一种基于矩不变量的快速分形编码方法

目前分形图像压缩的最主要问题是其编码时间太长,这主要是因为在分形编码时,对每一个待编码值域块都需要比较数量巨大的定义域块才能找到它的最优匹配块。通过深入分析分形编码过程,文章首先提出了一种图像的矩不变量,它在灰度仿射变换下保持不变,并以此作为图像块的特征来为分形编码中的图像块进行分类,从而得到了一种基于矩不变量的快速分形编码方法:将定义域块按其矩不变量进行分类,在编码时对每一个待编码值域块,其最优匹配块只在其同类或相邻类的定义域块中寻找,从而大大地减少了定义域块的比较数目,缩短了编码时间。实验证明,与已有的分类方法相比,该文方法在解码图像质量基本满意的基础上,极大地提高了分形编码的速度。     

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。     

一种使用HVS的快速分形图像压缩算法

将人类视觉系统的特性引入对值域块、定义域块的划分以及对定义域池的搜索上来,提出了一个能显著提高编码速度的分形图像压缩算法.根据HVS特性将图像分割后,搜索空间得到了极大的缩减,并且最佳匹配块只在具有相同HVS特性的块间进行,因此能够显著降低计算的复杂性.理论和实验结果表明:与叉迹算法和经典算法相比,在保持图像质量的前提下,本文算法能够显著提高编码速度和压缩比,因而是一种有效的分形图像压缩方法.     

基于匹配概率活动表的分形图像快速压缩编码算法

本文在Jacquin提出的自动分形图像编码算法的基础上,针对各定义域块与值域块的匹配概率不相等,提出了基于匹配概率活动表的分形编码算法,为进一步加快编码速度,从理论上重新定义了定义域块与值域块间距离的计算,并分析了值域块类型与门限取值间的关系,并经实验给出了门限的具体数值。实验结果表明,与基本自动分形图像编码方法相比,在保持重建图像质量的前提下,运算时间大大下降,加快了分形图像压缩速度。     

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.     

基于改进遗传算法的分形图像压缩方法

基于分形和迭代函数系统的特点,为解决传统的分形图像压缩方案中块匹配计算复杂度高的问题,提出了一种改进的遗传搜索算法用于解决定义域的匹配搜索问题.为达到算法快速收敛的目的,采用唯一后代的杂交算子和非随机突变算子.实验证明,该方法的编码速度快、解码质量好.     

一种基于邻域搜索的分形图像编码算法

分形图像编码以其高压缩比,使得它具有广泛的应用前景,但是传统的分形编码方法压缩时间长,这是因为在为每一个值域块寻找合适的定义域块时需要在码本中进行大量的搜索匹配。研究发现,和值域块最匹配的定义域块大多数在值域块的附近。根据这一结论,提出了一种基于邻域的螺旋式搜索方法,并利用图像块间的信息熵差值,缩减了搜索范围。另外对误差图像进行编码,作为解码图像的补充,提高了解码图像质量。实验表明,该方法在不降低图像质量和信噪比的前提下大大加快了编码的速度。     

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。     

邻域匹配和分类匹配的分形块编码

值域块的分形编码，是值域块与定义域块池中的定义域块逐一匹配后产生的。这一匹配过程是影响分形块编码速度的深层原因，此文改全局匹配为邻域匹配和分类匹配，从二条途径探讨了缩短匹配时间的方法。实验结果表明，领域匹配及分类匹配的分形块编码的时间，但信噪比略有下降。     

基于JULIA集的非线性分形图像压缩算法的研究

传统的分形图像压缩算法基于图像局部之间的自相似性进行编码[5]。提出一种思路新颖的分形图像压缩算法:首先利用逃逸时间算法生成4×4的JULIA集;然后采用量化规则进行图像量化,生成4×4的矩形块;最后采用HongYan和Popescu等提出的非线性分形图像压缩算法,将4×4的矩形块转换为圆盘,然后圆盘每次旋转2度,旋转90次,将每次得到的结果转换为4×4的矩形块,作为定义域块。     

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...     

