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。     

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。     

一种提高分形图像压缩编码速度的方法

为了提高分形图形压缩编码速度，在定义父块与子块对比自身而得到的特征值的基础上，证明了匹配父块存在的条件，并提出了改进的分形图像压缩方法．该方法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．通过讨论父块的旋转变换，提出了一种父块经过旋转后其特征值不变的变换，这使得无效父块在搜索过程中的对比计算次数明显减少．实验表明，有特征值的搜索速度是无特征值搜索速度的3倍或4倍，而图像的压缩质量却没有受到很大的影响．     

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.     

分形图像压缩编码方法的改进

提出了对基本分形图像压缩编码方法的改进方法,降低了分形图像压缩方法计算复杂度并且提高重构后图像质量.     

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。     

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．     

关于分形图像压缩的收敛性

提出弱双曲迭代函数系统压缩方法,证明了其吸引子的存在性和解码序列的收敛性。使用弱IFS的优点在于变换可以是非线性的,而且放宽了对压缩因子的要求,这有利于变换的选取和构造,同时可以由较少的变换对图像进行分形编码,有利于提高压缩比。理论和数值实例,用本的方法进行图像压缩,可选择更广泛、更灵活的变换,能获得更好的图像质量和更高的压缩效率。     

"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。     

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。     

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.     

一种基于分形的图像压缩方法

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和4值BTC编码混合的分形图像编码方法。实验表明该方法具有优良的性能,在编码时间优于方差快速编码方法的前提下,解码图像的质量和压缩率可以好于基本分形图像编码算。     

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。     

一种墓于分块的自适应分形图象编码方案

在Ｊａｃｑｕｉｎ工作的基础上：提出了一种基于分块的自适应分形图象编码方案．首先引入了视觉抑制函数对图象块进行分类和对图象均方误差进行加权；其次，发展了图象四叉树划分方法，提出了一种自适应块划分方法；再次，用分段均匀量化方法量化亮度平移量；最后，给出了实验结果，并与Ｊａｃｑｕｉｎ和Ｌｕ的结果进行了比较，验证了本文所提方法的有效性．     

基于小波域的分形图像压缩

对小波变换、分形压缩编码的原理和特点进行了分析;结合小波变换和分形压缩编码,利用分形的自相似,研究了基于小波域的分形图像压缩方法。该方法有效地减少了计算复杂度和编码时间。实验结果表明,该方法在较大的压缩范围内,能够获得好的压缩结果,同时也表明采用这种方法的潜力之所在。     

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．     

小波变换在图像编码中的应用

介绍了小波变换的基本理论 ,综述了小波变换在图像编码压缩中的应用 ,展望了今后的研究方向