图象的部分分形映射压缩算法

自Ｂａｒｎｓｌｅｙ提出分形图象编码的概念，特别Ｊａｃｑｕｉｎ给了第一个完全由计算机自动完成的图象编码算法以来，分形图象编码得到了越来越多的关注，一种新的趋势是将分形编码方法与其他方法相结合，结合方式之一是只图象中的一部分进行分形编码而其他部分采用不同的编码方式，文中针对这一思想给出部分分形映射，并对其在不同条件下的收敛性，拼贴定理等性质进行了讨论，对这一思想的可行性在理论上得到了一些有益的结论，还     

分形图象压缩的快速算法

缩短分形块编码时间是进行分形图象压缩的关键问题之一。该文从邻域匹配、对比度因子的选取、预处理等方面提出了一些降低编码时间的方法。文章重点阐述了这些方法的原理和有关实现算法。实验结果表明，该文所提出的方法在提高编码速度上具有较好的效果。     

基于迭代分形的图象压缩和检索方法

图象所具有的海量性和无序性的特点，决定了多媒体应用的构建必须解决图象数据的高效压缩和有效检索两个关键问题，而由于传统的压缩和检索技术的研究是相互分离的，因而限制了多媒体应用系统整体性能的提高，针对此问题，从两者相互结合的观点，对图象压缩和检索方法进行了研究，首先在小波变换域内，基于迭代分形对图象数据进行压缩，然后在图象分形码的基础上，利用迭代函数系统分布特性构建的特征量来支持图象检索，实验结果验证了该方法的可行性和有效性，同时也表明了基于迭代分形的图象检索方法所具有的巨大应用潜力。     

算术编码在分形图象压缩中的应用

结合近年来对分形块编码的研究成果,实现了其编码和解码过程;并且通过研究存储数据之间的内在联系,提出对不同的数据按不同的原则进行分类,然后分别施行算术编码。分析数据及实验效果说明,改进的编码算法在不影响信噪比的前提下得到了较好的压缩比。     

基于矢量量化的图象分形压缩编码

提出一种基于矢量量化技术的图象分形压缩编码方法,其能较好地克服传统的图象分形压缩编码方法中存在的速度慢,压缩率低等缺点,并且同时获得较高的图象恢复质量。     

序列图象的似分形编码方法

该文将目前分形图象编码中描述图象自相似性的方法,用于对序列图象中图象间互相似性的描述,并提出了一种称为似分形的序列图象编码方法。与传统的分形编码方法相比,这种方法由于在编码时不受分形编码特有条件的限制,解码时也不需要迭代,因此编码速度和编码质量都得到一定程度的提高。实验结果证明了该方法的有效性。     

分形及分形图象压缩技术

１引言１９７５年，美国ＩＢＭ公司的数学家Ｂ．Ｂ．Ｍａｎ－ｄｅｌｂｒｏｔ创造出“分形（ｆｒａｃｔａｌ）”这个新术语，该词由拉丁文ｆｒａｃｔｕｓ转化而来［１］，含有分裂（ｆｒａｃｔｕｒｅ）与分数（ｆｒａｃｔｉｏｎ）的双重涵义。诞生以来，分形与分维日益成为...     

分形图象压缩的主池预缩小方法

在分形图象压缩中,图象被分割成序列块,其中每一个与其相似的子图象－主块要从子图象池中进行选择。不过,这个较大的池中实际上只有一部分被利用在图象编码中。通过利用较强亮度变化的主块来缩减主池,从而导致了分形图象在两方面的改善：加块了编码时间;同时也提高了压缩率。     

图象块的分形近似和分块分形近似编码

提出了一种图象块的分形近似方法。该方法借助于ＳＡＳ以达到对图象块的最小平方的分形近似，其运算量仅为２×Ｍ×Ｎ次乘法和４×Ｍ×Ｎ次加法，Ｍ×Ｎ为图象块大小。由图象块分形近似量化而成的编码，称之为分块分形近似编码。其压缩比依赖于所选取图象块大小和迭代变换系数的量化。对８×８图象块，在不失真情况下，其压缩比达到１７．８倍。通过对大量图象的实验结果表明，只需进行８次迭代，就能得到满意的重构图象。和其它分形编码相比，此方法简洁，编码速度快，对２２０×２２０的＂Ｌｅｎａ＂图象进行编码，在ＰＣ４８６／ＤＸ３３上，仅需时３０秒。     

