Carotid-Kundalini函数和Logistic映射在分形编码中的应用

Julia分形图是研究复动力系统的一个重要的工具.将Carotid-Kundalini函数f(z)=cos(Nz arccos z) C和Logistic映射运用到分形图像压缩中.对不同的N和C生成不同的曲线;用Logistic映射生成的整数填充量化表,用于量化生成的Carotid-Kundalini曲线,得到丰富且固定的压缩字典,解决了图像和数据字典之间一一对应的问题.与传统的分形编码方法相比,该方法具有良好的压缩效果,较快的编解码速率,高质量的解码图像.     

一种新的非线性分形压缩算法

提出一种基于Julia-CK集和Logistic映射的非线性分形压缩算法。用Carotid-Kundalini函数生成Julia-CK集,并用Logistic映射生成伪随机数填充量化表。将量化后的Julia-CK集分割成4 4的小图像块,再变换成圆盘。圆盘经过旋转后重新变换为正方形,对Julia-CK集进行适当的分类。编码时在同类中寻找匹配的图像块,扩充了原有的仿射变换,得到一个丰富且可通用的压缩字典,有效地打破图像和数据字典之间的一一对应关系。实验表明,相比于Barnsley提出的经典分形压缩方法,新算法使压缩比提高约36%,重建图像的峰值信噪比提高约27%,具有良好的压缩比,获得了高质量的解码图像。     

一种新的非线性分形压缩算法

提出一种基于Julia-CK集和Logistic映射的非线性分形压缩算法。用Carotid-Kundalini函数生成Julia-CK集,并用Logistic映射生成伪随机数填充量化表。将量化后的Julia-CK集分割成4 4的小图像块,再变换成圆盘。圆盘经过旋转后重新变换为正方形,对Julia-CK集进行适当的分类。编码时在同类中寻找匹配的图像块,扩充了原有的仿射变换,得到一个丰富且可通用的压缩字典,有效地打破图像和数据字典之间的一一对应关系。实验表明,相比于Barnsley提出的经典分形压缩方法,新算法使压缩比提高约36%,重建图像的峰值信噪比提高约27%,具有良好的压缩比,获得了高质量的解码图像。     

基于广义Mandelbrot集的分形图像压缩算法研究

提出了以固定字典来代替传统的变化字典的方法实现分形图像编码。通过改变Mandelbrot集参数生成不同的曲线,并对其进行灰度值量化,得到相应得图像块,这样能构成丰富的压缩字典。在编码过程中,只需将待编码的图像块与字典中的图像块进行匹配选出满足条件的图像块,然后对相应的图像块进行编码,就可以实现图像的分形编码压缩。通过实验证明算法实现可行、有效,图像压缩效果理想,较大地提高了分形编码的速度。     

基于圆盘旋转的新型非线性分形压缩算法*

提出一种基于圆盘旋转匹配的新型分形压缩算法.首先用Carotid-Kundalini函数生成分形集,并用logistic映射生成量化表量化生成的分形集来增加压缩字典的变化性;接着将生成的分形集分割为4×4的小图像块,将其转换为圆盘后进行旋转;再将旋转后的图像块重新变换为4×4正方形块,得到固定可通用的数据字典.扩充了原有的几何变换类型,打破了图像与字典之间的一一对应关系.实验结果表明,本算法简单有效,具有良好的压缩效果和高质量的重建图像,且解码的速度快.     

JULIA图像与快速分形图像压缩编码

首先，本文根据统计规律建立一个小型固定字典，用以加速分形图像的压缩编码； 然后，利用逃逸方法生成Julia图像算法生成8×8的图像块，用作分形图像的压缩编码． 因此，本文使用的压缩方法改变了由通常设计的分形图像压缩编码方法以变化的压缩编码字 典进行编码的缺点．实验结果表明，本文所使用的方法能很好地对图像进行分形压缩编码， 并具有分形图像的部分解码优点．     

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。     

基于JULIA集的非线性分形图像压缩算法的研究

传统的分形图像压缩算法基于图像局部之间的自相似性进行编码[5]。提出一种思路新颖的分形图像压缩算法:首先利用逃逸时间算法生成4×4的JULIA集;然后采用量化规则进行图像量化,生成4×4的矩形块;最后采用HongYan和Popescu等提出的非线性分形图像压缩算法,将4×4的矩形块转换为圆盘,然后圆盘每次旋转2度,旋转90次,将每次得到的结果转换为4×4的矩形块,作为定义域块。     

