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。     

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.     

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.     

Julia集与分形图像压缩编码的分析与改进

目的通过对Julia图像块分形压缩字典的分析与分类。实现对分形压缩字典的精简，提高分形压缩效果和减少分形压缩时间．方法基于固定的C在复平面上进行迭代得到Julia集，利用量化表量化得到Julia图像块，将所得Julia图像块数据导入到Excel表中，利用Excel的统计功能进行分析并根据均值、方差等特征值进行分类．结果精简了图像块约13000块，并通过分类方法使压缩时间减少到原来的1／3．结论通过对参数C的研究可以提高Julia图像块分形压缩字典的质量．减少编解码的时间．     

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。     

哈夫曼编码和分形编码图像压缩技术初探

随着信息技术的发展,各种影像、语音、文字、数据等信息都以数字化的方式存储起来,给信息的存储带来极大的压力。＂资料压缩＂成为解决信息储存不可缺少的工具。本文通过介绍常见的图像压缩技术——哈夫曼编码和分形编码,提出了一些改进的方法。     

图像压缩编码技术的发展及其现状

本文了论述了图像压缩编码技术的发展及其研究现状。将其分为两大类：经典编码方法和现代编码方法。本文着重论述了现代编码方法，并分析了其优缺点。     

基于圆盘特性的非线性分形图像压缩编码方法

提出了一种能够有效扩充编码字典的较简单基于圆盘特性的非线性分形图像压缩编码算法.该方法基于圆盘的旋转重叠的对称特性,将正方形内切圆中心点与其边上象素点相连,取其连线与内切圆的交点作为该象素点在圆盘上的映射点,简化了HongYan和Popescu等提出的基于圆盘特性的分形图像压缩编码方法,且逻辑简单,实现容易;实验数据表明,此方法有效的扩充了分形图像的编码字典,有较高的图像压缩比和峰值信噪比,获得了高质量的重建图像.     

"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。     

分形图像压缩算法

分形图像压缩是近年产生的图像压缩技术,它以分形几何为数学模型,将原始数字图像看作压缩变换的吸引子。其压缩编码思想是将图像划分为互不重叠的值块,同时以相互重叠的域块构成图像的虚拟码书,由最小均方差准则在虚拟码书中搜索与值块最相匹配的域块。编码过程保存了匹配的仿射变换信息,从而达到压缩目的。本综述了分形图像压缩算法,讨论了自适应分区法和减低复杂度技术的方法。     

分形与图象压缩

利用分形领域中的一个分支---迭代函数系统来介绍分形的内涵,比较确定性迭代算法和随机性迭代算法得到的分形图案,这也是利用分形进行图象压缩的理论基础     

Improve Fractal Compression Encoding Speed Using Feature Extraction and Self-organization Network

Image compression consists of two main parts: encoding and decoding. One of the important problems of the fractal theory is the long encoding implementation time, which hindered the acceptance of fractal image compression as a practical method. The long encoding time results from the need to perform a large number of domain-range matches, the total encoding time is the product of the number of matches and the time to perform each match. In order to improve encoding speed, a hybrid method combining features extraction and self-organization network has been provided, which is based on the feature extraction approach the comparison pixels by pixels between the feature of range blocks and domains blocks. The efficiency of the new method was been proved by examples     

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。     

一种图像分形压缩的改进算法

将矩阵的相关理论运用到图像分形压缩中,简化了分形编码过程,在传统分形压缩的基础上,进一步提高了分形压缩比,同时,提出一种矢量法分形块分类的方法,缩短了分形编码时间.     

基于分形的图像压缩

利用分形领域中的迭代函数系统来介绍分形的内涵,比较了确定性迭代算法和随机性迭代算法得到的分形图案,对如何利用IFS进行图像压缩进行了论述.     

一种快速、高效的分形图像编码方法

文章针对传统分形编码时间过长的缺点,提出了一种高效而快速的基于方差的分形图像编码方法。其基本思路为：首先找到在方差意义下与R块最邻近的D块,在其左右k邻域内搜索与R块匹配的D块,如果没有搜索到满足预定阈值要求的D块,则对当前R块进行4值BTC编码。实验证明,该混合算法与传统的分形编码相比,节约了编码时间,说明该算法具有一定合理性与优越性。