小波神經(jīng)網(wǎng)絡(luò)在圖像去噪與壓縮中的應(yīng)用研究.pdf

1、小波神經(jīng)網(wǎng)絡(luò)是基于小波分析理論建立起來的一種分層的、多分辨率的新型人工神經(jīng)網(wǎng)絡(luò)。用小波函數(shù)代替?zhèn)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)，就構(gòu)成小波神經(jīng)網(wǎng)絡(luò)。理論證明小波神經(jīng)網(wǎng)絡(luò)具有一致逼近和2L逼近的能力，而且在保證參數(shù)初始化合理的條件下，收斂速度相當(dāng)之快。可見，利用小波神經(jīng)圖像進行去噪和壓縮，無疑是一條捷徑。 本文將小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像去噪，構(gòu)造了噪聲檢測強分類器。理論上可以保證這比傳統(tǒng)的中值濾波更加合理化，計算機仿真實驗也表明了這種方法去

2、噪優(yōu)勢明顯。 同時，基于傳統(tǒng)KL 變換的圖像壓縮存在高階矩陣無法處理的問題，提取主分量分析的hebb算法在圖像壓縮過程中有數(shù)據(jù)丟失造成的誤差問題，而小波神經(jīng)網(wǎng)絡(luò)結(jié)合KL變換既能處理高階矩陣，又能在短時間內(nèi)達(dá)到收斂要求。所以文章建立了小波神經(jīng)網(wǎng)絡(luò)結(jié)合KL變換進行圖像壓縮的理論思想，并且通過計算機仿真試驗驗證了算法實現(xiàn)的可靠性。 全文共分六章： 第一章綜述本文所研究課題的發(fā)展歷史及其現(xiàn)狀意義、實際應(yīng)用價值和理論意義。

3、 第二章綜述神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識，小波變換的基礎(chǔ)知識，以此來構(gòu)造小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。 第三章建立了小波框架導(dǎo)出的小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法和BP小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，還討論了參數(shù)初始化問題，學(xué)習(xí)速率調(diào)整問題。 第四章在理論上證明了小波神經(jīng)網(wǎng)絡(luò)具有一致逼近和2L逼近的能力。 第五章根據(jù)圖像中噪聲的特點，設(shè)計出噪聲檢測弱分類器與強分類器，并且在理論上與實踐上肯定了去噪效果優(yōu)勢明顯。 第六章研究了小波神經(jīng)網(wǎng)絡(luò)結(jié)