一种新型非线性分形图像压缩编码算法

提出一种简单的非线性分形算法，简化了Popeseu等提出的算法，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，具有良好的压缩结果和高质量的重建图像。     

分形图像压缩技术在神经网络中的实现

由于分形图像压缩技术具有解码分辨率无关性、快速编码及高压缩比和低损耗率等特点而被广泛应用,但基于迭代函数系统的分形图像编码方法却存在着计算量大的缺点,采用神经网络对分形图像进行压缩及解压缩目的在于解决压缩时间较长等问题.文中使用神经网络方法以并行方式完成对分形图像的压缩与解压缩.并通过实验,在实验中结合非线性网络和最速下降法实现对分形图像的压缩,在基本保证重建图像质量的前提下,减少了压缩时间,提高了压缩质量,进而说明神经网络技术应用于分形图像压缩中的可行性.     

JULIA图像与快速分形图像压缩编码

首先，本文根据统计规律建立一个小型固定字典，用以加速分形图像的压缩编码； 然后，利用逃逸方法生成Julia图像算法生成8×8的图像块，用作分形图像的压缩编码． 因此，本文使用的压缩方法改变了由通常设计的分形图像压缩编码方法以变化的压缩编码字 典进行编码的缺点．实验结果表明，本文所使用的方法能很好地对图像进行分形压缩编码， 并具有分形图像的部分解码优点．     

基于Mandelbrot集和Logistic映射的分形图像压缩编码

改变传统的一幅图像对应一个压缩字典、一幅图像固定一张量化表的分形图像压缩方法,提出基于M集和Logistic映射的分形图像压缩编码算法.采用函数f(z)=z2 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,构成丰富的压缩字典.编码时将量化后的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.该算法生成了丰富的压缩字典,解码图像质量高,并且比传统分形图像压缩算法压缩比高.     

基于分形集的图像压缩方法

分形图像编码是一种极具发展前途的图像压缩方法,但由于其发展时间较短,还有许多问题尚待解决,其中较为突出的是,在很长的编码时间和较高的压缩比下重构图像质量尚不能令人满意。提出了一种新颖的分形图像压缩算法,即基于Julia集的分形图像压缩方法。该算法采用Julia曲线集合作为压缩编码字典,使用自适应四叉树法实现图像压缩。通过计算机模拟实验结果显示,此算法具有较高的图像压缩比和高质量的重建图像,编码速度提高也很明显。     

基于误差阈值和分层搜索的快速分形图像压缩方法

针对基本分形图像压缩方法耗时过长的不足，提出一种快速分形图像压缩方法．首先给出分层搜索算法以减小待匹配父块的数量，然后引进误差阈值以减小待比较像素个数．理论分析和试验结果表明，相对于经典分形压缩方法(Jacqain)，该方法在不影响信噪比和解码图像质量的前提下，大大提高了压缩速度．     

分布并行的分形图像压缩算法

分形图像压缩算法的时间复杂性很大，在单机上受到限制，针对这方面提出的分类方法，基于邻域搜索算法等虽然降低了时间复杂性，但同时也影响了图像的压缩质量，本文把分布并行机制引入分形压缩算法，提出分布并行的自适应四分树分形压缩算法，并在基于Java RMI的分布并行计算系统中加以实现，实验表明可以获得接近计算结点数的加速比。     

基于广义Mandelbrot集的分形图像压缩算法研究

提出了以固定字典来代替传统的变化字典的方法实现分形图像编码。通过改变Mandelbrot集参数生成不同的曲线,并对其进行灰度值量化,得到相应得图像块,这样能构成丰富的压缩字典。在编码过程中,只需将待编码的图像块与字典中的图像块进行匹配选出满足条件的图像块,然后对相应的图像块进行编码,就可以实现图像的分形编码压缩。通过实验证明算法实现可行、有效,图像压缩效果理想,较大地提高了分形编码的速度。     

基于自适应门限四叉树的分形图像压缩新方法

由Fisher提出的用于分形图像压缩的固定门限四叉树方法中，子块与父块的实验门限值一般由经验来设定，这直接影响了分形图像编码的效率，门限值的设定是分形图像压缩中的技术难点之一。考虑了输入图像的特点，给出了自适应门限的计算推导过程，提出了门限与子块的方差成正比的自适应门限的分形图像压缩方法。实验表明，对同类图像该方法压缩时间短，还原图像PSNR高，提高了分形压缩编码的效率。     

Carotid-Kundalini函数和Logistic映射在分形编码中的应用

Julia分形图是研究复动力系统的一个重要的工具.将Carotid-Kundalini函数f(z)=cos(Nz arccos z) C和Logistic映射运用到分形图像压缩中.对不同的N和C生成不同的曲线;用Logistic映射生成的整数填充量化表,用于量化生成的Carotid-Kundalini曲线,得到丰富且固定的压缩字典,解决了图像和数据字典之间一一对应的问题.与传统的分形编码方法相比,该方法具有良好的压缩效果,较快的编解码速率,高质量的解码图像.     

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。     

基于圆盘旋转的新型非线性分形压缩算法*

提出一种基于圆盘旋转匹配的新型分形压缩算法.首先用Carotid-Kundalini函数生成分形集,并用logistic映射生成量化表量化生成的分形集来增加压缩字典的变化性;接着将生成的分形集分割为4×4的小图像块,将其转换为圆盘后进行旋转;再将旋转后的图像块重新变换为4×4正方形块,得到固定可通用的数据字典.扩充了原有的几何变换类型,打破了图像与字典之间的一一对应关系.实验结果表明,本算法简单有效,具有良好的压缩效果和高质量的重建图像,且解码的速度快.     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

差分与快速图像分形映射压缩算法

针对分形编码算法编码时间太长等缺点,提出了对编码图像进行差分和分级逼近的新的分形编码算法,在理论上对这一思想的可行性进行了有益的探索,给出了该算法成立的理论基础,根据此思想给出了一个新的具体实现分形编码的算法,实验表明,在提高压缩比和图像恢复质量的同时,运算时间也大大缩短。     

一种基于字典的快速分形图像编码方法

针对传统分形图像编码方法编码时间较长的问题,提出一种基于字典的快速分形图像编码方法。利用Julia分形集通过较少参数即能产生丰富图像的特点,将其做成压缩字典,对任意图像均可在字典内查找到合适的定义域块。实验结果表明,在保证编码效果的前提下,该方法可以提高编码速度,尤其对于大尺寸图像,提升幅度更为明显。     

分形图像编码的四叉树方法

提出了一种分形图像编码的方法－基于四叉树的分形图像编码（FICBQ）方法。这种方法采用二值图像的四叉树表示方法实现图像分割,图像块的尺寸可以动态调整。与基本自动分形图像编码（BAFIC）相比,它克服了图像分割时图像块尺寸固定的主要缺陷。FICBQ方法简单且易于实现,压缩比和编码速度得到明显提高。实验结果表明,该方法的RPSN和压缩率分别是29．37dB和11．09时,编码时间约是BAFIC方法的1／22。