IBAS-LMBP 神经网络算法在图像压缩中的应用*

王海军，金 涛，门克内木乐

（1.鄂尔多斯应用技术学院数学与计算机工程系，内蒙古 鄂尔多斯 017000；2.鄂尔多斯应用技术学院信息工程系，内蒙古 鄂尔多斯 017000）

0 引言

随着成像技术在军事、安防、地质、农业和医学等领域的广泛应用，大量高清图像随之产生，要快速传输和存储这些图像，就必须对图像信息进行有效的压缩处理。目前，常用的压缩方法主要有霍特林变换技术、离散余弦变换技术和小波变换技术。其中霍特林变换技术拥有如去相关性强、变换后能量集中程度高和可进行最优稀疏表示等优点，但由于运算量过大，且无快速算法，在实际工程中应用很少［1］。离散余弦变换技术具有实现的压缩率高、计算复杂度低、且实现较容易的优点，但是其方块效应破坏了子图像的相关性［2］。小波变换技术可以有效消除图像数据空间冗余，计算量也不大，但是小波变换只能进行方向上的变换，不能反映图像的结构和边缘特征,对于实现较大压缩比时图像质量下降明显［3］。基于此众多学者开始探索新的建模简单、易实现高压缩比、计算复杂度低的算法。神经网络具有极强的非线性处理能力和自适应能力，且建模简单，自然而然也成为图像压缩研究领域关注的重点，其中尤其以误差反向传播（Back Propagation，BP）神经网络图像压缩研究最为活跃［4-6］。但BP 神经网络采用的是梯度下降算法，存在对初始权阈值敏感易陷入局部极小值、收敛速度慢等问题［7］。

为了克服这些问题，常采用莱文伯格·马夸德（Levenberg Marquard，LM）BP 算法建模，相比梯度下降算法，LMBP 算法可以有效改善梯度下降算法收敛速度慢的问题［8］。……