摘要：二十一世纪，伴随着大量数据的产生已经掀起了巨大的波澜，各种形式数据存储效率受到人们的更多关注。海量的数据虽然满足了人们发展的需要，但其相应的巨大内存占有量给数据的存储和传输带来了不可忽视的问题。传统的编码算法不能满足大量数据的实际需求，新型编码算法，不仅可以大幅减少数据的存储空间，还对数据传输效率的提高有很大的帮助。通过信息原理知道预测的效果决定压缩的效果。本次毕业设计，就是以此原理为基础设计出一个满足高压缩比的无损的编码系统,编码对象为未经过任何压缩的BMP图片格式。

本系统使用Python3作为开发工具，运用TensorFlow和Keras两种深度学习框架搭建神经网络模型和完成系统其它部分功能需求，使用PyQt实现系统界面的搭建，以PyCharm作为开发平台。主要思想原理结合了长短期记忆网络擅长捕捉长期依赖性和熵编码在编码过程中按熵原理不丢失任何信息。试运行表明，本系统充分证实了神经网络能很好的满足在数据压缩的需要，具有很大的发展前景和市场潜力。

关键词：长短期记忆网络；熵编码；无损压缩；BMP图片

目录

摘要

Abstract

1 引言-1

1.1 系统开发背景-1

1.2 系统开发目标-1

1.3 系统设计思路-1

2 相关技术的研究-3

2.1 长短期记忆网络简介-3

2.2 熵编码简介-3

2.3 深度学习框架--Tensorflow简介-4

2.4 深度学习框架--Keras简介-4

2.5 BMP图片-4

3 系统分析-6

3.1 可行性分析-6

3.2 需求分析-6

3.2.1 系统需求-6

3.2.2 功能需求-6

3.3 开发环境、语言和深度学习框架-7

3.3.1 开发环境-7

3.3.2 语言-7

3.3.3 深度学学习框架-7

4系统概要设计-8

4.1 系统的设计思想-8

4.2 系统模块划分和需求分析-8

5 系统详细设计-9

5.1 模块详细设计-9

5.1.1 图片解码模块-9

5.1.2 数据处理模块-9

5.1.3 模型生成模块-9

5.1.4 熵编码模块-10

5.1.5 压缩编码模块-10

5.1.6 解压解码模块-11

5.1.7 图片还原模块-11

5.2 UI界面设计-12

6 系统测试-13

6.1测试目标与测试方法.-13

6.1.1测试目标-13

6.1.2测试方法-13

6.2问题与解决方法-13

6.3测试结果与未来展望-13

结    论-15

参考文献-16

致    谢-17