如何利用SOM網路進行圖像數據壓縮?

背景介紹

自組織映射神經網路， 即Self Organizing Maps (SOM)， 可以對數據進行無監督學習聚類。它的思想很簡單，本質上是一種只有輸入層--隱藏層的神經網路。隱藏層中的一個節點代表一個需要聚成的類。訓練時採用「競爭學習」的方式，每個輸入的樣例在隱藏層中找到一個和它最匹配的節點，稱為它的激活節點，也叫「winning neuron」。 緊接著用隨機梯度下降法更新激活節點的參數。同時，和激活節點臨近的點也根據它們距離激活節點的遠近而適當地更新參數。

具體的概念意義可參考：自組織神經網路SOM原理——結合例子MATLAB實現

實驗目的

本項目使用MATLAB編程，實現基於SOM網路（自組織神經網路）的矢量量化方法，進行圖像數據壓縮。訓練圖像採用「Lena.bmp」 圖像，用 3×3 子塊構成9維矢量進行訓練，碼本規模取NC =512。 然後分別用 Lena.bmp、 CR.bmp、HS4.bmp 三個圖像進行檢驗。並分別給出了原圖像和壓縮後的圖像、壓縮比（CR）、圖像恢複信噪比（峰值信噪比 PSNR ）。同時本項目實現了不同訓練圖像、不同矢量大小、不同碼本規模下的對比關係。實驗表明，壓縮效果較好，信噪比高。

（註：峰值信噪比定義為

求解過程：

（一）基於SOM網路的矢量量化方法進行圖像數據壓縮

（二）模擬實例