10.3321/j.issn:0372-2112.2006.07.015
基于脉冲耦合神经网络和施密特正交基的一种新型图像压缩编码算法
自从脉冲耦合神经网络(PCNN)被提出以来,在图像处理、模式识别、人工智能等领域得到了广泛应用.由于其生物学背景的特性,使得其能够对灰度图像进行完美的分割:PCNN局部连接域的作用及阈值指数衰减特性,使得具有近似灰度特性的邻近像素能够同时处于激活状态,这就构成了PCNN分割特性的基础,使得图像分割结果既能较好地包含原始图像细节信息,又能避免一些无意义的小分割块的产生.借鉴施密特正交化思想,利用自然初始基对每一分割区域进行变换,得到一组正交基的变换系数,相对于分割前图像的数据量大为减少,存储空间需求小,从而实现了压缩.相对于JPEG算法,该方法使重建图像的质量得到显著提高,同时也使得逐步重建图像成为可能.
脉冲耦合神经网络、正交基、不规则分割区域、施密特正交化
34
TP391(计算技术、计算机技术)
国家自然科学基金60572011;面向21世纪教育振兴行动计划985计划LZ985-231-582627;甘肃省交叉学科青年创新项目870810
2006-08-24（万方平台首次上网日期，不代表论文的发表时间）
共5页
1255-1259
