基于K均值聚类的快速分形编码方法

针对目前分形图像压缩存在的编码时间过长问题,提出了使用K均值聚类对编码过程进行加速的方法,其中聚类向量采用图像块的正规化特征向量以保证聚类的精度,并通过用部分失真搜索来完成传统K均值聚类中最耗时的最近邻搜索过程以提高聚类速度。进一步,通过结合均值图像建库、去平坦块等技巧,得到了一种快速、可调的分形编码方法。实验结果表明,相对于全局搜索,所提方法大幅地提高了编码速度和压缩比,而解码质量只略有下降。     

基于KD-Tree搜索和SURF特征的图像匹配算法研究

针对图像匹配时进行特征检测和匹配的搜索时间长的问题,文章研究了基于KD-Tree搜索和SURF特征的图像匹配算法。该算法首先提取得到图像的SURF特征并生成特征描述向量,然后为这些特征描述向量建立KD-Tree索引,最后通过计算每个特征点的与其距离最近的若干个KD-Tree上的最近邻点,完成特征匹配工作。实验结果表明,与SIFT算法相比,SURF算法进行特征检测的速度要快2～3倍;与全局最近邻搜索相比,基于KD-Tree索引的近似最近邻搜索大大减少了计算量,较大地提高了SURF算法的匹配速度。     

一种基于EPDS的快速K均值聚类算法

KT均值聚类是经常使用的一种数据聚类方法，但对大数据量情形，其聚类过程较慢，主要原因在于聚类过程中每个待聚类向量要反复进行一个最近邻搜索过程，以寻找与其距离最近的聚类中心；据此，文章提出使用扩展的部分失真搜索（Extended Partial Distonion Search，EPDS）来完成该最近邻搜索，极大地减少了完成聚类所需乘法次数。实验表明，相对于基本的K均值聚类算法，该方法可以节约1/3以上的计算量。     

基于相关信息特征最近邻搜索的快速分形图像编码

针对分形图像压缩算法编码时间过长的问题,提出采用相关信息特征作为最近邻搜索特征的快速分形编码算法.通过深入分析图像子块的结构特性,提出相关信息特征的定义,证明并分析了采用该特征进行最近邻搜索操作的合理性.与传统特征相比,相关信息特征能够更好地反映子块的结构特性,所以基于相关信息特征的最近邻搜索能够更准确地确定后续局部匹配的范围.实验表明,在编码时间相同的情况下,本文算法较其他三种同类算法能够得到更好的解码图像质量.     

基于部分失真搜索的自组织映射学习算法

针对传统的自组织映射网络在大数据量或高维情形下训练过程较慢的问题，提出了分别使用部分失真搜索和扩展的部分失真搜索来完成传统算法中最耗时的最近邻搜索过程，减少了完成训练所需乘法次数。实验表明，相对于传统的自组织映射学习算法，所提两种方法分别可以节约近1/3和1/2以上的计算量。     

基于IFS理论的快速图象编码和解码算法

分形图象编码法具有高压缩比、高图象品质等显著优点，但其编码时间太长。文中提出的快速编码算法，用偏差图导出距离度量，用二叉树和链表结构进行搜索匹配，可使编码速度提高几十倍乃至百倍。同时，用偏差图进行解码迭代，可使解码过程加速，而还原图象质量不变。     

基于复合分类的快速分形图像压缩编码

针对分形编码方法耗时过长的不足，提出一种分类加聚类的快速分形图像编码方法，通过提取图像块的分形维数对图像块分类，在同类内基于分形维数聚类，使匹配搜索在同类的聚类域内进行，并对不同类块采用不同算法，实验表明，该方法与经典分形方法（PIFS）比较，在信噪和解码图像质量可接受的条件下，大大提高了编码速度，且压缩比有显著提高。     

基于与中间块比较的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于与中间块比较的快速分形编码算法。该算法是对基于形态特征的快速分形图像编码算法的改进,将形态特征意义下的最近邻匹配改进为与中间块的误差意义下的最近邻匹配,并且在最近邻的邻域内进一步搜索最优匹配父块时,对各父块进行8种等距变换,而不是在找到最优匹配父块后进行,同时引进误差阈值来控制子块搜索的邻域范围。实验结果表明,该算法编码速度大大提高,并且在相近编码时间的前提下该算法的解码图像质量比基于形态特征的算法好。     

分形编码时间的线性控制和预测

以图像的布朗维数为纹理特征对编码中的图像块进行聚类和排序,实现了对每个值域块所需比较定义域块数目的精确控制。进一步,通过排除平坦块、使用均值图像建立定义域块库等技巧,得到了一种可以通过定义域块比较数目对编码时间进行线性控制和预测的快速分形编码方法。实验表明,与已有分类和聚类方法相比,在相同的压缩比下,本文方法可取得更好的加速效果和解码质量。     

使用提前结束策略的部分失真搜索快速运动估计算法

和传统的快速块匹配运动估计算法相比，部分失真搜索运动估计算法通常会带来较低的视频图像质量下降，但它获得的计算加速比有限。本文提出一种新的快速部分失真搜索运动估计算法，它在搜索点检测过程中使用两种提前结束策略：早期搜索结束策略和中途搜索终止策略。提前结束策略的使用能够显著减少搜索点的个数，弥补了规格化部分
分失真搜索算法只能降低失真计算量的不足，两种策略的结合使用能够在保证较高视频质量的同时，大大降低运动估计的计算复杂性。实验结果及分析表明：新算法的性能优于传统的运动估计算法，在视频质量接近全局搜索算法的同时，获得比传统的运动估计算法更高的计算加速比。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

基于标准差的快速分形图像编码

由于基本分形图像编码过程非常耗时,本文提出了一种基于标准差的快速分形编码方法.先将子、父块按标准差分为平滑块和非平滑块.码本由所有非平滑父块构成,并按标准差赋序.若子块为平滑块,直接存储其均值,否则在赋序码本中寻找其在标准差意义下的最近邻父块,进而在该父块的邻域内进一步搜索最佳匹配父块,搜索时需对父块进行8种等距变换,同时引进误差阈值来控制子块搜索的邻域范围.实验证明,该算法编码速度大大提高,并且该算法在相近编码时间前提下的解码图像质量及在相近峰值信噪比（PSNR）情况下的编码速度均优于基于图像块叉迹的快速算法.     

一种基于邻域搜索的分形图像编码算法

分形图像编码以其高压缩比,使得它具有广泛的应用前景,但是传统的分形编码方法压缩时间长,这是因为在为每一个值域块寻找合适的定义域块时需要在码本中进行大量的搜索匹配。研究发现,和值域块最匹配的定义域块大多数在值域块的附近。根据这一结论,提出了一种基于邻域的螺旋式搜索方法,并利用图像块间的信息熵差值,缩减了搜索范围。另外对误差图像进行编码,作为解码图像的补充,提高了解码图像质量。实验表明,该方法在不降低图像质量和信噪比的前提下大大加快了编码的速度。     

动态的K-均值聚类算法在图像检索中的应用

聚类分析技术已经广泛应用于基于内容的图像信息挖掘领域，该技术提高了图像检索的速度和质量。K-均值算法和自适应算法是两个典型的聚类分析算法，但K-均值算法严重依赖于经验参数和阙值的设定；自适应算法得到的聚类个数太多，相应的就是类内的图像个数过少，效率不是很高。从选取初始聚类点是否具有确定性、迭代次数是否过多和聚类个数是否适当等方面考虑，提出了一种新的聚类算法，即动态的K-均值法。模拟实验的结果表明，该算法具有较好的准确性和效率，使检索的质量和速度都得到了很大的提高。     

基于四叉树分割的分形图像编码改进方法

目前分形图像压缩存在的最主要问题是编码速度慢。主要原因是搜索最佳匹配的定义域块耗时太多。本文通过分析影响分形图像编码速度的相关因素，对基于四叉树的分形图像编码提出了一种改进方法。通过缩小搜索范围达到提高搜索效率的目的。实验结果表明，该方法在相近的峰值信噪比和压缩比的情况下，编码速度得到了较大的提高。     

使用2－范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。