基于PCA和BP神经网络的图像压缩技术matlab实现（毕业设计）

一、算法原理和函数调用流程 在原有的BP神经网络的图像压缩代码基础上进行改进，加入PCA降维过程。 1、图像块划分，形成K*K*N的矩阵 2、分块之后，对每列数据进行PCA降维，置零压缩，只保留M列主成分； 3、归一化数据 4、建立BP神经网络并训练数据 5、保存神经网络训练结果 二、参数对图像压缩结果的影响 1、K值：块划分大小 KxK，一般来说分块越小，重建图像质量越高，从测试来看建议K的取值为2和4。 2、N值：隐含层神经元个数，取合适的值即可，不同的N值影响BP网络的训练速度和精度，也会影响重建图像质量，建议取值5。 3、M值：PCA参数（保留主成分的M列数据，取值在1~K*K-1之间），一般来说，取值越大，重建图像质量越高，建议取值2~5。 三、核心修改部分 PCA和BP结合部分主要在block_divide.m中。