一种基于去均值的加速收敛的分形压缩算法

通过研究传统分形压缩算法中解码迭代过程的收敛性问题，提出了一种新的基于去均值的加速收敛的分形压缩算法，理论分析和实验证明新算法的解码迭代次数要大大少于传统分形压缩算法，并且具有运算复杂度相对降低，恢复图象的ＰＳＮＲ提高等优点。进一步地，我们将新算法结合到自适应四叉树分割的结构中，在压缩比和图象质量之间取得较好的折衷，实验结果优于相同条件下的传统分形压缩算法。     

一种基于小波变换与自适应混合量化的新图象压缩算法

本文提出了基于小波变换与自适应混合量化的图象压缩算法，该算法首先将小波变换后的图象高频子带划分为扫描块，然后依据图象的纹理复杂度和重要性程度将这些扫描块划分为4类（平坦，过渡，弱纹理和强纹理）；最后对各类扫描块分别进行向量和标量量化混合编码，实验结果表明，试图象压缩算法在压缩速度，图象复原质量等方面均优于FVQ编码算法和JPEG方法。     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

基于层次结构的彩色图象无失真编码的研究

本文提出了一种新的基于层次结构彩色图象无失真编码的图象压缩算法，此算法可以变块为基础，利用邻近象素点之间的相关性，由基块逐步生成超块，每一块都用相应层次中一个独立的地址编码，以达到图象的无失真压缩，结果获得比行程编码更高的图象压缩比。     

结合小波变换的零搜索分形图象编码

为提高分形图象编码的质量,缩短编码时间,针对Monro在文献[1]中提出的零搜索分形图象编码方法,其恢复图象在存在的块效应的问题,提出了一种结合小波变换的多项式近似快速分形图象编码方法,该方法是利用各频带间能量分布不均衡的特性,构造一种结合小波分解的分形图象编码算法,首先对图象进行塔式离散正交小波变换,然后再对小波系数进行分形编码,实验结果表明,用该算法对图象进行编码,不仅使恢复图象的质量得到了较大的提高,而且编码时间仅用1．48s。     

基于子块显著不相关检验的快速分形图象编码

图象分形编码中，子块搜索匹配的实质是子块间的相关匹配。基于这一认识，针对分形编码计算量过大、编码时间过长的缺点，本文提出先对子块进行显著不相关检验，再进行子块匹配的分形编码方法。其编码速度比基于子块分类的分形编码方法快５～２０倍（对测试图象Ｌｅｎｎａ２５６×２５６×８ｐｐｂ而言），而解码图象质量（ＰＳＮＲ）没有明显下降，压缩比还有一定的提高。     

图象块的分形近似和分块分形近似编码

提出了一种图象块的分形近似方法。该方法借助于ＳＡＳ以达到对图象块的最小平方的分形近似，其运算量仅为２×Ｍ×Ｎ次乘法和４×Ｍ×Ｎ次加法，Ｍ×Ｎ为图象块大小。由图象块分形近似量化而成的编码，称之为分块分形近似编码。其压缩比依赖于所选取图象块大小和迭代变换系数的量化。对８×８图象块，在不失真情况下，其压缩比达到１７．８倍。通过对大量图象的实验结果表明，只需进行８次迭代，就能得到满意的重构图象。和其它分形编码相比，此方法简洁，编码速度快，对２２０×２２０的＂Ｌｅｎａ＂图象进行编码，在ＰＣ４８６／ＤＸ３３上，仅需时３０秒。     

一种基于小波变换的图象分形编码压缩算法的研究

有效的编码压缩算法是图象数据存储和传输的关键 .为了更方便地进行图象存储和传输 ,在分析基本分形编码 (FCC)压缩算法优缺点的基础上 ,提出了一种新的结合小波变换的图象分形编码 (DWT- FCC)压缩算法 ,该算法首先对图象进行二级小波变换分解 ,然后对分解后的高层子图象进行基本分形编码 ,并根据不同层子图象结构间的相似性 ,通过高层分形编码来构造低层子图象分形编码 ,以实现图象的编码压缩 .实验结果表明 ,该算法在缩短图象编码时间和提高压缩比方面 ,均取得了良好的效果 .     

基于预测模型的分形图象缩编码方法

给出了一个基于ρ图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围，并以此模型为根据提出了一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算，实验结果表明该方案能够提高分形图象的编码速度，具有很高的实用价值。     

基于动态阈值分块算法的屏幕图象压缩技术

计算机屏幕图象压缩一直是屏幕共享技术中的关键问题,而现有算法一般是直接应用传统的RLE,LZW或JPEG算法,但由于这几种算法在对计算机屏幕图象进行压缩时,均无法兼顾恢复质量与压缩比的要求.为此提出了一种基于动态阈值分块的高效压缩算法,该算法首先将屏幕图象按照某种规则划分为纯色块、文字块、图标块和图象块4种特征块,然后针对特征块特点采用相应的压缩算法,以保证压缩算法在恢复质量与压缩比上能同时达到最佳.实验结果表明,该算法图象恢复质量较好,压缩比较大,压缩速度较快,整体性能优于当前现有的屏幕压缩算法,具有广泛的应用前景.     

