異構(gòu)神經(jīng)網(wǎng)絡(luò)圖像量化算法研究.pdf

1、現(xiàn)代人類對周邊信息的獲取越來越依賴于圖形和圖像的處理。隨著計(jì)算機(jī)技術(shù)和半導(dǎo)體技術(shù)的進(jìn)步，還有當(dāng)下移動互聯(lián)網(wǎng)的興起，圖像的分辨率越來越大導(dǎo)致圖像包含的信息量越來越大，進(jìn)而需求圖像的量化、壓縮和傳輸技術(shù)的革新。
　　起源于哺乳動物視覺皮層的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(Pulse Coupled Neural Networks Model)在21世紀(jì)初已開始廣泛應(yīng)用于圖像處理的各個(gè)領(lǐng)域，如圖像分割、目標(biāo)識別、特征提取等。然而其在圖像量化領(lǐng)域沒

2、有太多的應(yīng)用，因此很有必要對其在量化方面進(jìn)行深入的研究，結(jié)合其在人眼視覺方面的良好特性，繼而得到更符合人眼視覺系統(tǒng)的圖像量化方案。
　　本文在分析 PCNN的基本原理和異構(gòu)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，結(jié)合兩個(gè)模型提出了異構(gòu)脈沖耦合神經(jīng)網(wǎng)絡(luò)量化算法(HPCNN)，它包括圖像分割和圖像量化兩部分。使用 Berkeley分割數(shù)據(jù)集和國際標(biāo)準(zhǔn)圖像庫進(jìn)行算法測試，得到了較好的效果。本論文的主要工作如下：
　　1、簡述圖像量化的研究背景和意義。從

3、圖像量化和神經(jīng)網(wǎng)絡(luò)兩方面綜述其發(fā)展，同時(shí)介紹 PCNN和異構(gòu)神經(jīng)網(wǎng)絡(luò)的基本原理。
　　2、介紹常用的圖像量化算法：均勻量化算法、μ率 A率量化算法、K-means聚類量化算法，并對比這些量化算法和 PCNN量化算法、HPCNN量化算法之間的異同。實(shí)驗(yàn)結(jié)果表明，HPCNN量化算法在整體上具有最優(yōu)的效果。
　　3、利用 ARM硬件平臺 S3C2440搭建開發(fā)環(huán)境，將 HPCNN圖像量化算法移植到 ARM開發(fā)平臺上，滿足移動互聯(lián)網(wǎng)