近年来,随着各种数字图像通信技术的发展,数字图像海量数据的存储和传输,成为多媒体技术最基本的问题。传统的图像压缩方法很多,但大多存在压缩比低、误差大的缺点。随着神经网络理论的深入研究,神经网络技术的并行计算能力、非线性映射和自适应能力等优点得到了国内外学者的充分重视,各种神经网络模型在图像处理领域中得到了广泛的应用。 本文主要研究基于 BP 神经网络的图像压缩算法,论文的主要内容如下: 首先,系统介绍图像压缩的特点及其发展过程。全面系统地概述几种典型压缩算法的优点,并同时指出其存在的若干问题,为本论文指明了主要的研究方向。 然后,分析了标准 BP 算法和两种经典改进算法的工作原理,结合图像压缩进行计算机仿真,阐明了 BP 网络在图像压缩领域中的优点和不足之处。 再次,重点提出了用 Cauchy 函数作为目标函数,同时在转移函数中引入陡度因子,对转移函数的导数进行提升,并在修正权值时各层采用不同尺度的联合优化算法。仿真证明,该算法用于图像压缩具有良好效果,和标准 BP 算法相比,缩短了压缩时间,提高了峰值信噪比。 另外,提出了一种将小波变换和 BP 网络辅助式结合进行图像压缩的算法。仿真证明,该算法可得到较高的压缩比。 最后,对全文进行概括性总结,并指出其它有待深入研究的问题和今后工作的重点。