基于ROI的分形图像压缩编码

分形图像压缩由于具有非常高的压缩比越来越受人们的关注，但是高压缩比的图像方块效应非常明显，这在很大程度上影响了解码图像的质量。为了解决这个问题，借鉴JPEG2000中提出的ROI概念，提出了将感兴趣区域（ROI）图像编码与分形图像压缩编码相结合的图像编码方法，使得重构的图像中感兴趣区域的保真度高于背景区。该方法很好地解决了图像的压缩比和重构图像质量之间的矛盾。实验结果证明：此方法在获得较高压缩比的同时，压缩编码时间大为降低，解码图像质量也有较大的改善，且总体编码性能优于JPEG编码。     

基于模拟退火算法的自适应分形图像压缩

针对传统的分形图像压缩方法存在计算量大,编码耗用时间长的缺点,本文引入模拟退火算法思想,提出了一种基于模拟退火算法的自适应分形图像压缩编码方法。实验结果表明,与传统的分形图像压缩方法相比,该方法在保证图像压缩比和图像质量的情况下,可以大幅度地减少了图像的编码时间。     

分形图像压缩技术在神经网络中的实现

由于分形图像压缩技术具有解码分辨率无关性、快速编码及高压缩比和低损耗率等特点而被广泛应用,但基于迭代函数系统的分形图像编码方法却存在着计算量大的缺点,采用神经网络对分形图像进行压缩及解压缩目的在于解决压缩时间较长等问题.文中使用神经网络方法以并行方式完成对分形图像的压缩与解压缩.并通过实验,在实验中结合非线性网络和最速下降法实现对分形图像的压缩,在基本保证重建图像质量的前提下,减少了压缩时间,提高了压缩质量,进而说明神经网络技术应用于分形图像压缩中的可行性.     

基于分形集的图像压缩方法

分形图像编码是一种极具发展前途的图像压缩方法,但由于其发展时间较短,还有许多问题尚待解决,其中较为突出的是,在很长的编码时间和较高的压缩比下重构图像质量尚不能令人满意。提出了一种新颖的分形图像压缩算法,即基于Julia集的分形图像压缩方法。该算法采用Julia曲线集合作为压缩编码字典,使用自适应四叉树法实现图像压缩。通过计算机模拟实验结果显示,此算法具有较高的图像压缩比和高质量的重建图像,编码速度提高也很明显。     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

基于快速分形的DCT补偿图像压缩编码算法

针对分形编码时间过长和离散余弦变换(DCT)在高压缩比下出现方块效应的两点不足,文中提出了一种基于快速分形的DCT补偿图像压缩编码算法,通过对子块和父块特征值排序,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,进而加快了搜索速度.为了提高恢复图像的质量,将图像进行分形编码后,再对灰度误差块8×8作离散余弦变换.仿真试验的结果表明,结合两者的长处可以达到高质量和高压缩比的目的,从而达到很好的编码效果     

变步长和变阈值的分形小波图像压缩算法

针对目前分形小波混合图像压缩方法存在的不足，提出了一种新的分形小波混合图像压缩方法。同方向、不同分辨率的相邻子带图像之间进行分形搜索时，根据其系数的重要程度不同，采用不同的误差阈值与搜索步长，高分辨率子带的搜索步长大，误差阈值小，而低分辨率的子带则采用小步长和大误差阈值进行搜索。实验表明，相对于经典的基于小波树的分形图像压缩方法，该改进算法在不影响信噪比和解码图像质量的前提下，提高了压缩比和编码速度。     

一种基于子带分解的分形图像压缩新方法

提出了一种基于Walsh四子带分解的分形图像压缩新方法。通过实验表明,与基本的自动分形图像压缩方法相比,在基本保持重建图像质量的前提下,运算时间下降而压缩比显著提高。     

噪声图像的分形压缩编码研究

分形图像压缩编码是近年来产生的新的图像压缩编码技术,由于其具有极高的压缩比而获得广泛的关注。主要讨论了图像小波域的去噪问题以及如何将小波域的去噪与分形图像压缩方法结合起来,以获得良好的编码效率和图像质量。     