一种基于二维DCT的分形静止彩色图象压缩编码

在彩色图象编码技术中，普遍存在的一个问题是未能充分利用各分量间的相关性。本文针对彩色图象各分量间存在的极强的结构自相似性，提出一种基于二维ＤＣＴ的分形编码方法。此方法在采用变换编码方法去除彩色图象各分量内部冗余的基础之上，采用分形编码方法进一步去除了存在于三分量之间的冗余信息。仿真结果表明，这种编码方法的效率明显优于ＪＰＥＧ基本彩色系统的编码效率。     

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。     

分形图象编码

在收集和阅读与分形图象编码有关文献的基础上,对分形图象编码的研究现状和发展前景进行了介绍和评述。     

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。     

图像压缩中的几种编码方法

首先讨论了几种经典的图像编码算法：行程编码压缩算法、哈夫曼编码压缩算法、LZW压缩算法及离散余弦变换，并给出了各自的压缩原理和特点，然后介绍了几种较新的图像编码方法，这些编码方法分别使用了分形技术、小波技术和人工神经网络技术，并且简要叙述了这三种技术的原理、算法步骤、优缺点，还对这些技术的发展进行了展望。     

分形图像编码中自相似性的研究

本文通过对图像自相关模型的研究,提出了判断图像自相似性强弱的方法,该方法定义了一个自相似系数来表征图像的自相似性。通过实验验证应用本文定义的自相似系数判断,在同一程度上,自相似系数越大,图像的分形压缩编码后效果越好。     

基于预测模型的分形图象缩编码方法

给出了一个基于ρ图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围，并以此模型为根据提出了一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算，实验结果表明该方案能够提高分形图象的编码速度，具有很高的实用价值。     

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%。     

基于分形集的图像压缩方法

分形图像编码是一种极具发展前途的图像压缩方法,但由于其发展时间较短,还有许多问题尚待解决,其中较为突出的是,在很长的编码时间和较高的压缩比下重构图像质量尚不能令人满意。提出了一种新颖的分形图像压缩算法,即基于Julia集的分形图像压缩方法。该算法采用Julia曲线集合作为压缩编码字典,使用自适应四叉树法实现图像压缩。通过计算机模拟实验结果显示,此算法具有较高的图像压缩比和高质量的重建图像,编码速度提高也很明显。     

一种基于小波变换的分形零树混合编码方法

为了降低分形编码的复杂度和提高编码效率 ,提出了一种基于小波变换的分形零树混合图象编码方法 .该方法首先利用小波变换将图象分解为不同方向不同分辨率的子图象 ,然后分别在不同分辨率层将这些子图象以类似于零树的结构 ,构成一棵棵的小波子树 (wavelet subtree) ,最后在编码时 ,对每一棵小波子树进行具体的分析 ,或采用分形编码 (fractal coding) ,或采用零树编码 (zerotree coding) .与传统的基于小波变换的分形编码相比 ,此算法在充分利用子带图象间的相似性和块内存在的自相似性的同时 ,也充分利用了小波变换后子图象块内 ,特别是高分辨层的子图象块内所存在的大量局域性的冗余性 .实验结果表明 ,此方法在较大的压缩范围内 ,都能够获得较好的压缩效果 .     

提高分形图像编码质量与速度的方案

分形图像编码十余年来在图像处理尤其是图像压缩领域引起了人们的极大兴趣。众所周知,编码时间长是这项技术的主要缺点,许多改进方案因此被提出以加快编码过程。然而,在这些加快方案中,大多数仅仅是在解码图像质量或多或少有所下降的条件下减少编码时间的。该文提出进一步提高解码图像质量和编码速度的方案：一是预先在待编码图像中添加高斯白噪声以进一步减少不满足对比度因子约束的domain块的数目;二是对小方差range块直接用其均值块代替以进一步加快编码速度。实验结果显示,对于三幅复杂性不同的标准测试图像,本方案确实能够从解码质量和编码速度方面改进传统分形图像编码。