隨著通信以及多媒體技術(shù)的發(fā)展,互聯(lián)網(wǎng)時(shí)代的到來(lái)已經(jīng)改變了傳統(tǒng)的信息傳遞方式,通過(guò)網(wǎng)絡(luò)和計(jì)算機(jī)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(lái)的傳輸帶寬和存儲(chǔ)空間過(guò)多占用的問(wèn)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(jì)算機(jī)視覺(jué)領(lǐng)域的應(yīng)用取得了巨大的成功,尤其是在圖像識(shí)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(shí)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(jìn)步和大規(guī)模集成電路的發(fā)展,現(xiàn)場(chǎng)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(qiáng)等特性,通過(guò)與神經(jīng)網(wǎng)絡(luò)本身的并行計(jì)算特性相結(jié)合來(lái)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(duì)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像壓縮的原理以及硬件實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的原理分別進(jìn)行了詳細(xì)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(jì)了具有圖像壓縮能力的卷積自編碼器（Convolutiona... 

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)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(shí)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(píng)價(jià)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(yùn)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(shí)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(jì)及FPGA實(shí)現(xiàn)
    3.1 設(shè)計(jì)與實(shí)現(xiàn)流程
    3.2 圖像壓縮網(wǎng)絡(luò)模型設(shè)計(jì)
    3.3 FPGA硬件平臺(tái)
        3.3.1 平臺(tái)選擇
        3.3.2 開(kāi)發(fā)流程
    3.4 圖像壓縮硬件框架設(shè)計(jì)
    3.5 卷積編碼核心模塊設(shè)計(jì)
        3.5.1 并行輸入設(shè)計(jì)
        3.5.2 處理單元設(shè)計(jì)
    3.6 其他主要模塊的設(shè)計(jì)
        3.6.1 零填充模塊設(shè)計(jì)
        3.6.2 通道分配器模塊設(shè)計(jì)
        3.6.3 激活函數(shù)設(shè)計(jì)
        3.6.4 通道仲裁器模塊設(shè)計(jì)
    3.7 本章小結(jié)
第四章 實(shí)驗(yàn)與結(jié)果分析
    4.1 實(shí)驗(yàn)平臺(tái)及測(cè)試環(huán)境
    4.2 測(cè)試實(shí)驗(yàn)結(jié)果
        4.2.1 圖像重建效果
        4.2.2 資源使用率評(píng)估
    4.3 性能對(duì)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(lái)展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
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(zhǎng)榮.  計(jì)算機(jī)與現(xiàn)代化. 2014(04)
[2]基于改進(jìn)SPIHT算法的SAR圖像壓縮[J]. 王璐,張志敏.  中國(guó)科學(xué)院研究生院學(xué)報(bào). 2012(02)
[3]遙感圖像復(fù)原與超分辨算法及其并行實(shí)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(jué)技術(shù)及其在智能移動(dòng)機(jī)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(cè)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(guó)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(jì)與實(shí)現(xiàn)[D]. 陳美建.西安電子科技大學(xué) 2012
[6]基于FPGA的1024點(diǎn)流水線結(jié)構(gòu)FFT算法的研究與實(shí)現(xiàn)[D]. 趙國(guó)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(guó)地質(zhì)大學(xué)（北京） 2010
[8]結(jié)合人眼視覺(jué)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(yǔ)音增強(qiáng)[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(shí)現(xiàn)[D]. 程凱.南京理工大學(xué) 2008



本文編號(hào)：3695288