGpP$vSTTamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 gTXRm6X4NGpP$vSTTamp。849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 UE9aQGn8xp$Ramp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。gTXRm 6X4NGpP$vSTTamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 gTXRm6X4NGpP$vSTTamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 gTXRm6X4NGpP$vSTTamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 gTXRm 6X4NGpP$vSTTamp。 849Gx^Gj qv^$UE9wEwZQcUE%amp。 gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。gTXRm 6X4NGpP$vSTTamp。MuWFA5ux^Gj qv^$UE9wEwZQcUE% amp。gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 gTXRm 6X4NGpP$vSTTamp。849Gx^Gj qv^$UE9wEwZQcUE%amp。 QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。 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 [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)，石愛業(yè) .數(shù)字圖像的智 能信息處理（第二版） [M].北京：國防工業(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 張長水 .人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)行計算 [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 (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 :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： 2021，6:1820 [14] 劉評 , 朱心雄 . 基于快速搜索的碼書快速生成算法 [J]. 北京航空航天大學(xué)學(xué)報 .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]. 中國圖象圖形學(xué)報 .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].計算機(jī)科學(xué)： 2021，29(7):97100 [19]李萬臣 ,王煉 .基于混合神經(jīng)網(wǎng)絡(luò)的圖像分類矢量量化方法 [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 聚類方法 [J].計算機(jī)科學(xué)： （ 12） :133134 [22]匡泰 ,胡眾義等 .一種新的用于 LBG 圖像壓縮初始碼書生成算法 [J].浙江工業(yè)大學(xué)學(xué)報：(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)的矢量量化碼書設(shè)計算法的研究 [D].吉林：吉林大學(xué)， 2021： 4154 [25]唐建 .矢量量化碼書設(shè)計與矢量量化應(yīng)用研究 [D].北京：中國科技大學(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 請勿外傳 9JWKf wvGt YM*Jgamp。 5) 本文只對碼書設(shè)計算法進(jìn)行 了部分研究，對于碼字搜索算法，碼字索引分配算法都沒有研究，這也是矢量量化的兩大關(guān)鍵技術(shù)，有待以后進(jìn)一步研究。由于使用 SOFM 和 LVQ 實現(xiàn)碼書設(shè)計時，輸入矢量個數(shù)和網(wǎng)絡(luò) 神經(jīng)元 個數(shù)都較大，使用 MATLAB R2021a 時運(yùn)行速度慢，不能體現(xiàn)算法的優(yōu)勢 。 在今后的研究中，應(yīng)在矢量量化的硬件設(shè)計與實現(xiàn)上做進(jìn)一步的研究，希望能做到矢量量化碼書優(yōu)化的實時性。 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)對碼書性能 的 影響 ，研究 LVQ 神經(jīng)網(wǎng)絡(luò)目標(biāo)層矢量的 選取對碼書性能的影響 。 在畢業(yè)論文完成過程中，盡管作者盡了最大的努力完成研究工作，但是，由于水平有限，許多方面都做得不夠，還有很多地方需要進(jìn)一步完善。 分析了實現(xiàn)基于 LVQ 的矢量量化的基本思路，用 LVQ 網(wǎng)絡(luò)對標(biāo)準(zhǔn)的 Lena 圖像進(jìn)行了矢量量化編碼， 并 分析 了 算法的 8 性能。 分析 SOFM 網(wǎng)絡(luò)與矢量量化的聯(lián)系，總結(jié) SOFM算法的優(yōu)缺點(diǎn)及其在圖像壓縮領(lǐng)域應(yīng)用的優(yōu)勢，用 SOFM網(wǎng)絡(luò)對標(biāo)準(zhǔn)的 Lena圖像進(jìn)行了矢量量化編碼，改變相關(guān)參數(shù)分析算法的性能。選用標(biāo)準(zhǔn)的 Lena 圖像對 LBG 算法進(jìn)行了實驗，改變相關(guān)參數(shù)分析算法的性能。 2. 深入研究了矢量量化數(shù)據(jù)的壓縮理論，詳細(xì)介紹了矢量量化的基礎(chǔ)理論和關(guān)鍵技術(shù)，并分析了矢量量化用于圖像壓縮中的相關(guān)概念，給出矢量量化圖像壓縮的一些客觀評估標(biāo)準(zhǔn)。本文對三種傳統(tǒng)的矢量量化碼書設(shè)計算法進(jìn)行 了 仿真比較和改進(jìn)優(yōu)化，采用標(biāo)準(zhǔn) Lena 圖像進(jìn)行矢量量化壓縮實驗，對已有的碼書設(shè)計算法的性能進(jìn)行了較全面的分析，提出一種聯(lián)合算法用作改進(jìn)并 取得 成效。隨著社會的發(fā)展，矢量量化技術(shù)的應(yīng)用將愈發(fā)廣泛。下面，求出各個重建圖像的峰值信噪比， 列于表 12 中。這說明圖像是人類生活中信息交流一種極為重要的載體，也是蘊(yùn)含信息量最大的載體。 全文共分為 7 部分，其具體內(nèi) 容安排如下： 5 ? 前言，介紹所研究課題的研究背景、意義，國內(nèi)外研究現(xiàn)狀，以及課題的研究思路、研究內(nèi)容。 本文的研究目標(biāo)和主要內(nèi)容 本文選定矢量量化技術(shù)在圖像壓縮方面的應(yīng)用為研究目標(biāo)，研究的重點(diǎn)是矢量量化的關(guān)鍵技術(shù) —— 碼書設(shè)計。 碼書的生成方式有多種，自 LBG 算法作為一種非常有效的碼書設(shè)計算法提出以后，矢量量化碼書設(shè)計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。矢量量化碼字搜索算法的研究，就是在設(shè)計出性能優(yōu)良的碼書的基礎(chǔ)上設(shè)法減少搜索分配