基于自适应分类的快速分形编码方法

编码时间过长是目前分形图像压缩存在的主要问题,尽管对图像块进行分类是解决这一问题的一类重要方法,然而诸多分类方法中仍普遍存在着编码速度与解码质量之间的矛盾.针对这一问题,在给出衡量分类方法性能指标体系的基础上,首先提出了一种自适应分类方法,从而较好地解决了这一矛盾,然后将该方法运用于质心分类上,并结合满意匹配得到了一种快速的分形编码方法.实验表明,与原来的均匀分类方法相比,在取得相同压缩比的前提下,该方法可进一步提高分形编码的速度和改善解码图像质量.     

混合的快速分形编码方法

针对目前分形图像压缩过程中编码时间过长的问题，提出了一种将分类技术和树结构结合在一起的混合分形编码方法，同时给出了分形编码的时间复杂度分析。实验结果表明，同以往的方法相比，本方法在基本保证解码质量的基础上，可以极大地提高分形编码速度。同不加速分形编码相比，当ε=6时，混合方法带旋转反射变换编码速度可以提高57倍，不带旋转反射变换可以提高420倍。     

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。     

分形图像编码中的特征差值分类法

基于分形的图像编码方法具有高压缩比、分辨率无关性、快速解码等优越性质。编码时间过长是分形图像压缩的主要缺点之一,对定义域和值域的分类匹配搜索能够有效地加速编码过程,是解决上问题的重要手段之一。在简单介绍当前常用的分类算法的基础上,基于分形编码的收缩特性提出一种特征差值分类算法,该方法原理简单,实现方便,灵活性强,能够和多种其它算法相结合,有效地排除不符合收缩特性的“伪匹配”,快速找到最优的匹配,节约编码时间,且在解码图像质量上获得了非常好的效果。     

一种基于显著不相关检验的近距分形图象编码方法

提出一种基于显著不相关检验的近距分形图象编码方法。对于标准测试图象（Ｌｅｎａ２５６×２５６×８ｐｐｂ），这种方法与子块分类方法相比，以解码图象质量（ＰＳＮＲ）下降２～３（ｄＢ）为代价，编码速度提高了７０～２００倍，且压缩比还有一定的提高；与普通近距分形方法相比，在解码图象质量（ＰＳＮＲ）不下降的情况下，编码速度提高约３２％；若以解码图象质量（ＰＳＮＲ）下降０．２～１（ｄＢ）为代价，编码速度提高３～９倍。     

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。     

基于二维特征向量的快速分形编码方法

编码时间过长是目前分形图像压缩存在的主要问题,对图像块进行分类是解决这一问题的一类重要方法,然而在诸多分类方法中,编码时间的减少通常是以牺牲图像解码质量为代价的。为此,提出了一种基于二维特征向量的自适应分类方法。并把图像的1、2阶矩不变量作为图像的主副特征得到了一种能够较好地保证图像解码质量的快速分形编码方法。     

一种基于图像纹理分析的分形和SPIHT混合编码

从研究分形图像编码和零树编码各自的优劣点以及它们之间的结合点出发,寻找了一种基于图像纹理分析的分形和SPIHT混合编码,目的在于充分利用景物特征和人眼的视觉特性,提高分形变换和零树在图像编码领域内的协同能力。该方法利用SPIHT算法位平面编码的渐进特性,用基于灰度模型的统计特征分类方法将分形和SPIHT相结合,得到更符合人眼视觉特性的编码方案。实验结果表明,该方法能进行较好的图像块分类,并取得较高的压缩比,而且在人眼视觉允许的范围内且同时又要求高压缩比的情况下具有优势。     

变步长和变阈值的分形小波图像压缩算法

针对目前分形小波混合图像压缩方法存在的不足，提出了一种新的分形小波混合图像压缩方法。同方向、不同分辨率的相邻子带图像之间进行分形搜索时，根据其系数的重要程度不同，采用不同的误差阈值与搜索步长，高分辨率子带的搜索步长大，误差阈值小，而低分辨率的子带则采用小步长和大误差阈值进行搜索。实验表明，相对于经典的基于小波树的分形图像压缩方法，该改进算法在不影响信噪比和解码图像质量的前提下，提高了压缩比和编码速度。     

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。     

分形编码时间的线性控制和预测

以图像的布朗维数为纹理特征对编码中的图像块进行聚类和排序，实现了对每个值域块所需比较定义域块数目的精确控制。进一步，通过排除平坦块、使用均值图像建立定义域块库等技巧，得到了一种可以通过定义域块比较数目对编码时间进行线性控制和预测的快速分形编码方法。实验表明，与已有分类和聚类方法相比，在相同的压缩比下，本文方法可取得更好的加速效果和解码质量。     

分形图像编码的改进算法

分形图像编码是一种基于自然图像局部自相似性的有效压缩技术。通过引入一个可以影响解码图像质量和编码时间的控制参数，该文提出了分形图像编码的一种改进方案。该方案既不需要复杂的理论分析，也不需要改变现有的分形解码过程，因此能够以直接的方式融入其它的分形图像编码算法。计算机仿真显示，对一组复杂性不同的测试图像，以PSNR(peak signal-to-noise ratio)度量的解码图像质量优于对应的分形图像编码算法的解码图像质量，同时编码时间也大幅度减少。     

一种基于压缩感知的快速混合分形编码算法研究

针对分形编码的方块效应以及编码时间过长的问题,本文提出分形编码与压缩感知的混合算法.该算法只对低频子图进行分形编码,减少编码时间;再对低频差值图像以及其他子图进行压缩感知编码,以补充分形解码后图像所包含的信息.实验表明：对全局图像的小波变换缓解方块效应,只对低频子图进行分形编码大大提高编码速度,对差值图像以及其他子图的再编码提高了整个重构图像的质量.     

结合K均值聚类和KD-Tree搜索的快速分形编码方法

利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码：首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量.     

基于ROI的分形图像压缩编码

分形图像压缩由于具有非常高的压缩比越来越受人们的关注，但是高压缩比的图像方块效应非常明显，这在很大程度上影响了解码图像的质量。为了解决这个问题，借鉴JPEG2000中提出的ROI概念，提出了将感兴趣区域（ROI）图像编码与分形图像压缩编码相结合的图像编码方法，使得重构的图像中感兴趣区域的保真度高于背景区。该方法很好地解决了图像的压缩比和重构图像质量之间的矛盾。实验结果证明：此方法在获得较高压缩比的同时，压缩编码时间大为降低，解码图像质量也有较大的改善，且总体编码性能优于JPEG编码。     

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.     

种混合快速分形图像编码算法*

提出了一种采用两步筛选的混合快速分形编码算法。首先将码本按照矩不变量进行分类,然后寻找给定Range块在所属区间的最好匹配码块,对于匹配误差值大于给定阈值的Range块再进行基于熵值的二次编码。与基于矩不变量的算法比较,该方法在峰值信噪比相同的情况下时间效率提高五倍多,与基于信息熵的算法相比,PSNR值提高近一个分贝。