• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Image Processing, IET >Bi-level image compression technique using neural networks
【24h】

Bi-level image compression technique using neural networks

机译：使用神经网络的二级图像压缩技术

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study presents the utilisation of neural-network for bi-level image compression. In the proposed lossy compression method, the locations of pixels of image are applied to the inputs of a multilayer perceptron neural-network. The output of the network denotes the pixel intensity (0 or 1). The final weights of the trained neural-network are quantised, represented by a few bits, Huffman encoded and then stored as the compressed image. In the decompression phase, by applying the pixels locations to the trained network, the output determines the intensity. The results of experiments on more than 4000 different images indicate higher compression rate of the proposed structure compared with the commonly used methods such as Comite?? Consultatif International Te??le??phonique of Telegraphique (CCITT) G4 and joint bi-level image experts group (JBIG2) standards. Moreover, quantisation issue in neural-network deployment is addressed and a solution is proposed. Further, an adaptive technique based on binary image characteristics is applied to achieve more compression rates.
机译：这项研究提出了神经网络用于双层图像压缩的利用。在提出的有损压缩方法中，将图像像素的位置应用于多层感知器神经网络的输入。网络的输出表示像素强度（0或1）。对训练后的神经网络的最终权重进行量化，由几位表示，进行霍夫曼编码，然后存储为压缩图像。在解压缩阶段，通过将像素位置应用于训练网络，输出将确定强度。在4000多种不同图像上进行的实验结果表明，与常用的方法（如Comite™）相比，该结构的压缩率更高。国际电报电话咨询公司（CCITT）G4和联合双层图像专家组（JBIG2）标准。此外，解决了神经网络部署中的量化问题并提出了解决方案。此外，基于二进制图像特性的自适应技术被应用于实现更高的压缩率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号