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。     

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.     

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.     

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。     

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.     

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.     

基于蚁群算法的快速分形图像压缩方法

目的针对基本分形图像方法中编码时间过长的问题，提出一种缩短分形图像压缩编码时间的改进方法。提高编码的效率．方法基于蚁群算法的分形图像编码方法．结果实现了分形图像定义域块的自动分类，在匹配时通过类内搜索代替全局搜索；在类内匹配时进行基于匹配概率搜索．结论从理论和实验结果分析表明，相对于基本的分形图像压缩算法，该方法在基本保持重建图像质量的前提下，编码时间大大降低。加快了分形图像压缩的速度．     

"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。     

分形快速高效图像数据压缩

研究了分形图像压缩编码和分形图像插值方法,提出了综合利用分形插值和分形图像编码方法进行图像数据高效压缩的方法。实验结果表明,该法在恢复图像信噪比为28.7dB时,压缩倍数可高达76倍。     

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．     

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。     

视觉注意计算模型及其在自然图像压缩中的应用

为了提取自然图像中的主要视觉信息以便更好地对图像进行压缩，提出了一种新的基于感兴趣区域的图像压缩方法.该方法使用一个基于视觉生理和心理物理实验结果的视觉注意计算模型计算图像中的感兴趣区域，并用JPEG算法对感兴趣区域和背景区域采用不同的压缩比进行压缩，对部分图像进行了初步实验.结果表明，用该方法压缩后图像的字节数和每像素比特数等参数均好于JPEG算法；同时压缩后图像在视觉上对比突出了感兴趣区域，有利于对感兴趣区域的观察.     

一种基于视频序列特性的快速运动估计算法

针对视频压缩中的关键技术运动估计算法,提出了一种新的快速运动估计算法.该算法首先利用视频序列宏块间的相关性预测搜索起点,同时根据运动矢量中心偏置特性和SAD分布的方向性设计搜索模板,避免和减少不必要的搜索,提高了运动估计的速度和精度,在保证视频图像质量的情况下,有效的降低了计算复杂度.     

一种基于视频序列特性的快速运动估计算法

针对视频压缩中的关键技术运动估计算法，提出了一种新的快速运动估计算法。该算法首先利用视频序列宏块间的相关性预测搜索起点，同时根据运动矢量中心偏置特性和SAD分布的方向性设计搜索模板，避免和减少不必要的搜索，提高了运动估计的速度和精度，在保证视频图像质量的情况下，有效的降低了计算复杂度。     

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.     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

静态图象的一种轮廓—纹理编码方法

本文提出了一种新的静态图象高压缩比编码方法——轮廓-纹理编码方法。首先利用模糊(Fuzzy)集合理论,对图象数据在频域与空域上作预处理,去掉部分冗余信息,提取并细化轮廓。然后利用FREEMAN链码对轮廓进行编码。设计了一种区域标号化的方法,对纹理图象进行编码,从而提高了压缩比。为验证算法的有效性,对USC-GIRL标准图象在IBM PC/AT机上进行了模拟实验,从恢复图象的质量与压缩比综合衡量,结果是令人满意的。