李亚文，何建强

（商洛学院电子信息与电气工程学院，陕西商洛 726000）

为了降低传输成本和提高传输速度，在图像进行传输之前，都要经过图像压缩去除冗余信息，图像压缩技术的关键就是尽量用少的数据量表示图像本身的信息。图像压缩算法较多，主要包括两类[1-2]：一类是冗余度压缩法，另一种是熵压缩，如：预测编码、变换编码等。哈夫曼提出构造编码的压缩方式，JPEG是一种基于差分预测编码的无损编码，DCT（离散余弦变换）和多种基于小波变换的图像压缩算法是有损编码，后来还有学者提出一种基于Haar小波变换的快速图像压缩算法[3]和基于字典模型压缩方法[4]等。人工神经网络模拟了人脑结构思维，其特色在于信息的分布式存储和并行协同处理，BP（Back Propagation）神经网络是人工神经网络中应用最广泛的一种，是1986年由RUMELHART和MCCELLAND为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，它的学习规则是使用最速下降法，通过反向传播不断调整网络的权值和阈值，使网络的误差平方和最小。本文将BP神经网络算法应用于图像压缩中，控制网络模型结构，进行分块运算，并进行了算法的实验仿真实现。

1 BP神经网络

BP网络可以解决那些无法用直观编程实现的事情，无法思考到其中的每一个步骤是怎样的机制，但是最终的数据可以直观得到，BP网络把学习和存贮的过程，大量地输入输出关系模式一一映射出来，不需要把映射关系提前揭晓。信号在……