Logistic映射和Julia集在分形图像编码中的应用

目的将混沌应用于分形图像压缩编码中，用Logistic混沌映射和Julia曲线生成一个固定的压缩字典，改进传统的分形图像压缩编码方法．方法采用二阶的Julia集f（Z）：Z^2＋C的时间逃逸算法。对于不同的C生成不同的曲线。然后使用Logistic混沌映射随机地产生0-255之间的整数填满量化表．再根据灰度量化规则，用第一千张量化表量化产生的Julia图像缺，作为压缩编码中的固定字典、编码时，将量化后图像Julia块与原图中的图像缺进行比较，寻找最适合的量化表和距离最小的Julia图像块．解码时通过重构第一千张量化表来重建原图像、结果与传统的分形压缩编码相比较．该方法能生成丰富且固定的压缩字典，编码的速度快，解码后的图像质量高．结论用Logistic混沌映射产生的随机数序列作为量化表中的系数，并用固定的压缩字典来取代变化的压缩字典，通用性强，编码时间少，实验证明，本算法切实可行．压缩效果好．     

Julia集在分形压缩编码中的应用

目的构建一固定的压缩字典.改变传统的一副图像对应一个压缩字典的分形图像压缩方法.提出了分形图在分形图像压缩算法中的应用.方法采用f(z)=z2 C,对不同的C,有不同的曲线.用灰度值量化规则进行量化,得到一幅图像.这样可以得到丰富的压缩字典.将量化后的4×4 Julia量化曲线与原图的4×4图像块进行比较,选取豪斯多夫度量最小的Julia量化曲线.解码过程读取压缩字典,重建原图像.结果通过与传统的分形图像压缩算法比较,该算法编码过程生成丰富的压缩字典,所以解码图像质量高.并且比传统分形图像压缩算法的压缩比高,解码速度快.结论用固定分形图像压缩编码字典替代变化的分形图像压缩编码字典,使得压缩字典和要处理的图像不再一一对应.将父类进行简单的分类,减少了搜索时间.实验证明本算法实现简单、可行.图像压缩理想,效果很好.     

"Julia曲线"集合与分形图像的压缩编码

将“Julia曲线”按正方形形状以多种方式进行量化,并将量化的“Julia曲线”用于分形图像压缩编码,改变了分形图像压缩编码以变化的压缩编码字典进行编码的缺点,通过实验结果证明,“Julia曲线”能很好地拼贴所要编码的图像,并具有分形图像的解码优点,压缩比和压缩速度有了较大提高。     

广义Mandelbrot集和Logistic映射在图像压缩中的应用

目的在构造压缩字典时,改变传统的一幅图像固定一张量化表、一幅图像对应一个压缩字典的分形图像压缩方法,将广义M集和Logistic映射应用于分形图像压缩编码.方法采用函数f（z）=z3＋c,生成M集曲线,使用Logistic混沌映射生成的量化表量化M集曲线,生成图像块,构成压缩字典.将自适应合并算法应用于图像的分类,将量化后的M集图像块与压缩字典中的图像块进行匹配,选出满足条件的图像块,然后对该图像块进行编码;解码时读取压缩字典,重建图像.结果实验证明本算法实现简单、可行,图像压缩比高、重建图像质量好.结论该算法生成的图像块数量多、种类全,构造的压缩字典丰富,解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.     

M集在分形图像压缩编码中的应用

目的构造一个固定的压缩字典,改变传统的一幅图像对应一个压缩字典的分形图像压缩方法,解决Mandelbrot图像在分形图像压缩算法中的应用问题.方法采用函数f(z),改变参数z,生成不同的曲线,用灰度值量化规则进行量化,得到许多幅图像块,可以构成丰富的压缩字典,编码时将父块进行自适应合并分割,与压缩字典中的图像块进行匹配,选出满足条件的图像块,再对该图像块进行编码;解码时读取压缩字典,重建图像.结果该算法编码过程中生成丰富的压缩字典,所以解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.结论该算法减少了搜索时间.实验证明本算法实现简单、可行,具有良好的压缩效果和高质量的重建图像.     

非线性分形图像压缩编码的优化

从减少搜索匹配块的数目入手,提出了一种旨在降低分形编码的复杂度,缩短编码时间的分形图像压缩的改进算法.提高了经典分形编码的压缩效率,并且保证获得高质量的重建图像.本算法采用了将方块转换为圆盘的方式来完成值域块与定义域块的匹配,扩充了编码字典.同时,对圆盘匹配中最大旋转角度进行了概率上的最优定位,优化了搜索块的范围,缩短了块的匹配时间.实验结果表明,本算法简单、有效,并具有良好的压缩结果和高质量的重建图像.     

