SOM神经网络的矢量量化算法ppt课件.ppt

《SOM神经网络的矢量量化算法ppt课件.ppt》由会员分享，可在线阅读，更多相关《SOM神经网络的矢量量化算法ppt课件.ppt（25页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、基于SOM神经网络的矢量量化算法及其应用研究大连理工大学创新班 刘超美2010.5目录 一、研究意义和背景 二、 SOM神经网络和矢量量化简介 三、基于SOM神经网络的矢量量化算法 四、实验结果及分析 五、结论一、研究意义和背景 研究意义：图像和视频数据进行传输或存储时数据量巨大，而信道和存储空间是有限的，数字图像的压缩成为多媒体应用中的关键问题之一。 研究背景：目前已有多种图像压缩方法，如行程编码、预测编码、变换编码等。二、 SOM神经网络和矢量量化简介 SOM神经网络SOM (Self-Organizing Feature Maps) 神经网络由输入层（N个输入神经元）和竞争层（mm个输出

2、神经元 ）组成。 二、 SOM神经网络和矢量量化简介 矢量量化从输入矢量空间到码本空间的映射 三、基于SOM神经网络的矢量量化算法介绍 总体思路：利用SOM神经网络的学习特性来训练码本；结合矢量量化的原理将图像进行压缩 码本B索引号j*三、基于SOM神经网络的矢量量化算法介绍 算法的实现1、数据预处理2、码本的初始化3、训练码本三、基于SOM神经网络的矢量量化算法介绍训练码本流程：三、基于SOM神经网络的矢量量化算法介绍参数的确定修改码字公式：(1) 邻域决定需要修改的范围(2) 步长决定修改的幅度大小( )jkN t(1)( )( )( )( ) , ( )jkjkkjkjkW tW ta

3、tX kW tjN t( )ka tP15三、基于SOM神经网络的矢量量化算法介绍4、压缩比与图像质量评价压缩比峰峰信噪比 , MSE为原图像与矢量量化图像之间的均方误差PSNR越高，压缩图像与原图像越相似，误差越小 CR=压缩前数据量大小压缩后数据量大小225510lnPSNRMSE四、实验结果及分析 码本初始化方式的选取 子块大小的选取 领域参数的选取 学习步长参数的选取 多幅图像的压缩 图像序列的压缩四、实验结果及分析 码本初始化方式的选取平均法效果较好！ 随机法 PSNR=28.4005 等间隔法PSNR=31.7502 平均法PSNR=33.0318四、实验结果及分析 子块大小的选取

4、33效果较好！ 33 PSNR=33.1854 44 PSNR=31.5883 55PSNR=30.3635四、实验结果及分析 领域的选取 无邻域PSNR=33.26991、无邻域四、实验结果及分析 领域的选取邻域Ng恒定不变Ng210.50.25PSNR/DB30.214732.734733.322733.37922、邻域恒定四、实验结果及分析 领域的选取3、变化的邻域： 的变化由 与 共同决定 - log()/0rt RPTggNNegNgNgN0gNgNr四、实验结果及分析领域的选取0gN0gN=2，=20rPSNR=32.08010gN=1，=20r0gNPSNR=33.1737 -

5、log()/0rt RPTggNNe0gN0gNr=1，=100PSNR=33.1904 0gN0gNr=1，=1000PSNR=33.2334 -log(1000)/1t RPTgNe四、实验结果及分析学习步长的选取1、恒定步长步长 恒定不变0.30.20.1PSNR/DB32.852633.091132.6818aa四、实验结果及分析学习步长的选取2、变化的步长- log()/0rtR P Taae-log(6 )/0.3t RPTae0a=0.3，r =30a=0.3，r =60a=0.2，r =4 PSNR=33.2334 PSNR=33.2509 PSNR=32.9659 多幅图像的

6、压缩码本初始化：平均法；子块大小：33；邻域：步长：四、实验结果及分析- log(1000 )/1tR P TgNe- log( 6 )/0.3t R P Tae 同一码本可压缩多幅图像？ 多幅图像的压缩训练图像为HS4四、实验结果及分析 GIRL原图像 矢量量化后的图像PSNR=30.7052 CR原图像 矢量量化后的图像 PSNR=32.8256 MISS原图像 矢量量化后的图像 PSNR=32.0325 LENA原图像 矢量量化后的图像 PSNR=29.6545CR=5.5120，1图像+1码本CR=7.7707，4图像+1码本 图像序列的压缩100帧的Akiyo序列四、实验结果及分析A

7、kiyo部分原序列矢量量化后的相应序列PSNR=34.6369 CR=8.5663五、结论 所做工作：1、依据SOM神经网络原理，以图像各子块作为输入，对码本进行了训练；2、用训练出的码本，对训练用的图像，以及其余图像、图像序列作了压缩，并分别求出各自的峰峰信噪比；3、对程序中各参数，如子块大小、邻域、步长等通过实验确定了最优数值。五、结论 本算法优点：1、基于SOM神经网络的矢量量化算法是一种有效的图像压缩方法，能用比较少的聚类中心映射有着类似模式的原始数据；2、能够很好的反映原始图像的整体效果；3、在保持相同失真率的情况下，压缩比更高；4、较强的容错性和抗干扰能力；5、具有很强的自适应学习能力；谢 谢！电0609刘超美