基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
介绍了一种基于自组织特征映射(SOFM)神经网络图像压缩的传统算法.通过对传统压缩算法的分析,提出了一种新的简单易行的分类矢量量化方法.新方法采用边缘检测,主元分析(PCA),自组织特征映射来设计码书,大大提高了图像的客观指标和主观视觉效果.实验表明,此方法效果明显优于传统的SOFM图像压缩算法.
推荐文章
基于图像分类的矢量量化数字水印算法
矢量量化
码书
图像分类
数字水印
基于小波变换的多级矢量量化图像编码算法
图像编码
小波变换
多级矢量量化
压缩编码
基于CL多小波与SOFM的图像矢量量化
CL多小波
SOFM
矢量量化
分块码本
通用性
图像矢量量化编码算法的回顾和比较
图像
矢量量化
码书
比特率
码字匹配
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于混合神经网络的图像分类矢量量化方法
来源期刊 应用科技 学科 工学
关键词 边缘检测 图像压缩 矢量量化 神经网络
年,卷(期) 2006,(6) 所属期刊栏目
研究方向 页码范围 21-23
页数 3页 分类号 TP183
字数 2130字 语种 中文
DOI 10.3969/j.issn.1009-671X.2006.06.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李万臣 哈尔滨工程大学信息与通信工程学院 42 168 6.0 10.0
2 王炼 哈尔滨工程大学信息与通信工程学院 2 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (2)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
边缘检测
图像压缩
矢量量化
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
应用科技
双月刊
1009-671X
23-1191/U
大16开
哈尔滨市南通大街145号1号楼
14-160
1974
chi
出版文献量(篇)
4861
总下载数(次)
7
总被引数(次)
21528
论文1v1指导