固定压缩字典在分形图像压缩编码中的应用

分形图像压缩字典是实现分形图像压缩编码的关键因素。针对由Barnsley设计的传统的分形图像压缩编码字典随着压缩图像的变化而变化的缺点，笔者根据统计规律，提出了设计一个固定压缩字典对分形图像进行压缩编码的方法，彻底地改变了Barnsley实现分形图像压缩编码使用变化压缩字典的方法，实验结果表明，固定压缩字典能快速地实现分形图像的编码，并具有部分分形图像的解码优点。     

圆盘与分形图像压缩编码算法

分形图像压缩字典是实现分形图像压缩编码的关键因素，而由Barnsley设计的传统的分形图像压缩编码字典的不足之处是压缩字典还比较小．针对这一缺点，提出了一个较简单的非线性圆盘算法，简化了Hong Yan等提出的复杂非线性圆盘算法，用于解决压缩字典较小的问题．实验结果表明；这一算法简单可行，并具有良好的压缩结果和高质量的重建图像。     

一种提高分形图像压缩编码速度的方法

为了提高分形图形压缩编码速度，在定义父块与子块对比自身而得到的特征值的基础上，证明了匹配父块存在的条件，并提出了改进的分形图像压缩方法．该方法使得子块只搜索那些特征值符合条件的父块，从而降低了搜索的复杂度．通过讨论父块的旋转变换，提出了一种父块经过旋转后其特征值不变的变换，这使得无效父块在搜索过程中的对比计算次数明显减少．实验表明，有特征值的搜索速度是无特征值搜索速度的3倍或4倍，而图像的压缩质量却没有受到很大的影响．     

基于分形的快速压缩编码方法

分形编码是一种很有潜力的编码方法,但是基本的自动分形算法计算量大,编码时间长.针对此缺点,根据分层编码的思想,给出了一种具体的分形与简单量化编码相结合的加速分形编码方法.首先对原始图像进行1/4减采样,得到一幅减采样图像,利用基本的分形编码方法编码该图像,然后对所得到的编码在原始图像分辨率下进行解码,对解码图像与原始图像求差值,用简单的量化编码方法编码差值图像.差值编码与用基本方法所得到的压缩编码共同构成原图像的编码.与传统的分形方法相比,该方法不仅提高了编码时间,并且在信噪比、压缩比等方面得到了不同的改善.     

基于分形编码的图像压缩技术

详细地阐述了新一代基于分形编码的图像压缩技术,叙述了分形的概念和分形图像编码的数学基础－迭代函数系统理论,分析了分形图像编码的特点及其实现方法,并对一些改进的分形图像编码方法作了简要介绍。     

杨氏模量实验数据处理的程序设计

以物理知识为基础 ,从数学模型出发 ,用计算机语言设计编译了一套程序 ,用于计算杨氏模量及其不确定度 ,给出了程序框图和计算实例     

快速分形图象压缩算法

分形块编码法能提供高压缩比、高质量的图象,其美中不足之处在于搜索最佳匹配块时耗时过长。本文提出的快速算法,采用二叉树和链表结构进行搜索,大大提高了匹配速度,从而缩短了编码时间。本算法分两次使用分形块编码,第二次是对第一次编码还原图和原图之间的误差进行编码,减少了图象失真。仿真结果表明,本算法较传统分形块编码法速度提高了几十倍。在高压缩比下,图象质量高于 Ｊ Ｐ Ｅ Ｇ算法。     

图像编码的新方法——分形几何

介绍了分形几何的产生意义和作用、讨论了将分形几何应用于图像压缩编码时的变换算法，从而开辟了一条高压缩比的图像压缩编码的新思路。     

基于正交多小波变换的快速分形图像编码

提出了一种快速分形图像编码算法。编码时,通过插值正交多小波变换将原始图像缩小,然后使用摹本分形编码算法进行压缩;解码时,使用基本分形解码算法进行解码,然后使用插值正交多小波变换恢复图像。实验结果表明,与直接使用分形编码方法卡爿比,该方法缩短了编码时间,并且在信噪比、压缩比等方面得到了改善。     

基于小波分解和方向剖分的分形图像压缩方法

本文提出了一种基于小波分解和方向剖分的分形图像压缩方法,首先经过小波变换把Ｒａｎｇｅ块从空域转化为ＭＣＦ（ＭｕｌｔｒｉｅｓｏｌｕｔｉｏｎＣｏｅｆｆｉｃｉｅｎｔＦｏｒｍ）域,在ＭＣＦ域内根据不同的方向将数据归类和“剖分”为水平纹理,竖直纹理,角点信息,对这三部分分别搜索各自的Ｄｏｍａｉｎ块和变换,它扩展了经典的分形图像压缩方法,提高了压缩比,减少了块效应,改善了图像质量。