基于Kohonen神经网络的分形图像编码

• 作者: 冯永超 谢立宏 贺贵明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 分形 Kohonen神经网络 图像压缩 无指导的学习
• 年，卷（期）: 2002,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 28-29,56
• 页数: 3页
• 分类号: TP18
• 字数: 2409字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2002.09.011

摘要

本文提出利用Kohonen自组织神经网络把母块分类与特征抽取结合起来有助于改善分形编码的时间.因为特征抽取减少了问题的维数并且使网络能够在一幅和实验图像分离的图像上得到训练.自组织网络为分类引入了一个邻域拓扑结构,并且不需要事先指定一组适当的图像类.网络按照在训练期间观测的图像特征的分布来组织自己.结果表明,该分类方法可以将编码时间减少两个数量级并保持可观的精度和压缩性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺贵明	武汉大学软件工程国家重点实验室	108	1405	21.0	33.0
2	谢立宏	武汉大学软件工程国家重点实验室	8	66	6.0	8.0
3	冯永超	武汉大学软件工程国家重点实验室	5	88	3.0	5.0