基于Fisher分类和空间映射的分形图像编码方法

针对Fisher分类分形图像压缩算法中二维灰度变换匹配性能较差的问题,提出了改进的空间映射灰度变换方法。该方法将位置与亮度同时纳入到灰度变换中,形成三维空间上曲面模式之间的线性映射,并预先量化空间映射压缩因子,再计算和量化空间映射灰度变换的其他系数,提高range块和domain块成功匹配的可能性。实验证明,该方法在不降低重构图像质量的前提下,减少了编码块数,提高了图像的压缩比,大幅缩短了编码时间。     

一种基于压缩感知的快速图像处理算法研究

图像分形编码处理数据较多、压缩编码时间过长。论文提出了一种快速图像处理算法,对低频子图进行分形编码,以缩短图像压缩编码的时间,然后采用低频差值,对图像实施压缩感知编码来获取解码之后包含的图像内容信息。实验结果表明本文算法可以提高图像分形编码速度,改进重构图像的解码质量。     

基于稀疏表示的SAR图像压缩方法研究

基于过完备字典的图像稀疏表示是一种新的图像表示理论,利用过完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示。采用基于过完备字典稀疏表示的方法实现SAR图像的压缩。为了得到表示图像所需要的信息,只需要存储稀疏分解的系数极其对应的坐标,实现压缩的目的。采用K-SVD算法实现过完备字典的构造。K-SVD算法是一种基于学习的算法,由于训练样本全部来自于图像本身,因此字典能够更好地逼近图像本身的结构,实现稀疏表示。仿真表明对于SAR图像的压缩,算法是有效的,并且优于基于DCT的Jpeg算法和基于小波变换的EZW和SPIHT算法。     

一种新型非线性分形图像压缩模型

Hong Yan等提出的非线性分形图像压缩模型开辟了分形图像压缩的新领域，部分解决了经典分形图像压缩编码字典较小的缺点，但是，模型比较复杂．针对这一不足之处，提出一个简单的非线性分形压缩模型，简化了在文献中Hong Yan等提出的模型，并能同样地解决分形压缩字典较小的问题．实验结果表明，这一新的非线性分形压缩模型简单可行，并具有良好的压缩结果和高质量的重建图像．     

几种常用无损数据压缩算法研究

随着网络承载的信息量的飞速增长,数据压缩必然会备受人们重视。数据压缩可分成两种类型,一种叫做无损压缩,另一种叫做有损压缩。文中主要介绍目前用得最多和技术最成熟的无损数据压缩技术,按照无损压缩方法采用的压缩技术的不同,从基于统计的压缩思想和基于字典的压缩思想两个方面对其中最具有代表性的无损数据压缩方法进行了详细的分类讨论和优缺点比较,并对基于字典压缩算法的一些成熟的改进算法进行了汇总介绍,便于对无损数据压缩技术感兴趣的同志学习参考。     

基于内容自适应稀疏字典的图像集压缩算法

大数据时代巨大的图像信息量,给实际的存储、传输带来了相当大的困难。有效利用图像集自身内容,去除图像之间的信息冗余,是图像集压缩的主要目的。本文提出一种基于内容自适应稀疏字典的图像集压缩方案。通过对图像内容信息进行分类学习,得到分组稀疏字典,将稀疏编码替代传统的变换编码,并利用图像非局部相似特征优化图像解码,得到更高质量的重建图像。实验结果表明,与JPEG方法以及基于递归最小二乘字典学习算法（RLS-DLA）的压缩框架相比,本方案提出的图像集压缩方法有效提高了图像集编码性能。     

一种新型非线性分形图像压缩编码算法

提出一种简单的非线性分形算法，简化了Popeseu等提出的算法，用于解决压缩字典较小的问题．实验结果表明，这一算法简单可行，具有良好的压缩结果和高质量的重建图像。     

Multi-polarimetric SAR image compression based on sparse representation

The use of sparse representation in signal and image processing has gradually increased over the past few years.Obtaining an over-complete dictionary from a set of signals allows us to represent these signals as a sparse linear combination of dictionary atoms.By considering the relativity among the multi-polarimetric synthetic aperture radar(SAR)images,a new compression scheme for multi-polarimetric SAR image based sparse representation is proposed.The multilevel dictionary is learned iteratively in the 9/7 wavelet domain using a single channel SAR image,and the other channels are compressed by sparse approximation,also in the 9/7 wavelet domain,followed by entropy coding of the sparse coefficients.The experimental results are compared with two state-of-the-art compression methods:SPIHT(set partitioning in hierarchical trees)and JPEG2000.Because of the efficiency of the coding scheme,our method outperforms both SPIHT and JPEG2000 in terms of peak signal-to-noise ratio(PSNR)and edge preservation index(EPI).