计算全息图的人工神经网络压缩算法

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 21-24.

计算全息图的人工神经网络压缩算法

侯阿临, 廖庆, 靳志娟, 陈娟, 耿莹

长春工业大学计算机科学与工程学院,长春 130012

收稿日期:2012-05-20 发布日期:2013-06-01
作者简介:侯阿临(1972-),女,副教授.研究方向:图像工程与光电信息处理.E-mail:alinhou@163.com
基金资助:
吉林省自然科学基金项目(20101523).

Compression algorithm of computer-generated hologram based on artificial neural network

HOU A-lin, LIAO Qing, JIN Zhi-juan, CHEN Juan, GENG Ying

College of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China

Received:2012-05-20 Published:2013-06-01

摘要/Abstract

摘要：

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。

关键词: 计算全息, 图像压缩, BP神经网络

Abstract:

Due to the information of computer-generated hologram is too enormous to transmit and store,a hologram compression algorithm was proposed based on artificial neural network.A set of training sample made of multi-dimensional vectors was obtained by preprocessing and used to train the neural network.The neuron numbers in input layer and hidden layer was adjusted so that the data volume of computer-generated hologram can be compressed with various ratios in both layers.Experimental results demonstrate that the proposed algorithm is uncomplicated and rapid.In addition,it has better self-adaptation and intelligent.The reconstructed image is obtained with relative large compression ratio and the quality is satisfied.

Key words: computer-generated hologram, image compression, artificial neural network

中图分类号:

O438.1

侯阿临, 廖庆, 靳志娟, 陈娟, 耿莹. 计算全息图的人工神经网络压缩算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 21-24.

HOU A-lin, LIAO Qing, JIN Zhi-juan, CHEN Juan, GENG Ying. Compression algorithm of computer-generated hologram based on artificial neural network[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 21-24.

参考文献

[1] 侯瑞宁.计算全息三维显示的研究[D].重庆:重庆大学数理学院,2007. Hou Rui-ning.The study of three-dimensional displaying by computer-generated hologram[D].Chongqing:College of Mathematics and Physics, Chongqing University,2007.

[2] 陈兴悟,赵慧影.彩色全息图的计算机产生和数字再现[J].光学技术,2003,29(2):239-241. Chen xing-wu,Zhao Hui-ying.Computer-generating and numerical reconstructing color hologram [J].Optical Technique,2003,29(2):239-241.

[3] Yoshikawa H,Iwase S, Oneda T.Fast computation of fresnel holograms employing difference[J].Optical Review,2001,8(5):331-335.

[4] Durai S A,Saro E A.Image compression with back-propagation neural network using cumulative distribution function[C]// Proceedings of World Academy of Science,Engineering and Technology,2006,17:60-64.

[5] 钱海军.基于BP神经网络的图像压缩的Matlab实现[J].电脑开发与应用,2011,24(12):77-79. Qian Hai-jun.Image compression based on BP neural network using matlab[J].Computer Development & Applications.2011,24(12):77-79.

相关文章 15

[1]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[2]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[3]	黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[4]	郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[5]	陈绵书, 王园园, 桑爱军, 陈贺新. 基于多维矢量矩阵理论的KL变换[J]. 吉林大学学报(工学版), 2016, 46(2): 627-631.
[6]	李寿涛，田微，郭鹏程，马用学，张浩，王楠. 基于模糊自适应的BP神经网络动态行驶车辆车长测算[J]. 吉林大学学报(工学版), 2015, 45(6): 1881-1886.
[7]	高明亮，于生宝，郑建波，徐畅，张堃，栾卉. PSBP在高密度电阻率法二维反演中的应用[J]. 吉林大学学报(工学版), 2015, 45(6): 2026-2033.
[8]	闫楚良, 郝云霄, 刘克格. 基于遗传算法优化的BP神经网络的材料疲劳寿命预测[J]. 吉林大学学报(工学版), 2014, 44(6): 1710-1715.
[9]	陈莉, 孙永海, 付天宇, 丁健峰. 羊肚菌胞外多糖快速估测方法[J]. 吉林大学学报(工学版), 2014, 44(2): 567-572.
[10]	司建波, 杨芳, 郭蔚莹, 姚燕. 基于BP神经网络的两阶段疾病预测模型[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 481-484.
[11]	王改革, 郭立红, 段红, 刘逻, 王鹤淇. 基于萤火虫算法优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2013, 43(04): 1064-1069.
[12]	王国磊, 陈恳, 陈雁, 朱丽, 王力强, 颜华. 变参数下的空气喷枪涂层厚度分布建模[J]. 吉林大学学报(工学版), 2012, 42(01): 188-192.
[13]	张祥合, 王丹, 任露泉, 赵宏伟. 基于多维空间仿生信息学的目标识别新算法[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 269-274.
[14]	桑爱军, 杨树媛, 赵欣. 基于多维矢量矩阵离散余弦变换的熵编码[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 319-324.
[15]	杨冬风, 马秀莲. 基于分形纹理分析的蛋壳裂纹识别[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 348-352.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed