BP神经网络在静态图像压缩中的应用

BP神经网络模型是一种发展较为成熟的网络模型,近年来在数字图像处理领域获得了广泛应用,尤其在图像压缩方面更有其先天的优势性。文章在介绍BP网络模型的基础上分析了基于BP网络的图像压缩原理与过程,并在Matlab平台上对静态灰度图像压缩进行了仿真实验,结果表明所设计的BP网络具有不错的泛化能力,用于图像压缩的效果较好。     

Kohonen神经网络在复合材料损伤主动监测技术中的应用

主动监测技术是近几年来发展起来的复合材料损伤监测的新技术。本文将Kohonen自组织特征映射神经网络与主动监测技术相结合应用于复合材料损伤监测中。该方法具有结构算法简单、无导师监督学习和侧向联想等功能。根据此方法及虚拟仪器技术 ,设计开发了相应的复合材料结构损伤监测系统。经复合材料损伤监测实例验证 ,是一种十分有效的损伤检测方法     

两种神经网络模型在材料领域中的应用

简要介绍了基于BP反向误差传播算法和自组织特征映射算法的神经网络模型的基本原理和在材料领域中的应用。     

SOFM网络在结构损伤位置识别中的应用

为实现结构的损伤定位，克服BP神经网络受病态样本影响大且抗噪声能力弱等缺点，采用SOFM（Self-Organizing Feature Map）网络，以结构振动组合损伤指标为网络输入，对一桁架结构进行了损伤位置识别研究。识别结果显示SOFM网络能够区分相似样本，由网络的拓扑图可以直观地评价网络训练和识别结果。在不考虑噪声情况下，网络可以正确识别损伤位置，在噪声水平不大于30％情况下，除个别单元外，网络对其他单元损伤的正确识别率均高于95％，显示出很好的抗噪声能力。     

应用KN网加速的分形图像压缩方法

提出一种结合KNN网的分形编码算法,可大幅减少编码过程的计算量,可大大加速图像编码过程.     

小波分析在静态图像压缩编码中的应用

在分析传统图像压缩DCT算法存在缺陷的基础上,讨论基于小波分析的静态图像压缩算法,并分析这种方法的优点以及发展前景。     

JPEG基线算法对BP神经网络图像压缩处理的影响

根据BP神经网络图像压缩处理中,存在对图像信息高低频部分处理质量不同和边缘效应等问题,提出了采用JPEG基线算法于BP神经网络图像压缩处理结构中,建立了该系统。并采用灰阶Lena图像进行实验,通过实验分析发现,采用这种新的结构来处理图像,不仅可以得到较大的压缩比,而且具有较好的峰值信噪比。实验结果证明这种具有自适应性的图像处理方法,不仅可行,而且能高效、稳定地重建图像。     

图像压缩编码方法综述

本文对图像压缩的几种经典压缩编码方法进行了汇总和分析。介绍了他们的压缩原理和特点，然后对新一代的编码方法，包括小波变换编码、分形编码和神经网络编码，进行了简要的介绍。指出了各自的优缺点，并对图像压缩编码方法的发展方向进行了展望。     

进化型硬件在图像压缩中的应用研究

进化型硬件是一种可由进化算法来改变基结构的硬件。在此提出了一种由分类单元、进化单元和函数单元组成的适用于图像压缩的进化型硬件结构。其中进化单元和函数单元并行工作。在压缩过程中以函数进化的方式，使该硬件能够根据图像的特点来探索最优预测函数。仿真实验表明，当PSNR＝24-30（dB)时，压缩比优于JPEG、Fractal、Wavelet，最高可达200：1。     

基于自组织神经网络的实时统计特征抽取方法

应用人工神经网络讨论统计了特征抽取的原理，提出了相应的抽取方法。该方法具有实时性，容错性，高数据压缩率和良好的特征分辨率。通过计算机仿真和桥梁索力状态的实例计算分析证实了该技术具有广泛的应用价值。