神经网络自适应图象编码

神经网络已显示出对实时数据处理系统的重要性。本文介绍使用神经网络的自适应图象编码系统。系统设计以系统适应性是其效率和效能的关键这一事实为基础。建议用合成源数据模型作为图象数据的数学模型。以合成源模型为基础,编码系统首先对图象数据分类,然后用专用方案变换和编码数据类型。为用纹理分类的图象数据分类,推荐利用经验和透视的可靠的学习神经网络模型——LEP。开发了与两层线性-前馈网络特征值有关的按递降次序排列的学习Karhunen-Loeve(K-L)变换基方案。这两个学习机构用作为编码系统的基本部分,能大大提高系统的适应性。试验结果表明压缩后高质量图象的位比率低到0.1767位/象素。