4、INTSOM：基于智能自组织映射的灰度图像压缩

INTSOM：基于智能自组织映射的灰度图像压缩

1. 引言

近年来，信息技术的发展使得网络服务和用户需求不断增长，尤其是多媒体方面。然而，数字内容的增加对存储容量和网络带宽提出了更高要求，因此数据压缩成为了处理这些数字内容的关键环节。

图像压缩方案主要分为有损压缩和无损压缩。有损压缩通过频域变换减少图像的冗余和不相关性，以最小的误差重建图像，像JPEG、JPEG2000等方法都属于此类；无损压缩则能将图像精确地恢复到原始状态，如PNG、JPEG - LS等。

空间域与频域本质不同，常采用矢量量化（VQ）进行有损压缩。VQ的主要目的是减少码本中的向量数量，通过保存包含代表性向量的码本和记录索引值的索引手册来实现图像压缩。目前已经有一些基于VQ的方案，如LBG、SOM、HSOM等。

LBG算法实现简单且速度快，但容易陷入局部最优，编码结果不稳定；SOM是一种自组织映射神经网络算法，应用于图像压缩能取得很好的效果，但训练时间长；HSOM旨在降低SOM的时间复杂度，将压缩过程分为多个阶段，但压缩质量通常略逊于SOM。

本文提出了一种基于LBG和HSOM的两层神经网络算法INTSOM。该算法在第一层使用LBG确定神经元数量，第二层通过估计函数动态计算神经元数量，最后使用改进的SOM对每个子图进行压缩。实验结果表明，在大码本情况下，INTSOM的整体性能（时间成本和质量）优于LBG、SOM和HSOM。

2. 预备知识

2.1 矢量量化（VQ）

VQ是一种常用的有损压缩方法，通过少量向量（码字）近似原始图像，以保证图像质量并控制可接受的失真。如果相邻像素的RGB分布相似，则将它们归为同一