利用人眼视觉系统理论实现DCT域快速分形编码

考虑到人眼视觉系统的特点，提出了基于视觉敏感度的DCT域中的均匀块选择标准，该标准优于常用的块方差与信噪比度量．基于此标准，选择出DCT域中的均匀部分，直接将其直流部分编码输出，无需分形匹配，降低了DCT域分形图像压缩的复杂度．为进一步缩短编码时间，在DCT域内引入人眼视觉系统频率响应对图像块与相似块进行分类，在过滤冗余的匹配计算的同时保证了解码图像的视觉效果．实验结果表明，在不影响压缩比的前提下，编码时间大幅度减少，且PSNR有所提高，视觉效果较好．     

结合DCT变换的快速分形图像编码方法

本文针对分形编码耗时过长的不足，结合DCT变换的滤波特性与能量保持和紧缩特性，首先提取图像的列垂直空间频率、行水平空间频率作为特征参数，排除非匹配块；然后，在充分考虑低频系数的基础上，兼顾考虑中高频系数，在DCT域内对特征相近的值域块和定义域块进行相似匹配。实验证明了算法在提高分形编码速度和保持解码质量方面
的有效性。     

DCT域中的快速分形编码

分形图像压缩应用了图像的自相似性，目前许多对分形编码特性的研究都是在图像域中进行的。该文却试图探索在频率域中分形编码的特性。首先，综述了图像域中分形编码的特性，然后导出在离散余弦变换（简称DCT）域中仿射变换的伸缩因子和偏移量的对应公式。应用DCT的能量压缩特性，在度量图像子块和母块之间相似性中通过使用少量的低频DCT系数提出一种快速分形编码算法。接着进一步提出一种可能的快速混合分形编码的算法，该算法将快速搜索方法、统计规范化、频域比较结合起来。     

基于DCT域内积与方差的分形图像编码研究

定义了图像块的 DCT频域内积 ,并证明了该内积等于时域内积 ,从而可根据频域内积大小来作为分形编码中最佳匹配块的判断 ,并推导出 DCT域上恒等变换与其余 7种对称变换的关系 .将值域块分为平稳、中间和活跃三类 ,研究对于不同类型的值域块 ,求频域内积时 ,保留低频系数个数和解码图像质量之间的关系 ,并提出了基于 DCT域内积和方差的分形图像编码算法 .实验结果表明 ,本文算法能在基本保证解码图像质量的同时 ,大大提高编码速度     

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。     

基于局部方差和DCT变换的混合分形图像编码算法

分形图像编码技术是一种很有发展前途的新型图像编码技术，相对于已有的其它图像编码算法，分形图像编码算法能够在取得高压缩率的前提下，较好地保持解码图像的质量。本文根据图像内部的图像子块特征，提出了一种基于局部方差和DCT变换的混合分形图像编码算法，该算法在大幅提高分形编码速度的同时，很好地改善了解码图像的质量，进一步增进了分形图像编码的实用性。实验结果表明，混合编码算法的编码时间与方差算法的编码时间相当，解码图像的质量甚至好于基本分形图像编码算法。     

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。     

基于感知度量的分形编码

传统的分形编码利用最小均方差准则（ＭＭＳＥ）来度量图象子块的变换匹配，未能充分利用人眼的视觉特征。本文提出了基于人眼视觉模型的分形编码方案。算法中，按视觉上的差异对图象子块进行分类；由“视觉最相似”的准则确定最佳匹配的域块，为此，相似匹配转换到ＤＣＴ域进行，导出了图象块的相似匹配在ＤＣＴ域的形式；算法进一步通过自适应误差校正来消除解码图象中的方块效应。解码图象的视觉质量有了明显的改善。实验结果证实了算法的有效性。     