基于子块特征的快速分形图像压缩算法

针对分形图像压缩编码时间过长的缺点,提出一种改进算法,利用子块的相似特征,将基本分形图像压缩的全搜索过程,转化为相对差意义下的最近邻搜索,在搜索过程中只搜索与值域块相对差相近的码本块,减少了搜索范围。实验结果表明,该方法与基本分形图像压缩相比,在保证解码图像质量的同时,有效地加快了编码速度。     

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。     

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。     

一种基于小波变换的分形零树混合编码方法

为了降低分形编码的复杂度和提高编码效率 ,提出了一种基于小波变换的分形零树混合图象编码方法 .该方法首先利用小波变换将图象分解为不同方向不同分辨率的子图象 ,然后分别在不同分辨率层将这些子图象以类似于零树的结构 ,构成一棵棵的小波子树 (wavelet subtree) ,最后在编码时 ,对每一棵小波子树进行具体的分析 ,或采用分形编码 (fractal coding) ,或采用零树编码 (zerotree coding) .与传统的基于小波变换的分形编码相比 ,此算法在充分利用子带图象间的相似性和块内存在的自相似性的同时 ,也充分利用了小波变换后子图象块内 ,特别是高分辨层的子图象块内所存在的大量局域性的冗余性 .实验结果表明 ,此方法在较大的压缩范围内 ,都能够获得较好的压缩效果 .     

一种结合矩阵相关系数的快速分形图像编码

分形编码是一种非常有潜力的压象压缩技术,但其算法过程耗时较长和计算复杂性过高,因此需要一种减少编码时间的方法.针对此问题,根据分形图像编码的特点,首先利用分形后定义域和值域之间的相关系数的大小来确定最佳的定义域块,提出了旨在降低编码复杂度和缩短编码时间的一种改进的快速分形编码算法.算法在编码搜索过程中,仅搜索符合条件的父块,从而减少搜索范围,降低编码时间.实验结果表明,算法与基本分形算法比较,在峰值信噪比和图像质量可以接受的情况下,使编码速度大大加快.     

一种基于图像纹理分析的分形和SPIHT混合编码

从研究分形图像编码和零树编码各自的优劣点以及它们之间的结合点出发,寻找了一种基于图像纹理分析的分形和SPIHT混合编码,目的在于充分利用景物特征和人眼的视觉特性,提高分形变换和零树在图像编码领域内的协同能力。该方法利用SPIHT算法位平面编码的渐进特性,用基于灰度模型的统计特征分类方法将分形和SPIHT相结合,得到更符合人眼视觉特性的编码方案。实验结果表明,该方法能进行较好的图像块分类,并取得较高的压缩比,而且在人眼视觉允许的范围内且同时又要求高压缩比的情况下具有优势。     

分形图像编码的改进算法

分形图像编码是一种基于自然图像局部自相似性的有效压缩技术。通过引入一个可以影响解码图像质量和编码时间的控制参数，该文提出了分形图像编码的一种改进方案。该方案既不需要复杂的理论分析，也不需要改变现有的分形解码过程，因此能够以直接的方式融入其它的分形图像编码算法。计算机仿真显示，对一组复杂性不同的测试图像，以PSNR(peak signal-to-noise ratio)度量的解码图像质量优于对应的分形图像编码算法的解码图像质量，同时编码时间也大幅度减少。     

基于混合分类和矩形划分的快速分形编码方法*

针对分形图像压缩中矩形划分计算量太大的问题,提出了一种混合分类方法并将其应用于图像的矩不变量,得到了一种基于矩形划分的快速分形编码方法.实验表明,该方法相对于全局搜索,在压缩比和解码质量略有下降的基础上,能极大地提高分形编码速度;与均匀分类方法相比,混合分类法可进一步提高分形编码速度并改善解码图像质量,可以在一定的条件下取得压缩比优势.