本文關(guān)鍵詞：改進(jìn)型粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)全息圖壓縮

  更多相關(guān)文章： 全息圖 粒子群優(yōu)化算法 MPSO-BP網(wǎng)絡(luò)

【摘要】：針對(duì)擁有龐大數(shù)據(jù)量的全息圖再現(xiàn)像質(zhì)量不理想的問題,提出一種針對(duì)粒子群優(yōu)化算法(PSO:Particle Swarm Optimization)中學(xué)習(xí)因子和慣性權(quán)值進(jìn)行動(dòng)態(tài)調(diào)整的方法,將改進(jìn)后的算法與反向傳播(BP:Back Propagation)神經(jīng)網(wǎng)絡(luò)相融合形成改進(jìn)型粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(MPSO-BP:Modified Particle Swarm Optimizing BP Neural Network)并用于全息圖壓縮。通過與BP神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(PSO-BP:Particle Swarm Optimizing BP Neural Network)壓縮算法進(jìn)行對(duì)比,證明了該網(wǎng)絡(luò)壓縮算法在保持較好的壓縮效率時(shí)得到的全息圖再現(xiàn)像質(zhì)量更好。
【作者單位】： 長春工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 全息圖 粒子群優(yōu)化算法 MPSO-BP網(wǎng)絡(luò)
【基金】：國家留學(xué)基金資助項(xiàng)目(201308220163) 國家自然科學(xué)基金資助項(xiàng)目(61303132)
【分類號(hào)】：TP18;TP391.41
【正文快照】： 0引言全息圖上每一點(diǎn)記錄的光振幅都是物體上各點(diǎn)衍射波同參考波相干涉的條紋信息,這種條紋模式所包含的信息量巨大,一張100×100 mm、分辨率為256×256像素的全息圖就需計(jì)算上億個(gè)采樣值,數(shù)據(jù)量高達(dá)數(shù)兆字節(jié),需要高性能計(jì)算機(jī)運(yùn)算數(shù)分鐘[1]。全息圖如此龐大的數(shù)據(jù)量嚴(yán)重制約

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 ;英研制出最小的全息圖像[J];中國印刷與包裝研究;2012年06期

2 韓長材;曹娜;雷嵐;曹亮;徐青;歐陽曉平;;燃燒室霧化場全息圖像分割方法研究[J];激光與光電子學(xué)進(jìn)展;2014年08期

3 ;日本科學(xué)家改進(jìn)交互式全息圖像觸控方案[J];中國印刷與包裝研究;2009年06期

4 林睿;;Gyrator變換全息圖及其在圖像加密中的應(yīng)用[J];光子學(xué)報(bào);2013年02期

5 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 湯林;光學(xué)全息圖像的校正與再現(xiàn)識(shí)別[D];中南大學(xué);2014年

，

本文編號(hào)：870100