使用2－范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

CUDA平台的分形图像压缩方法

考虑到分形图像压缩中,值域块与定义域块之间的匹配能够并行计算这一特点,利用计算统一设备平台CUDA进行GPU加速.提出一种GPU、CPU相结合的四叉树压缩算法,通过GPU加速最耗时的距离计算部分,而四叉树分割、初始化等部分仍采用CPU完成.在GPU加速部分,讨论了单值域块与多值域块的方法,通过分析与实验表明,后者比前者能进一步提高并行性能.与传统的纯CPU方法相比,本文的方法能够显著提高压缩速度.     

数理统计特征的快速图像分形压缩算法研究

图像自相似是图像分形研究中一个重要的研究方向,尤其是对自相似图像子块的特征提取量化问题尤为引人关注。在分形图像编码发展的过程中,图像自相似特征的提取和量化得到了广泛的研究和应用。通过对图像数理统计特征的研究,提出了一种对图像子块进行分类的方法,使拥有相似特征的图像子块能够划分到更小的区域范围内,改进了分形图像压缩算法。经过分析和实验证明,该方法在不影响重建图像质量的前提下,提高了分形编码的速度,较大程度地减少了计算量。     

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.     

基于拼贴误差拟合（补偿）的分形压缩算法

采用分形压缩算法来提高压缩速度和压缩比的一种有效途径是降低对拼贴误差的要求 ,然而这往往导致图象失真 .为克服该问题 ,在经典分形压缩算法的基础上 ,提出了一种新的基于拼贴误差拟合 (补偿 )的分形压缩算法 .该算法可以提供两种不同拼贴误差的分形编码 ,由于通过对不同区块使用与之相适应的相似变换类型 ,可以有效地补偿拼贴误差 ,从而可降低压缩图象的失真度 .理论研究和实际应用表明 ,该算法为分形压缩图象所面临的失真度和压缩比的矛盾提供了一种有效的解决方案 .     

基于四叉树分割的分形图像编码的改进方法

针对在分形图像压缩中,为寻找最佳匹配块需要花费相当长的时间的问题,在四叉树进行图像分割的基础上提出了一种基于分类函数和γ函数的分形图像编码方法。通过该方法,可以将图像子块分成24类,并有效地确定一种变换,而不需将每一定义域块进行各种变换,节省了搜索空间。实验结果证明,该方法可使编码速度有较大提高,而解码图像质量无明显下降。     

分布并行的分形视频压缩技术

分形视频压缩建立在静止图像分形压缩的基础上,其压缩思想主要是对Jacquin分块方法的扩充,把二维的值域块和定义域块扩充成三维值域立方体和定义域立方体,或者采用帧间的分形压缩和帧内运动补偿相结合的办法。这两种方法所具有的大计算量限制了分形视频压缩的研究和应用。该文沿这两个思路引入了分布并行计算机制,从而缩短了压缩时间。     

一种分形彩色图像压缩编码方法

在分析彩色图像色彩三分量r,g,b的相关性和分形四叉树编码层次信息冗余性的基础上,提出了一种分形彩色图像压缩编码方法.它将图像的3个独立的颜色分量按某种方式组合成1个来搜索匹配块,从而将需要存储和搜索的3个颜色分量匹配块(SFC方法)减少为1个,并且对四叉树层次信息进行压缩.此外,采用不同的组合,得到了几个图像压缩比和解码质量相近的编码方法,其中使用亮度分量的方法比使用其他方法速度更快.实验结果表明,它优于SFC方法及标准JPEG方法,不失为一种好的分形彩色图像压缩方法.     

一种新的小波分形混合图像编码方法

随着信息处理技术的飞速发展，图像压缩越来越受到人们的重视。提出一种新的小波分形混合编码方法，引入了小波树的概念，将传统分形编码中块的匹配问题转化为小波树的匹配问题。根据不同方向代表的纹理信息的不同，定义了不同的小波树。在对小波树编码时，灵活运用了零树的概念，提高了压缩效率。对于不同复杂程度的小波树分配不同的码字，具有一定的自适应性。实验结果表明，与传统的基于小波变换的分形编码相比，该方法可以获得较好的压缩效果。