摘要

VQ(Vector Quantization)主要的原理為在資料中找出具代表性的代碼以減少資料的繁複性，進而達到資料壓縮的最終目的。本文即利用此方法找出資料具代表性的代碼以進行分類的工作，增加資料分類的效率。
而本文所使用的分類方法為MLP分類器，MLP分類器為常常被應用在分類問題中的一種類神經網路架構，其特性為對於不易分類或資料分佈多變化的問題有某程度之分類精確度。
本文提出一種新的物件辨識方法，該方法即透過將原始資料經VQ處理並利用MLP分類器將物件及背景分離。本論文亦提出若干種提升分類正確率的方法，並經過實際實驗結果的印證，證明該方法之可行性。

none

目錄
第一章、緒論...........................................................1
1.1、前言..........................................................1
1.2、研究動機......................................................2
1.3、論文架構......................................................3
第二章 向量資料量化....................................................4
2.1原理............................................................4
2.2 LBG方法........................................................6
2-2-1、向量資料量化過程中的失真....................................6
2-2-2、LBG新增代碼方法.............................................7
第三章 物件辨識方法...................................................10
3.1 影像原素及視窗的概念..........................................10
3.1.1 影像原素的概念...........................................10
3.1.2 視窗的概念...............................................15
3.2 MLP分類方法...................................................17
3-2-1 MLP 分類器之架構.........................................17
3-2-2 BP訓練方法之計算式.......................................18
3.3 辨識方法流程..................................................23
第四章 實驗與結果.....................................................27
4.1 基礎實驗......................................................29
4.2 編碼簿Codeword分配............................................36
4.3 二階段MLP訓練結果.............................................40
4.4 後處理........................................................48
第五章 結論...........................................................50
參考文獻..............................................................51

參考文獻

[1] Chan, C. K., Ma, C. K., 1994,“A Fast Method of Designing BetterCodebooks
for Image Vector Quantization,” IEEE Transaction on Communications, Vol.
42, pp. 237-242.

[2] Gray, R.M.,1984,“Vector Quantization,”IEEE ASSP Magazine,April,pp. 4-29.

[3] Jose C. P., Neil R. E.,and W. C. L.,2000, “Neural and Adaptive System,”
7nd Edition,Prentice Hall,pp. 174-217.

[4] Linde, Y., Buzo, A., Gray, R. M., 1980,“An Algorithm for Vector Quantizer
Design,” IEEE Transaction on Communications, Vol. 28, No. 1, pp. 84-95.

[5] Simon, H., 1999 , “Neural Networks,A comprehensive foundation” Prentice
Hall Internation,pp.156-187.

[6] 林帝任 2000, “以類神經網路區分電腦影像中的前景及背景,”
碩士論文, 國立中山大學機械工程研究所.

[7] 連國珍 “數位影像處理” pp.10-7,10-8.