基于平均偏差排序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，但由于其编码时间长、计算复杂性高，因而阻碍了它的广泛应用，针对此问题，提出了一种快速的分形编码算法。这种算法是首先将码本按照平均偏差大小进行排序，然后使用二分搜索法寻找给定Range块在平均偏差意义下的最好匹配码块，进而利用一个联系均方根和平均偏差的不等式来在这个最好匹配码块的邻域中搜索Range块在均方根意义下的最佳匹配码块。实验结果显示，在主观质量略有下降的条件下，该算法编码过程显著快于基本分形算法。     

快速DCT域分形图像编码方法

分形图像压缩编码复杂度较高,而ＤＣＴ域的分形图像压缩方法虽然在性能上有所提高,但是对每个图像块的处理中又分别增加了一次二维ＤＣＴ,使得编码复杂度进一步提高,为降低ＤＣＴ域分形图像压缩的编码复杂度,引入平坦块的概念,对那些经过ＤＣＴ后,能量非常集中的块不做块匹配,而是直接编码输出。实验结果表明,与一般的ＤＣＴ域分形图像压缩方法相比,这种方法在提高编码速度的同时,也降低了比特率。     

基于边缘提取的分形图象编码方法

为了提高图象边缘提取时分类的准确性,在利用四叉树进行自适应图象分割的同时,将Laplacian算子作用于原始图象,然后从得到的边缘图像中,除去给定阈值的特定灰度层的图像后,即得到一种去除冗余,并突出边缘特征的图象,再将它应用于Domain块分类之中,可使分类结果更准确和更具客观性,计算机仿真解码实验结果表明,与其他同类的自动分形方法相比,该方法在编码速度、压缩比和恢复图象质量等方面均有显著提高。     

基于混沌的自适应图像数字水印算法

基于混沌序列的优良性能,该文提出一种基于混沌序列的DCT域数字水印的改进算法.首先采用混沌模型算法来生成混沌随机序列,然后利用人眼视觉系统（HVS）模型对图像感知的视觉掩蔽效应以及DC分量比任何AC分量都有更大的感觉容量的特性,将原始图像分块分类,最后根据分类的结果,将不同强度的水印分量嵌入到不同图像块的DC分量上,实现了混沌水印在原始宿主图像上的自适应嵌入,从而兼顾了水印的不可见性和鲁棒性.实验结果有效地支持了这个结论,所产生的隐形水印体现了很好的稳健性.     

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。     

基于相似块线性旋转变换的分形图象编码方法

针对Jacquin分形编码算法中选取的相似块数目较少,从而与图象块匹配的效率不高的缺点,提出了通过线性旋转变换来扩充相似块数目,以进行最佳匹配的分形编码方法,与通常方法不同,为了充分发掘图象自身的相似性,该方法首先在图象中的多个方向上选取相似块,然后通过对称变换和线性旋转变换生成新的相似块集来进行编码,当旋转方向数取4时,就可以将Jacquin提出的Isometries变换归结为该方法的一种特例,通过调整旋转方向的数目,能有效地改善Isometries变换相似块数目不足的缺点,并得到了较优的压缩结果。另外,针对线性旋转变换还提出了基于查找表的加速算法,从而显著减少了编码时间。     

基于演化算法的灰度图象压缩

基于分形和分块迭代函数系统(PIFS)的特点，本文提出了一种改进的用于求解具有全局最优的自相似分块的演化算法，详细地阐述了个体的编码方法、适应度函数的设计、遗传算子的设计和选择策略，通过实验结果表明，该方法解码质量好、编码速度快、压缩比高．     

基于视觉灵敏度分类的IFS自适应图象编码算法

为了提高IFS自适应图象压缩编码方法对不同图象的适应能力,在按人类视觉对比灵敏度分类的基础上,提出了一种进行分形图象IFS自适应压缩编码的新算法,同时定义了广义置信度的概念,并根据MSE误差曲线的广义置信度,确定了基于四叉树结构的分块分形编码过程中的匹配误差门奶。这种自适应门限编码算法不仅克服了传统固定门限IFS编码算法不能很地适应不同复杂程度输入图象的缺点,而且还提高了编码的效率。实验结果证明,此算法不仅可以自动地适应不同的输入图象,而且解码图象的视觉效果良好。