1. SCSIT
  2. All Volumes and Issues
  3. Volume 672, 2010
  4. Ущільнення зображень з регулюванням втрат на основі нейроподібних структур геометричних перетворень

Ущільнення зображень з регулюванням втрат на основі нейроподібних структур геометричних перетворень

SCSIT.
2010;
Volume 672
: pp. 316 - 322
Authors: 

У. Поліщук

Національний університет «Львівська політехніка», кафедра автоматизованих систем управління

Подано основи розробленого методу ущільнення півтонових та кольорових зоб- ражень на основі нейроподібних структур моделі геометричних перетворень, що забезпечує представлення скомпресованих даних у форматі чисел з фіксованою комою. Вперше для нейромережних методів ущільнення зображень реалізовано принципову можливість компресії без втрат або з регульованими втратами.

This paper describes a basis of the developed color and gray-scale images compression method using neurolike Geometrical Transformation Machine structure, which provides representation of the compressed data in a fixed-point format. Principal possibility to make compression using auto-associated neural networks without or with management information losses has been realized for the first time.

auto-associated neural networks
geometrical transformation machine structure
image compression
fixed point computation
  1.  Verma B., Blumenstein M., Kulkarni S. «A new compression technique using an artificial neural network». Faculty of Information and Communication Technology, Griffith University, Australia, 2004.
  2. Egmont-Ptersen M., D. de Ridder, Handels H., «Image processing with neural networks- a review», Pattern Recognition, 35 (2002) pp. 2279- 2301.
  3. "Digital Imaging & Data compression; Image compression with neural networks».
  4. Jiang J. Image compression with neural networks – A survey, Signal Processing: Image Communication 14 (1999) pp. 737 – 760.
  5. Egmont-Ptersen M., D. de Ridder, Handels H. Image processing with neural networks- a review, Pattern Recognition, 35 (2002) pp. 2279- 2301.
  6. Ткаченко Р.О. Нова парадигма штучних нейронних мереж прямого поширення // Вісник Держ. ун-ту «Львівська політехніка»: Комп’ютерна інженерія та інформаційні технології. – 1999. – №386. – С. 43–54.
  7. Грицик В.В., Ткаченко Р.О. Нові підходи до навчання штучних нейромереж // Доповіді Національної академії наук України. – 2002. – № 11. – С. 59–65.
  8. Ткаченко Р.О. Автореф. дис.  д-ра техн. наук «Нейронні мережі прямого поширення з неітераційним навчанням». – Л., 2000.
  9. Уоссермен Ф. Нейрокомпьютерная техника. – М.: Мир, 1992. 9. Осовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2004