廖庆
- 作品数：5 被引量：11H指数：2
- 供职机构：长春工业大学计算机科学与工程学院更多>>
- 发文基金：吉林省自然科学基金国家留学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学机械工程一般工业技术更多>>
- 计算全息图的小波神经网络压缩方法被引量：2
- 2015年
- 采用小波神经网络方法对信息量较大、难提高压缩效率的计算全息图进行数据压缩,利用其较强的非线性映射和函数逼近能力自适应地调整和处理全息图,可大幅减少信息冗余,得到较好的压缩效果.实验结果表明:利用该算法能得到1.56%的低压缩率,此时的再现像较清晰,失真较小;与常用压缩算法相比,当压缩率很低时,用小波神经网络压缩全息图是一种切实可行且更有效的方法.
- 侯阿临吴亮廖庆王崇锦郭俊良
- 关键词：计算全息图像压缩小波分析小波神经网络
- 计算全息图的人工神经网络压缩算法被引量：5
- 2013年
- 由于计算全息图数据信息庞大,不利于传输和存储。本文提出用于实现计算全息图信息压缩的人工神经网络算法。首先将计算全息图进行预处理,得到一组多维向量构成的训练样本,用该样本训练神经网络,改变神经网络的输入层和隐含层神经元个数比,从而压缩全息图的数据信息。实验结果表明,该算法实现方法简单,计算速度较快,具有较强的自适应性和智能性,能在较大压缩比下恢复出图像,且图像质量令人满意。
- 侯阿临廖庆靳志娟陈娟耿莹
- 关键词：计算全息图像压缩BP神经网络
- 改进型粒子群优化算法的BP神经网络全息图压缩被引量：4
- 2016年
- 针对拥有庞大数据量的全息图再现像质量不理想的问题,提出一种针对粒子群优化算法(PSO:Particle Swarm Optimization)中学习因子和惯性权值进行动态调整的方法,将改进后的算法与反向传播(BP:Back Propagation)神经网络相融合形成改进型粒子群优化BP神经网络(MPSO-BP:Modified Particle Swarm Optimizing BP Neural Network)并用于全息图压缩。通过与BP神经网络和粒子群优化BP神经网络(PSO-BP:Particle Swarm Optimizing BP Neural Network)压缩算法进行对比,证明了该网络压缩算法在保持较好的压缩效率时得到的全息图再现像质量更好。
- 王刚刚廖庆徐玉蕊刘乐侯阿临
- 关键词：全息图粒子群优化算法
- 基于BP神经网络的全息图压缩算法
- 根据计算全息图的特点,结合BP神经网络自适应性和智能性,本文提出一种基于BP神经网络实现全息图信息压缩的算法.该算法将预处理后的全息图作为样本训练神经网络,通过改变输入层和隐含层神经元个数比来实现全息图的压缩.实验结果表...
- 侯阿临廖庆靳志娟陈娟耿莹
- 关键词：计算全息图信息压缩BP神经网络图像质量
- 文献传递
- 全息图的小波域BP神经网络压缩实现
- 2014年
- 计算全息图的有效存储和快速传输对于实现真正意义上的动态三维全息显示有着十分重要的意义,然而计算全息图信息量庞大,不利于传输和存储,这就迫切需要对大数据量的全息图进行快速高效的压缩。基于此,提出一种基于小波域BP神经网络的全息图压缩技术,即先用小波变换对全息图进行预处理,通过将小波基与全息图的内积进行加权和来实现全息图的特征提取,然后将提取的特征向量代入神经网络以完成函数逼近、分类,实现全息图的压缩。该方法可获得124.52∶1的压缩比且仍能获得较清晰的再现像,实验结果很好地证明了该方法的可行性和有效性,且算法结构简单,运算速度快,能在较大压缩比下恢复出令人满意的再现像。
- 侯阿临吴亮廖庆王崇锦郭俊良
- 关键词：计算全息图像压缩小波分析
