基于自适应分块的快速分形图象压缩

对Ｆｉｓｈｅｒ的自适应分块分形压缩方法进行了改进，提出了基于相对矩的三级分类方法和多分辨率相似匹配方法，并以此为基础实现了一种新的基于四叉树分块的分形编码算法。实验表明，在压缩比大致相同、信噪比略高的情况下，新算法的编码速度有明显提高。     

四叉树理论在分形图像编码中的应用

在分形图像编码领域,四叉树经典理论及各种各样的改进算法越来越多地被运用,不断地提升编码方法的正确性。着重对分形编码理论、经典四叉树算法和Fisher自适应四叉树算法进行研究,并在此基础上提出了一种改进四叉树的编码方法,最后,在VC6.0开发工具中进行了仿真和验证,结果表明该文提出的改进四叉树的编码方法在同类图像压缩和编码中,具有更高的压缩比和更短的压缩时间。     

改进的广义置信度自适应IFS图象压缩编码算法

通过对分块IFS图象压缩编码过程中匹配误差的分析,提出了广义置信度的概念,并据此提出了对输入图象进行四叉树分块的自适应匹配门限（AT）算法。根据排列块的相对复杂程度,修正了自适应匹配门限的公式,提出了改进的自适应门限（RAT）IFS图象压缩编码算法。在对输入图象进行四叉树分块编码过程中,该方法可以根据当前排列块的统计特征确定匹配门限,从而使分块编码过程自动地适应输入图象。实验结果表明,这种新的编码方法可以自适应地对输入图象进行编码,且压缩比较高,有一定的实用性。     

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。     

一种使用四叉树分割的分形信息隐藏算法

目前的正交分形信息隐藏算法在进行正交分形编码时都是等分割原始图像,这样无法自适应图像内容且耗时,并且在处理彩色图像时没能考虑分量之间的相关性以及拼贴误差,因此鲁棒性较差。提出一种采用四叉树分割的正交分形信息隐藏算法。该算法能够根据图像特征实现原始图像的四叉树分割,同时考虑彩色图像R、G、B三个分量的相关性,提取亮度分量进行分形编码,并利用拼贴误差特性,动态调整分型参数的修改量来嵌入秘密图像。实验及应用表明,该算法编码时间短、具有很好的透明性以及对JPEG压缩、加噪、滤波、几何形变等具有较好的鲁棒性。     

基于四叉树分形图像压缩的研究实现

分形压缩技术在图像处理中有着巨大的应用前景。实现基于固定分块和四叉树的分形图像压缩,相比于固定分块法,四叉树分形压缩具有更高的灵活性和更大的压缩比,PSNR和SNR分别高出固定分块3.7%、8.8%,而MSE却降低了29%。     

基于人类视觉系统的彩色图像分形编码算法

在分析传统的四叉树分形编码算法的基础上,将人类视觉系统(HVS)的特性引入到值域块的四叉树划分中,在定义域池的生成以及值域块与定义域块的匹配上采用分类的方法,然后利用彩色图像R,G,B三个分量的相关性,将三色分量图按某种方式组合成一个灰度图像,提出一种使用HVS的彩色图像分形编码算法.实验表明,在保证图像解码质量的情况下,该算法比Fisher和JPEG算法能达到更高的压缩比,并且在编码时间上优于Fisher算法.     

基于矢量失真测度和自适应四叉树分割的彩色图象分形压缩方法

在Ｊａｃｑｕｉｎ分块分形图象压缩方法的基础上,提出了一种基于矢量失真测度的自适应四叉树分割彩色图象分形压缩方法。该方法充分利用ＲＧＢ彩色空间２４位真彩图象的三彩色分量间相关性,实验表明该方法比分别对三彩色分量使用分块分形压缩方法在 重构图象质量方面有很大的改善。     

结合图像信号显著性的自适应分块压缩采样

均匀分块压缩感知对图像信号进行压缩采样, 无法有效地分离出重要区域和背景区域。为此,本文提出了一种基于显著性的自适应分块压缩采样方法。根据图像信号的显著性,该方法利用四叉树算法进行自适应图像分块,有效分离出重要区域和背景区域。根据区域块的显著度动态设置观测值数量,重要度区域设置高采样率,背景区域设置低采样率,从而提高重要区域的图像重建质量。实验分析表明,在得到更好的视觉效果的同时,本文算法观测值数量较少,且重构图像的PSNR(峰值信噪比)、MSSIM（平均结构相似性）指标,以及运行时间均优于均匀分块压缩采样算法。     

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。     

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。     

基于新型四叉树分割的快速分形图像编码

针对现有的基于四叉树的分形编码算法比较耗时的问题,提出了一种基于新型四叉树分割的快速分形编码方法。首先根据人眼视觉系统（HVS）特性分割出子块,再将各不同尺寸子块所对应的父块库中的父块按标准差排序。对于每一子块,在对应的父块库中寻找其在标准差意义下的最近邻父块,然后在该父块的邻域内进一步搜索最佳匹配父块,同时引进误差阈值来控制子块的搜索过程。实验结果证明,该算法的编码速度大大提高。     

一种快速的智能型四叉树分形图象压缩方法

本文介绍了分形图象压缩理论，传统四叉树分形图象压缩方法及其不足。针对传统方法编码速度慢的缺点，本文介绍了一种有效缩小查找范围的智能回形查找方法并给出了算法。     

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。     

IFS分形图像快速压缩编码

自Ｂａｒｎｓｌｅｙ提出分形图像编码的概念,特别是Ｊａｃｑｕｉｎ给出了第一个完全由计算机自动完成的图像编码算法以来,分形图像编码得到了越来越多的关注,但分形图像压缩往往需要较长时间,这就给具体实用带来了巨大困难。本文首先给出分形图像压缩理论,然后在Ｊａｃｑｕｉｎ所提出的分形方块编码基础上提出了改进算法,包括建立小方块被匹配概率活动表,按相似度找到匹配块,隔点计算法等。针对上述改进算法,作了具体实验。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。