1. SCSIT
  2. Всі випуски
  3. Випуск 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;
Випуск 672
: cc. 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.

автоасоціативна нейронна мережа
модель геометричних перетворень
компресія зображень
обчислення у форматі з фіксованою комою
  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