基于快速分形的DCT补偿图像压缩编码算法

针对分形编码时间过长和离散余弦变换(DCT)在高压缩比下出现方块效应的两点不足,文中提出了一种基于快速分形的DCT补偿图像压缩编码算法,通过对子块和父块特征值排序,使得子块只搜索那些特征值符合条件的父块,从而降低了搜索的复杂度,进而加快了搜索速度.为了提高恢复图像的质量,将图像进行分形编码后,再对灰度误差块8×8作离散余弦变换.仿真试验的结果表明,结合两者的长处可以达到高质量和高压缩比的目的,从而达到很好的编码效果     

基于子块特征的快速分形图像压缩算法

针对分形图像压缩编码时间过长的缺点,提出一种改进算法,利用子块的相似特征,将基本分形图像压缩的全搜索过程,转化为相对差意义下的最近邻搜索,在搜索过程中只搜索与值域块相对差相近的码本块,减少了搜索范围。实验结果表明,该方法与基本分形图像压缩相比,在保证解码图像质量的同时,有效地加快了编码速度。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

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．     

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩（SFIC）算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。     

基于像素分布与三角形分割的快速分形图像压缩算法

为解决传统分形图像压缩算法中编码速度慢的问题,提出了一种基于像素分布和等腰直角三角形分割的快速分形图像压缩方法。利用离散质点系质心的唯一性以及质心位置不变的特点,实现了定义域块与值域块的匹配。对原始图像采用等腰直角三角形的划分方式,减少了定义域块的数量和搜索匹配块的运算次数,提高了编码效率。实验结果表明,该方法在保证图像解码质量的前提下,编码速度是传统分形图像压缩编码方法的3倍。     

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.     

基于K均值聚类的快速分形编码方法

针对目前分形图像压缩存在的编码时间过长问题,提出了使用K均值聚类对编码过程进行加速的方法,其中聚类向量采用图像块的正规化特征向量以保证聚类的精度,并通过用部分失真搜索来完成传统K均值聚类中最耗时的最近邻搜索过程以提高聚类速度。进一步,通过结合均值图像建库、去平坦块等技巧,得到了一种快速、可调的分形编码方法。实验结果表明,相对于全局搜索,所提方法大幅地提高了编码速度和压缩比,而解码质量只略有下降。     

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.     

四分位数特征的快速分形图像编码算法

尽管分形图像编码在高压缩比时具有较好的视觉质量,但其固有的编码耗时限制了它的广泛应用。编码时间主要花费于在一个海量码本中寻找每个range块的最佳匹配domain块。针对这个问题,提出一个限制搜索空间的算法：根据新定义的图像块的四分位数特征与匹配均方根误差间的关系不等式,一个待编码range块只在初始匹配块（即与range块具有最接近四分位数特征的domain块）的邻域内搜索其最佳匹配块,搜索邻域的大小由预先设置的误差阈值来控制。仿真结果表明,三幅测试图像在重建图像质量更优的情况下,全搜索分形编码算法的编码速度平均加快了51倍左右（误差阈值为10）,与新叉迹特征算法相比,可获得更好的编码效果。     

基于与中间块比较的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于与中间块比较的快速分形编码算法。该算法是对基于形态特征的快速分形图像编码算法的改进,将形态特征意义下的最近邻匹配改进为与中间块的误差意义下的最近邻匹配,并且在最近邻的邻域内进一步搜索最优匹配父块时,对各父块进行8种等距变换,而不是在找到最优匹配父块后进行,同时引进误差阈值来控制子块搜索的邻域范围。实验结果表明,该算法编码速度大大提高,并且在相近编码时间的前提下该算法的解码图像质量比基于形态特征的算法好。     

基于分数盒维数的快速分形图像编码

分形图像编码是一种很有前途的压缩技术,但编码时间长阻碍了它的广泛应用。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,提出了一种快速分形编码算法,它基于图像块的分数盒维数特征,能够在较小的搜索范围内完成输入子块的最佳匹配。实验结果显示,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。     

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。     

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。     

基于IFS块的快速图象编码算法

文中首先叙述了目前分形块编码研究领域大致情况，然后，提出了一种新的快速编码算法，用Ｌ１距离替换了以往算法所用的Ｌ２距离，把匹配过程转换成类似于矢量量化的搜索过程，因而采纳了许多矢量量化的加速算法，还讨论了以平坦区的处理并提出了新的剖分方法，取得了较好的效果，同其它的分形块编码方法相比，该算法大大缩短了编码时间，改善了压缩图象的质量，特别是它能较大程度地消除块效应，压缩比也有了进一步的提高。     

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。