基于IFS代码的动画仿真

针对以迭代函数系统为基础的分形图,从分析其仿射变换的参数出发,提出了基于IFS代码的分形植物受风力影响以及不同分形植物间变形的动画实现算法,并给出了OpenGL支持下,运用JAVA语言在计算机上实现该动画的方法,应用该方法不仅能够非常方便快速地绘制动态分形图,而且所产生的分形动画更真实.     

IFS图像空间结构特征及自动目标检测

一个迭代函数系—IFS(Iterated Function System ) 由一组压缩映射组成, 它描述了研究对象“整体”和“局部”之间的变换构成关系.对于图像来讲,IFS描述了图像“整体”和“局部”之间的空间变换关系,因此,IFS可以视为图像的空间结构模型,而与IFS有关的参数可以视为反映图像空间结构的特征.IFS的提出起源于分形图像压缩的研究,因此IFS与分形之间存在着密切的和内在的联系.IFS的理论中有两个重要的结论: 一是如果IFS中的压缩映射均为仿射变换,则IFS的吸引子将是一个分形集合;二是实际中所遇到的图像都可以用IFS的吸引子逼近.根据这两个结论,如果限定IFS中的压缩变换均为仿射变换,又图像本身具有分形结构,即图像“整体”和“细节”之间存在仿射变换关系,则用IFS的吸引子逼近图像所产生的误差很小(理论误差值= 0);如果图像本身不具有分形结构,则逼近误差很大.所以,根据IFS逼近误差的大小,即可判定被研究的图像是否具有分形结构特征.大量的理论研究和实验数据分析表明,自然背景的图像符合分形模型,而人造目标的图像不符合分形模型.因此,可以根据IFS逼近误差的大小实现对自然背景中人造目标的检测.提取图像IFS的算法有多种.本文采用Bath FractalTransform (BFT)算法,它是一个原理简单、实现方便、运算速度快的     

基于相对梯度的自适应图像分形压缩并行算法

介绍了基于IFS(Iterated Function System)的图像分形压缩技术的基本理论,利用原图像及其相对梯度图自相似的特点,采用自适应四叉树分割方法,提出了基于相对梯度的自适应图像分形压缩并行算法。算法复杂性分析表明该方法提高了图像分形的压缩比,计算量少,效率较高。     

一维数字信号的自适应分形编码方法

本文介绍了IFS编码的基本理论，提出了一种自动分段最小平方分形拟合IFS编码方法，提供了相应算法．这种方法不同于Mazel和Hayes所提出的方法[3]．利用本文方法可对一维数字信号进行自动分形编码。     

分形插值图像压缩的一种快速解码算法

一维分形插值图像编码是用插值点数据构造分形曲线来拟合数字图像的灰度曲线从而实现压缩。其解码过程就是求用插值点数据构造的迭代函数系统(IFS)的吸引子,由于图像数据以及分形插值迭代规律的特殊性,使得随机迭代算法和通常的固定迭代算法并不适用。本文设计了快速且节省内存的解码算法,并进行了复杂度分析。同时,本文的算法作为分形插值方法的一部分,同样可以用在分形插值法的其他应用领域。     

分形与图像压缩编码

本文概述分形图像压缩的理论基础,介绍分形图像编码的IFS方法,讨论小波技术在分形图像编码中的应用。     

基于分形的混合图象压缩方法

分形图象压缩方法是近年来迅速兴起的一种高倍率图象压缩方法，它依据分形原理，利用迭代函数系统（IFS）来抽取自然图象中的自相似性，达到压缩图象的目的；解码时利用拼帖定理来快速恢复图象。然而它最大的缺点是速度太慢。为此，本文将分形图象压缩同传统的块截取变换方法（BlockTruncatingCoding）结合，在压缩速度、压缩倍数和压缩失真方面有个折衷，达到较好的性能。     

分形天线的IFS实现与特性分析

分形最基本的特征就是自相似特性与分数维，可以很好的用于设计天线。文章讲述了用IFS(迭代函数系统)实现分形天线的过程。并对一些典型的分形天线及分形天线阵列的特性进行了分析。     

基于图像活动性的序列图像分形编码方法

介绍了分形的概念以及分形压缩的主要思想;阐述了传统的分形图像压缩编码的基本原理与实现方法;提出了一种基于图像活动性序列图像分形编码方法。该方法首先由相邻帧之间的预测差值来判断当前编码块的活动性,然后根据图像的活动性,对不同特性的块采用不同的分形编码策略,最后对编码后得到的迭代函数系统（IFS）码进行可变长度编码（VLC）,以获得更高的压缩比。     

IFS在植物形态模拟中的应用

阐述了迭代函数系统IFS(Iterated Function System)的基本理论,分析了IFS系统在表达植物形态方面的可行性,探讨了IFS对植物形态模拟的实现方法,并在实现的过程中连续地变换某一参数,有效的实现了对IFS生成植物的动态模拟,使对植物的模拟过程更加逼真.