基于平方加权质心特征的快速分形图像压缩编码

分形图像压缩利用自身图像具有的相似性,结合压缩仿射变换减少图像数据的冗余来实现图像数据的压缩,具有压缩比高、恢复简单的特点。然而,分形图像压缩编码也具有编码时间长、计算复杂的缺点。为了解决上述的缺点,提出了基于平方加权质心特征的快速分形图像压缩编码算法,利用平方加权质心特征可以将基本分形图像压缩编码过程中的全局搜索转化为局部搜索,限定搜索范围,减少码本数量,在巨大图像信息量传输和存储过程中,在一定程度上缩短了编码时间。将平方加权质心特征快速分形图像压缩编码算法和双交叉和算法、改进叉迹算法、规范五点和算法进行比较,仿真结果表明,所提算法在恢复质量可接受情况下,编码时间具有巨大优势。     

快速分形图象压缩算法的研究

分形编码是一种非常有潜力的图象压缩技术，但因其与具很高的时间复杂度，故至今未能获得广泛的应用，本文提出了旨在降低分形编码复杂度，缩短编码时间的分形图像压缩改进算法，该算法采取递归四树分块结构，将多种块分类技术相结合，并通过预计算，旋转与翻转标准化等方法降低计算复杂度，采取高效的存储方案来提高压缩化，力求在图像质量，压缩比和编码时间上取得了良好的折Ｚｏｎｇ使分形编码更加实用化。实验结果表明，采用这种     

子块均点特征分形快速图像压缩编码

分形图像压缩根据图像特有的自相似性,利用压缩仿射变换消除图像数据冗余度,进而实现图像压缩,实现较高的压缩比。然而,分形图像压缩编码具有计算复杂度高、运行时间过长的致命缺点,对于图像信息量巨大的当今社会来说不具有实用性。为解决基本分形压缩编码耗时过长的问题,提出了子块均点特征分形压缩编码算法,利用该算法将基本分形压缩编码的全搜索转为局部搜索,限定搜索范围,减少定义域块的搜索,在客观质量稍作牺牲的基础上加快了编码速度。将所提算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较,仿真结果表明,在时间稍逊的情况下,所提算法在客观质量（Peak Signal-to-Noise Ratio,PSNR）上更优。     

限制D块耦合极点插值的分形图像压缩算法

由于当前分形图像搜索编码都忽略了对比度因子约束,且对于负载性较高的图像,其压缩比较低,继而降低了解码图像质量以及计算效率。对此,构造了限制D块搜索范围耦合极点插值复原技术的分形图像压缩算法。引入对比度因子约束,设计了一种限制D块搜索范围的编码机制。并基于皮亚诺扫描,提出了极点插值复原技术。测试算法性能,结果显示：与当前的分形图像压缩算法相比,文中算法的压缩效果优异,其平均PSNR提高了ldB～3dB,且编码速度提高了约11．6倍,可满足实时性,在压缩比越高时,提高越明显。     

MPEG-4 AAC音频编码中量化模块的改进

NPEG -4 AAC音频编码标准中的量化过程采用了Brandenburg提出的双循环模式,取得了较好的编码质量和压缩比例.但在实际编码时,该方法由于迭代次数过多,会出现收敛速度较慢,甚至死锁的情况.在深入分析MPEG -4 AAC量化算法的基础上,提出了一种快速计算每个比例因子频带的改进算法.该算法通过有效减少外循环计算过程,并确保每个比例因子频带的量化失真低于允许值,从而减少量化模块的计算量.实验结果表明,在不影响音频编码质量的前提下,该算法能有效地提高编码效率.     

分形编码在图像检索中的应用

分形编码在图像压缩方面取得了很好的效果,同时,分形编码也能够用于基于内容的图像检索.本文提出了一种基于块限制的分形编码算法和匹配策略,并将它们用于图像检索.在我们编码算法中,图像会被预先分成互相不重叠的子图像块,然后对这些子图像进行独立地分形编码,从而获得整幅图像的分形码.该编码算法能够在很大程度上减少编码时间.在进行图像间相似性的匹配时,我们采用改进的基于九叉树的分配策略,从而避免全局地进行分形码的匹配,减少了计算量.实验结果说明,我们的编码算法和匹配策略能够比较有效地应用于基于内容的图像检索,在计算时间和存储时间上都优于实验中其它两种方法.     

基于分形与改进的SPIHT算法的图像压缩方法

为了避免分形编码所固有的方块效应,进一步提高图像编码的工作效率和重构图像的质量,对分形编码和小波零树编码进行优化组合,提出一种分形与改进的SPIHT算法相结合的图像压缩方法.基本方法是,对小波分解后的低频子带进行基于信息熵的快速分形编码,以减少编码时间;时包含图像细节边缘信息的高频子带进行改进的SPIHT编码,以舍去算法中对显著系数的排序扫描过程,减少算法的复杂度,同时提高重构图像的峰值信噪比.实验表明,相对于经典分形缟码和小波城内的分形编码,该方法在相同压缩比下,提高了编码效率和重构图像的质量,是一种高效快速的编码方法.     

