差分与快速图象分形映射压缩算法

文章针对分形编码算法编码时间太长等缺点提出了对编码图象进行差分和分级逼近的新的分形编码算法.对这一思想的可行性在理论上进行了有益的探索,给出了该算法成立的理论基础.文章还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,在提高压缩比和图象恢复质量的同时,运算时间也大大缩短     

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。     

分形图像编码的改进算法

分形图像编码中，最大的困难是搜索与值域块相匹配的定义域块，由于定义域块数量巨大，搜索很费时，本文从减少搜索块的数目和缩小搜索块的范围出发，提出多分辨率编码，从两个方面减小编码时间。为了减少对图像质量的影响，在抽样时采用双线性插值和双三次插值，以减小方块效应。     

基于Kohonen神经网络的分形图像编码

本文提出利用Kohonen自组织神经网络把母块分类与特征抽取结合起来有助于改善分形编码的时间。因为特征抽取减少了问题的维数并且使网络能够在一幅和实验图像分离的图像上得到训练。自组织网络为分类引入了一个领域拓扑结构，并且不需要事先指定一组适当的图像类。网络按照在训练期间观测的图像特征的分布来组织自己。结果表明，该分类方法可以将编码时间减少两个数量级并保持可观的精度和压缩性能。     

基于图像块叉迹的快速分形图像编码算法

摘要分形图像编码能够在高压缩比下高质量地重构图像,但需要较长的编码时间．因此,迫切需要各种快速编码算法以扩大其应用领域．分形编码的时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块．针对这个问题,该文提出一种快速分形编码算法,它基于图像块的一种新特征——叉迹,能够在较小的搜索范围内完成输入子块的最佳匹配．实验显示,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相同或更好的图像质量．     

基于规范块半范数的快速分形编码算法

分形图像编码通常需要较长的时间,编码时间主要花费在一个海量码本中搜索每个输入子块的最佳匹配块。在提出的叉迹算法的基础上,提出一种快速编码算法。它主要利用一种新定义的特征——规范块半范数,把搜索范围限制在初始匹配块（在半范数意义下与输入子块最接近的码块）的邻域内。实验显示,与叉迹算法比较,该算法在编码时间和图像质量方面都取得了更好的效果。     

分形图像编码的快速细粒度迭代解码

该文基分形图像编码的固有特征，阐述和研究了分形图像编码的迭代解码方法的“可分级性”概念，在这一思想指导下，在迭代解码过程中用单缓冲算法取代传统分形编码中的双缓冲算法，在节省了内存空间开销的同时有交地实现了更细粒度上的质量可分级性解码，继而提出了一种块排序解码算法用于基于尺寸自适应块分割的分形编解码方案中，获得了更快的解码收敛速度，通过以上一系列算法深入地阐述了分形偏解码中“质量连续可分级性”的思想，给出了一个初步的实现模型并对结果作了详尽的分析。     

基于规范子块五点和的快速分形图像编码

分形图像编码通常需要较长的时间,编码时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块.针对这个问题,提出一个限制搜索空间的算法.它主要基于图像块的一种新特征——五点和,把搜索范围限制在初始匹配块(五点和意义下与输入R块最接近的D块)的邻域内.实验表明：该算法能够大大减少子块匹配比较的数量,与基于叉迹的快速分形算法比较,在相同的搜索邻域内,在编码时间、图像质量和压缩比方面都更优.     

改进分形图像编码的叉迹算法

分形图像编码具有好的视觉质量和高压缩比,然而,固有的编码耗时限制了它的应用范围.编码时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块.针对这个问题,提出了一个限制搜索空间的算法,改进了原叉迹算法.具体说,它把子块叉迹的定义修改为其规范子块主次对角元绝对值之和,并利用新叉迹把搜索范围限制在初始匹配块的邻域内;同时,引入误差阈值来控制以初始匹配块为中心的搜索邻域大小.实验显示,与叉迹算法比较,改进算法在编码时间和图像质量方面获得了更好的效果.     

利用方差分形快速编码算法

提出一个基于图像块方差的新的快速分形编码算法，利用候选主块和序列块间当前最小异变象差和方差，通过排除不可取的主块，大大地减少了为搜索主块而寻找每个序列块最佳匹配的主块数，该算法在较短的时间内产生与常规的满搜索近乎一致的分形编码。     

基于分形与JPEG的混合图像压缩算法

根据分形图像压缩算法具有潜在高压缩比的特点,提出基于分形与JPEG算法的混合图像压缩算法。将结合四叉树算法的分形图像压缩算法用于32×32和16×16的子块区域编解码,JPEG算法用于剩余区域编解码。实验结果表明,该算法具有较高的压缩比和解码图像质量,当压缩比较大时,其解码图像的块效应明显弱于JPEG算法。     

基于分形思想的差值图像压缩技术

针对屏幕监控系统中数据传输的特殊性,提出基于分形思想的差值图像压缩技术.图像分形后,对相邻帧间对应的数据求差并进行压缩编码,减少时间与空间冗余度.试验表明,该方法能有效降低传输时的数据量,节约传输时间,同时是一种无损的压缩算法.     

基于粒子群优化算法的分形图像压缩编码

针对基本分形图像方法中编码时间过长的问题和提高IFS自适应图像压缩编码方法的适应能力,在按人类视觉对比灵敏度分类的基础上,提出了一种源于鸟群捕食系统模型的粒子群优化算法（PSO）的分形图像IFS自适应压缩编码的新算法,这种自适应编码算法利用图像的自相似性以及应用PSO在分形编码过程中局部迭代函数系统（PIFS）参数的搜索。通过Matlab6．0实验仿真实验结果表明,此方法有效减小了搜索空间,加快了编码速度。基于视觉特性的粒子群分形编码算法明显优于传统的分形块编码算法。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

自适应搜索的快速分形图像编码算法

为了改进全搜索分形编码过程匹配耗时长而导致难以实用的缺点,新定义了规范块灰度值力矩来反映图像块的特征,根据匹配均方根误差与规范块灰度值力矩间的关系,建立一个预先剔除条件来排除许多不大可能匹配range块的domain块.对一个待编码range块,仅在与该range块灰度值力矩数值最接近的domain块的自适应搜索邻域范围内找它的最佳匹配块.仿真结果表明,与全搜索分形图像编码算法相比,三幅测试图像在重建图像质量更好的情况下,能够平均加快它的编码速度58倍.     

基于行列式的快速分形图像编码算法

分形图像编码是一种很有前途的限失真压缩方法,然而,它存在计算量大的缺点,导致其编码时间过长。分形编码的时间主要花费在一个通常较大的码本中搜索每个输入子块的最佳匹配块。针对此问题,提出了一个加快编码的方案,它基于图像块的规范化行列式,能够在相对小的搜索邻域内找到输入子块的最佳匹配块。对3幅512×512测试图像的实验结果显示,与全搜索基本分形算法比较,依赖于搜索邻域的大小,该算法既能在峰值信噪比相同的情况下实现编码速度加快30倍左右,也能在主观质量略有下降的情况下实现编码速度加快1 000倍以上。     

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.     

基于复合分类的快速分形图像压缩编码

针对分形编码方法耗时过长的不足，提出一种分类加聚类的快速分形图像编码方法，通过提取图像块的分形维数对图像块分类，在同类内基于分形维数聚类，使匹配搜索在同类的聚类域内进行，并对不同类块采用不同算法，实验表明，该方法与经典分形方法（PIFS）比较，在信噪和解码图像质量可接受的条件下，大大提高了编码速度，且压缩比有显著提高。