计算机工程与信息技术学报

结合神经网络和算术编码处理的改进图像压缩

Alaa MHH 和 Siddeq MM

结合神经网络和算术编码处理的改进图像压缩

本文重点介绍了使用感知器神经网络和算术编码进行图像压缩和解压缩的框架。首先将每个三个像素压缩为单个值，该值称为压缩值。在我们的工作中，压缩部分不需要神经网络进行权重训练，相反，我们工作中使用的权重是包含浮点值的一维数组。权重值的总和等于一。在解压缩部分，权重成为神经网络的输入。之后，神经网络根据压缩值和期望输出之间的误差更新像素，使其大致变为原始的三个字节。第二阶段是算术编码算法，用于将压缩值向量转换为单个浮点数。我们的方法用三种类型和不同大小的图像进行了测试；本文还计算了该算法的性能。