三維自組織映射算法及其在立體圖像編碼中的應(yīng)用.pdf

1、Kohonen提出的自組織映射(Self-organizing Map,SOM)是一種高效的智能信息處理方法。它的特點與人腦的自組織特性相類似,目前廣泛應(yīng)用于模式識別、數(shù)據(jù)挖掘、自動控制、圖像處理和專家系統(tǒng)等領(lǐng)域。SOM網(wǎng)絡(luò)是在無監(jiān)督情況下學(xué)習(xí)的,即只需給出輸入模式,無需確定所要求的輸出結(jié)果,而由網(wǎng)絡(luò)自動綜合、歸納和統(tǒng)計,并調(diào)整權(quán)值矢量,以自適應(yīng)響應(yīng)不同信號模式。
　　傳統(tǒng)(或改進)SOM算法直接用于三維信號(如立體視頻圖像)處理

2、時遇到了如下挑戰(zhàn):首先,傳統(tǒng)SOM通常采用一維輸入層和二維映射層,能有效地將一維輸入映射為二維輸出,但無法有效實現(xiàn)二維輸入到三維輸出的映射。其次,一維到二維的映射與二維到三維的映射兩者之間無論從信號相關(guān)性利用,還是從計算量、性能評價方法和實時性要求等,都存在較大差異。直接采用傳統(tǒng)SOM算法難以有效地實現(xiàn)三維信號的非線性映射。然后,三維信號的數(shù)據(jù)量要比一維/二維信號大得多。例如三維立體圖像的數(shù)據(jù)量較二維平面圖像要大2倍以上,處理如此海量數(shù)

3、據(jù)對處理速度、存儲空間和實時性等提出了更高的要求。顯然,需要對傳統(tǒng)SOM算法進行深化研究和創(chuàng)新。
　　針對傳統(tǒng)SOM算法直接用于三維信號處理存在的不足,本文研究三維自組織映射算法,并將其應(yīng)用于三維立體圖像壓縮。三維SOM網(wǎng)絡(luò)采用二維輸入層和三維輸出層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。研究了三維SOM算法的初始化算法、映射算法、競爭算法、鄰域算法和學(xué)習(xí)算法。初始化算法通過方差找到使網(wǎng)絡(luò)較快地收斂到全局最優(yōu)解的初始權(quán)值;映射算法通過核函數(shù)將非線性映射轉(zhuǎn)

4、換為線性映射,以降低計算復(fù)雜度;競爭算法研究失真測度,提出新的“公平”競爭方案;鄰域算法研究新的三維鄰域形狀和鄰域函數(shù);學(xué)習(xí)算法研究新的學(xué)習(xí)速度函數(shù)等來求解學(xué)習(xí)模型的全局最優(yōu)解。
　　與傳統(tǒng)SOM算法相比,三維SOM算法可以有效地壓縮視差圖,進而實現(xiàn)三維立體圖像壓縮編碼。MATLAB仿真實驗表明,三維SOM算法的重構(gòu)圖像具有較好的峰值信噪比(PSNR)和主觀質(zhì)量。通過GUI實現(xiàn)可視化壓縮平臺,對三維SOM用于立體圖像壓縮編碼進行界