基于字典学习的卫星图像压缩算法研究

针对卫星图像的特点及当前卫星图像在传输和存储上面临的问题,提出了一种基于稀疏表示的卫星图像二级无损压缩算法。通过传输稀疏表示后的稀疏系数来代替图像本身的传输,完成对卫星图像的第一级压缩;对非零稀疏系数先作预处理后实现聚类,然后依据聚类索引对原始非零稀疏系数的位置排序;最后对处理后的非零稀疏系数和位置数据分块,并利用改进的自适应哈夫曼算法对非零稀疏系数的数据块编码,利用差分编码和改进的自适应哈夫曼算法对位置数据块编码,完成对图像数据的第二级压缩。实验结果表明,与传统算法相比,所提算法具有明显优势,改进算法的压缩率是传统算法的1/3~1/2,且可同时实现卫星图像的高倍无损压缩与高分辨率重建。     

一种新的非线性分形压缩算法

提出一种基于Julia-CK集和Logistic映射的非线性分形压缩算法。用Carotid-Kundalini函数生成Julia-CK集,并用Logistic映射生成伪随机数填充量化表。将量化后的Julia-CK集分割成4 4的小图像块,再变换成圆盘。圆盘经过旋转后重新变换为正方形,对Julia-CK集进行适当的分类。编码时在同类中寻找匹配的图像块,扩充了原有的仿射变换,得到一个丰富且可通用的压缩字典,有效地打破图像和数据字典之间的一一对应关系。实验表明,相比于Barnsley提出的经典分形压缩方法,新算法使压缩比提高约36%,重建图像的峰值信噪比提高约27%,具有良好的压缩比,获得了高质量的解码图像。     

一种基于新型四叉树的快速分形图像压缩算法

现有的快速分形编码算法多数是在没有考虑人眼视觉系统（HVS）的前提下实现的,针对这个问题,利用HVS的特性,提出了一种基于新型四叉树的快速分形图像压缩算法.在算法中,一幅方形图像先被分成四个大小相等的方块,然后测试每一方块是否满足一致性标准.如果满足标准则不再细分,否则将其分为大小相等的四块,再对每一块实施一致性检验.重复此过程直到每一块都满足一致性标准为止.理论分析和试验结果表明,相对于经典分形压缩方法,本文算法在获得相近重建图像质量的同时,压缩比和编码速度都有了显著的提高,是一种有效的分形图像压缩编码方法.     

分布式视频编解码技术的研究进展

对于视频压缩领域,分布式编码是一种新出现的应用机制,是基于20世纪70年代Slepian和Wolf以及Wyner和Ziv提出的信息理论而建立的。分布式视频编码技术与传统编码技术相比,从原理到实现方法上都是全新的。本文在介绍分布式编码基本原理的基础上,着重介绍了分布式视频编码技术各个环节的最新研究进展,并对发展趋势进行了展望。     

基于颜色聚类的计算机桌面图像压缩算法

针对计算机桌面图像压缩问题,提出一种基于颜色聚类的图像压缩算法。将桌面图像划分成16×16的非重叠块,归为文本/图形块、自然图像块及混合块3类。对色彩丰富文本/图形块进行颜色聚类,以降低块的颜色种类数,并做无损压缩。对自然图像块采用H.264帧内预测编码方法,对混合块采用混合编码方法。实验结果表明,该算法所得图像的峰值信噪比和结构相似度均高于传统算法。     

双层非负矩阵分解的分形图像压缩算法

分形图像压缩作为一种基于结构的图像压缩技术,在许多图像处理中得到了应用。但是分形图像压缩的编码阶段非常耗时,且重建图像的质量效果不佳。针对这些问题,提出了一种基于双层非负矩阵分解的分形图像压缩编码算法。在传统的非负矩阵分解理论上,将投影非负矩阵分解与[L3/2]范数约束相结合,可以在较短的时间内提取具有代表性的图像特征。算法采用双层非负矩阵分解提取原始图像的特征,对图像的特征进行[K]均值聚类,根据对应索引得到分类的图像块,在相应类别块里进行正交稀疏分解得到分形码,最后重建图像。实验结果表明,与快速稀疏分形图像压缩理论重建的图像相比,双层非负矩阵分解的分形压缩算法提高了重建图像的质量,同时缩短了编码时间。     

基于分形压缩编码的数字水印技术

提出一种利用分形编码方案在图像中嵌入数字水印的方法。对数字图像分别进行传统分形编码和频域分形编码后,通过码书的比较,选择一些R块,将这些块的编码方案更改, 即用次优匹配D块替代最优匹配D块,从而实现数字水印的嵌入。实验证明该方案对图像质量几乎没有影响,在抗模糊、噪声干扰和剪切方面有较好的鲁棒性。     

基于内嵌块优化等级树(EBOHT)算法的图像编码

该文提出一种图像编码的新算法（EBOHT），该算法先将图像进行小波变换，然后按空间位置对应关系将小波系数分成若干块，每一块数据采用一种新等级树编码，比传统的SPITH方法增加了预测过程，进一步利用了相邻小波系树的相关性，块间进行基于率失真曲线的优化方法，使每一块图像有合理的比特分配，同时由于数据是分块编码的，因此该算法较SPITH有更好的容错能力，且易于实现感兴趣区（ROI）编码。     

Block Compressed Sensing Using Random Permutation and Reweighted Sampling for Image Compression Applications

Block compressed sensing (BCS) has great potential in image compression applications for its low storage requirement and low computational complexity. However, the sampling efficiency of traditional BCS is very poor since some blocks actually are not sparse enough to apply compressed sensing (CS). In order to improve the sampling efficiency, a novel BCS with random permutation and reweighted sampling (BCS-RP-RS) for image compression applications is proposed. In the proposed method, two effective strategies, including random permutation and reweighted sampling, are used simultaneously to guarantee all blocks of image signals sparse enough to apply CS. As a result, better sampling efficiency can be achieved. Simulation results show that the proposed approach improves the peak signal-to-noise ratio (PSNR) of the reconstructed-images significantly compared with the conventional BCS with random permutation (BCS-RP) approach.