隨著通信以及多媒體技術(shù)的發(fā)展,互聯(lián)網(wǎng)時代的到來已經(jīng)改變了傳統(tǒng)的信息傳遞方式,通過網(wǎng)絡(luò)和計算機傳輸與處理的數(shù)據(jù),特別是圖像數(shù)據(jù),數(shù)量急劇增加,由此帶來的傳輸帶寬和存儲空間過多占用的問題催生了圖像有損壓縮技術(shù)的廣泛研究。神經(jīng)網(wǎng)絡(luò)（Neural Networks,NNs）在圖像處理和計算機視覺領(lǐng)域的應(yīng)用取得了巨大的成功,尤其是在圖像識別和理解、圖像壓縮和去噪等方面都獲得了很好的處理效果。然而現(xiàn)有的神經(jīng)網(wǎng)絡(luò)圖像壓縮技術(shù)大多在通用微處理器上實現(xiàn),占用了較多的CPU資源,最終導(dǎo)致系統(tǒng)性能和處理效率低下。隨著微電子制造工藝的進步和大規(guī)模集成電路的發(fā)展,現(xiàn)場可編程門陣列（Field Programmable Gate Array,FPGA）因其資源豐富、可靈活配置、并行處理能力強等特性,通過與神經(jīng)網(wǎng)絡(luò)本身的并行計算特性相結(jié)合來作為圖像壓縮的硬件載體,能夠大大提高壓縮處理能力。本文對神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像壓縮的原理以及硬件實現(xiàn)神經(jīng)網(wǎng)絡(luò)的原理分別進行了詳細的研究和分析,在此基礎(chǔ)上,為了克服反向傳播（Back Propagation,BP）網(wǎng)絡(luò)的不足,設(shè)計了具有圖像壓縮能力的卷積自編碼器（Convolutiona... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
        1.2.2 神經(jīng)網(wǎng)絡(luò)的圖像壓縮應(yīng)用
        1.2.3 神經(jīng)網(wǎng)絡(luò)的硬件加速實現(xiàn)
    1.3 本文主要工作與章節(jié)安排
第二章 神經(jīng)網(wǎng)絡(luò)圖像壓縮算法基礎(chǔ)
    2.1 圖像壓縮相關(guān)理論
        2.1.1 傳統(tǒng)壓縮算法
        2.1.2 圖像質(zhì)量評價方法
    2.2 神經(jīng)網(wǎng)絡(luò)圖像壓縮理論
        2.2.1 神經(jīng)網(wǎng)絡(luò)基本運算
        2.2.2 BP網(wǎng)絡(luò)壓縮原理
        2.2.3 卷積自編碼網(wǎng)絡(luò)壓縮原理
    2.3 神經(jīng)網(wǎng)絡(luò)的FPGA實現(xiàn)原理
    2.4 本章小結(jié)
第三章 神經(jīng)網(wǎng)絡(luò)圖像壓縮算法設(shè)計及FPGA實現(xiàn)
    3.1 設(shè)計與實現(xiàn)流程
    3.2 圖像壓縮網(wǎng)絡(luò)模型設(shè)計
    3.3 FPGA硬件平臺
        3.3.1 平臺選擇
        3.3.2 開發(fā)流程
    3.4 圖像壓縮硬件框架設(shè)計
    3.5 卷積編碼核心模塊設(shè)計
        3.5.1 并行輸入設(shè)計
        3.5.2 處理單元設(shè)計
    3.6 其他主要模塊的設(shè)計
        3.6.1 零填充模塊設(shè)計
        3.6.2 通道分配器模塊設(shè)計
        3.6.3 激活函數(shù)設(shè)計
        3.6.4 通道仲裁器模塊設(shè)計
    3.7 本章小結(jié)
第四章 實驗與結(jié)果分析
    4.1 實驗平臺及測試環(huán)境
    4.2 測試實驗結(jié)果
        4.2.1 圖像重建效果
        4.2.2 資源使用率評估
    4.3 性能對比與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的植物葉片分類[J]. 龔丁禧,曹長榮.  計算機與現(xiàn)代化. 2014(04)
[2]基于改進SPIHT算法的SAR圖像壓縮[J]. 王璐,張志敏.  中國科學(xué)院研究生院學(xué)報. 2012(02)
[3]遙感圖像復(fù)原與超分辨算法及其并行實現(xiàn)[J]. 馬冬冬,李金宗,朱兵,穆立勝.  光電子.激光. 2009(10)

博士論文
[1]圖像多尺度鄰域距離分解及其應(yīng)用[D]. 趙恒軍.重慶大學(xué) 2013
[2]全方位視覺技術(shù)及其在智能移動機器人等領(lǐng)域的應(yīng)用研究[D]. 席志紅.哈爾濱工程大學(xué) 2006

碩士論文
[1]基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)加速器[D]. 余子健.浙江大學(xué) 2016
[2]基于智能水滴算法和神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測研究[D]. 郭丙旭.華北電力大學(xué) 2016
[3]基于人工神經(jīng)網(wǎng)絡(luò)的深基坑鋼支撐軸力研究[D]. 馬文娟.中國海洋大學(xué) 2012
[4]基于提升小波變換的快速分形圖像壓縮算法研究[D]. 程璐璐.西安電子科技大學(xué) 2012
[5]基于ADV212的星載圖像壓縮系統(tǒng)的設(shè)計與實現(xiàn)[D]. 陳美建.西安電子科技大學(xué) 2012
[6]基于FPGA的1024點流水線結(jié)構(gòu)FFT算法的研究與實現(xiàn)[D]. 趙國亮.西安電子科技大學(xué) 2011
[7]基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像壓縮方法的研究[D]. 李娜.中國地質(zhì)大學(xué)（北京） 2010
[8]結(jié)合人眼視覺特性和TV模型的圖像去噪方法研究[D]. 鞏凌青.解放軍信息工程大學(xué) 2009
[9]基于AD神經(jīng)網(wǎng)絡(luò)的語音增強[D]. 李政洋.蘇州大學(xué) 2008
[10]基于DM642的視頻壓縮算法研究與軟件實現(xiàn)[D]. 程凱.南京理工大學(xué) 2008



本文編號：3695288