基于BP神经网络的机器人图像压缩技术

蔡钟山

（福建省特种设备检验研究院，福州 350008）

0 引言

图像信息数字化越来越多地应用在各行各业中，在视觉机器人中的应用尤为显著，视觉机器人通过图像采集并分析可以实现人脸识别、管道泄漏故障排查等重要功能。而图像数据采集技术面临的最大技术难题之一是海量图像数据的存储和数据传输的安全问题，而图像数据压缩技术是解决上述问题的重要技术关键[1]。图像压缩的原理和目的主要是为了减少压缩前图像中大量冗余的数据，在保证图像传输速度和质量的前提和条件下才能实现图像压缩。近年来，随着人工神经网络理论和云计算的进一步发展，人工神经网络在图像处理领域上的使用越来越成熟。尤其是BP（Back Propagation）神经网络，它是一种较为常用的网络结构，具有多层的前馈网络结构。本文提出一种基于BP神经网络的视觉机器人图像压缩技术，通过仿真试验选用合适的隐含层数可得到最优重建图像的质量，具有一定的工程用于价值。

1 图像压缩

图像压缩技术是现代多媒体及通信网络的关键技术之一，其步骤为变换、归一化和熵编码[2]。人工神经网络模仿人体神经系统的工作机理，近年来关于它的研究获得了很好的进展，已成为一种兴起的信息处理学科，在多个领域均有较好的应用，BP神经网络是其中最常用的模型之一。BP神经网络的鲁棒性高、容错性强，被用于图像压缩可以有效减少图像数据的存储量和数据率，最终可以减少传输带宽[2]。……