MP3编码量化模块的改进

MP3是应用最广泛的一种音频格式,MP3解码芯片已发展成熟,却很少有实时编码器产品。这是因为MP3编码算法的运算量远大于解码算法,而量化模块在编码算法中占很大的比重(38．2％),为实现便携式设备的MP3实时编码,有必要对量化模块进行改进来降低运算复杂度。在分析了现有的一些改进方法后,提出了在外循环中限制量化频带以滤去高频信号,计算比例因子初值以减少循环次数;内层循环中计算量化因子初值后自适应调整步长的方法。在获得良好音频质量的同时将量化模块运算量减少到标准算法的6％,使得整个编码算法的运算量降低到标准算法的64％,配合简化声学心理模型和分析滤波器组快速算法,可在单片DSP或ARM上实现MP3实时编码。     

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。     

分形图像编码的矩阵表示和收敛性分析

分形解码迭代过程的收敛是保证解码正确实现的条件,要研究迭代过程的收敛性首先要把分形编码中的映射用矩阵来表示出来.本文针对Jacqain的分块算法给出了数字灰度图像分形编码的矩阵表示,并提出了一种利用求有向图强连通分量来求矩阵谱半径的方法.     

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。     

基于视觉特性的分形图像压缩编码

介绍了分形的基本概念及分形的数学原理，并针对传统的分形图像压缩编码算法的不足之处，提出了一种基于视觉特性的分形压缩算法，该方法利用人眼对灰度变化的敏感程度与背景有关的特点，在综合考虑图像块的均值与方差的前提下，动态地改变分形压编码时定义域块仿射变换后拼贴到值域块的最小误差，从而提高了编码速度。     

基于遗传算法和迭代函数系统的图像压缩方法

分形图像编码是一种具有诱人前景的压缩编码方法,它能够实现很高的压缩比而且主观质量良好。由于分形编码中搜索与给定值域块了相匹配的定义域块的过程耗时很长,因此分形编码速度很低。遗传算法是一种在最优搜索应用中十分常见的高效搜索算法。文中在讨论研究遗传算法效率的基础上,将遗传算法应用到分形图像压缩编码中,有效地解决了分形图像编码中的最优匹配问题,实验结果表明将遗传算法与分形压缩编码有机地结合起来可以大大提     

分形图像压缩方法

分形几何方法是一种新的图像压缩编码方法。本文介绍了分形几何和分形图像压缩的一些基本概念，以及以分形为基础的几种图像压缩编码方法。     

改善分形图像编码视觉效果的有效方法研究

针对当前分形图像编码面临如何改善重建图像视觉效果的问题,利用局部图像的特点,采取自适应的分块方法与缩短编码时间的多种块分类技术相结合设计图像编码算法,该算法明显改善了图像编码视觉效果,编码时间缩短上千倍,具有快速实现分形图像编码之功效。     

Still image coding based on vector quantization and fractalapproximation

In this paper, we propose a coding algorithm for still images using vector quantization (VQ) and fractal approximation, in which low-frequency components of an input image are approximated by VQ, and its residual is coded by fractal mapping. The conventional fractal coding algorithms indirectly used the gray patterns of an original image with contraction mapping, whereas the proposed fractal coding method employs an approximated and then decimated image as a domain pool and uses its gray patterns. Thus, the proposed algorithm utilizes fractal approximation without the constraint of contraction mapping. For approximation of an original image, we employ the discrete cosine transform (DCT) rather than conventional polynomial-based transforms. In addition, for variable blocksize segmentation, we use the fractal dimension of a block that represents the roughness of the gray surface of a region. Computer simulations with several test images show that the proposed method shows better performance than the conventional fractal coding methods for encoding still pictures.     

基于亚取样分形插值预测的混合图像编码方法

提出了一种基于亚取样分形插值预测的混合图像编码方法。将原始图像在水平方向和垂直方向皆作１／２抽取得到一幅“亚抽图像”，对亚抽图像进行分形编码得到亚抽图像的分形码，采用分形插值方法由亚抽图像的分形码解码得到原始图像的分形预测图像，然后对预测误差图像进行基于ＤＣＴ的自适应补偿编码。实验表明，这种方法的编码速度有了很大提高，而且恢复图像的质量具有较高的保真度。     

基于分形理论的图像压缩编码技术

分形图像压缩编码是当今图像编码领域研究的热点之一，是一种具有独特优势且极有发展前途的数据压缩技术。本文从分形基本理论出发，对分形图像压缩编码思想、编码方法等进行了综述，并介绍了分形图像压缩编码的一些改进方法。最后，探讨了分形图像压缩编码的发展方向。     

Iteration-free fractal image coding based on efficient domain pooldesign

The domain pool design is one of the dominant issues which affect the coding performance of fractal image compression. In this paper, we employ the LBG algorithm and propose a block averaging method to design the efficient domain pools based on a proposed iteration-free fractal image codec. The redundancies between the generated domain blocks are reduced by the proposed methods. Therefore, we can obtain the domain pools that are more efficient than those in the conventional fractal coding schemes and thus the coding performance is improved. On the other hand, the iteration process in the conventional fractal coding scheme not only requires a large size of memory and a high computation complexity but also prolongs the decoding process. The proposed iteration-free fractal codec can overcome the problems above. In computer simulation, both the LBG-based and block-averaging methods for the domain pool design in the proposed iteration free scheme achieve excellent performances. For example, based on the proposed block-averaging method, the decoded Lena image has at least a 0.5 dB higher PSNR (under the same bit rate) and an eight-time faster decoding speed than the conventional fractal coding schemes that require iterations.