罗 山

(攀枝花学院交通与汽车工程学院，四川 攀枝花 617000)

0 引言

BP神经网络已成为一种新的图像压缩模型，但由于随机产生的初始权值和阈值，导致网络收敛速度慢、易收敛到局部最优、模型计算精度不高等缺陷。文献[1]设计并实现了基于遗传算法的BP神经网络压缩算法，压缩性能有所提高。文献[2]提出一种基于遗传算法的混合智能学习算法，克服了BP算法收敛速度慢和易局部收敛的缺陷，取得了很好的压缩效果。但遗传算法存在运算量大、易早熟收敛，重建图像质量差等缺陷。而天牛须搜索(Beetle Antennae Search,BAS)算法[3,4]是受天牛觅食行为的启发而提出的一种智能优化算法，具有计算量小、寻优速度快、算法简单等优点。文献[5]提出BAS-BP模型并用于风暴潮灾害损失预测，该方法克服了训练时间长、收敛速度慢等缺点。文献[6]提出了采用BAS优化BP神经网络拟合测距模型，克服了对数衰减模型易受环境干扰、参数取经验值等问题，该方法收敛速度快，定位精度更高。

在前人研究的基础上，本文首次将BAS用于BP神经网络的图像压缩中。利用BAS求得BP神经网络最优的初始权值和阈值，建立BAS-BP网络压缩模型，实现交通图像的压缩与重建。最后进行仿真实验，对压缩方法进行比较分析，验证了本方法的有效性。

1 BP网络图像压缩原理

BP(Back Propagation)神经网络[7]是一种典型的前向神经网络，其结构包括输入层、隐含层和输出层。其基本原理为：首先信号从输入层输入到隐含层，经过非线性运算后输入到输出层，再经过输出层处理后得到前向传播的输出；……