可选特征的快速分形图像编码

目的基本分形图像编码非常耗时,基于子块特征的方法在加快编码速度方面非常有效,提出了一个新的子块特征函数,加快编码速度,改善编码性能。方法首先证明了一个定理,它统一了多个文献提出的理论方法,可以对子块任意定义特征。定理阐述了特征轨迹的长度、分布与编码性能的关系,比较了多个文献算法的优劣,并在定理的基础上定义了一个新的特征。结果实验结果表明,提出的算法在编码性能上较主对角和算法和叉迹算法有一定程度的提高,在PSNR相同情况下该算法具有较短的编码时间,在编码时间相同情况下该算法具有较高的PSNR;在相同的搜索半径内,该算法可找到更多的最佳匹配块;基于子块特征的近邻只是匹配误差极小的必要而非充分条件,当搜索10%的码本容量时,该算法只有约25%的R块找到了其最佳匹配块,当搜索到一半码本容量时,这样的R块数量达到了约80%。结论提出的新子块特征算法较主对角和算法和叉迹算法改善了编码性能,提高了图像质量。     

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．     

基于标准差的快速分形图像编码

由于基本分形图像编码过程非常耗时,本文提出了一种基于标准差的快速分形编码方法.先将子、父块按标准差分为平滑块和非平滑块.码本由所有非平滑父块构成,并按标准差赋序.若子块为平滑块,直接存储其均值,否则在赋序码本中寻找其在标准差意义下的最近邻父块,进而在该父块的邻域内进一步搜索最佳匹配父块,搜索时需对父块进行8种等距变换,同时引进误差阈值来控制子块搜索的邻域范围.实验证明,该算法编码速度大大提高,并且该算法在相近编码时间前提下的解码图像质量及在相近峰值信噪比（PSNR）情况下的编码速度均优于基于图像块叉迹的快速算法.     

规范块叉迹终止条件的分形图像编码算法

为了减少编码过程寻找range块的最佳匹配domain块的时间,本文根据均方根误差和规范块叉迹关系的不等式建立的匹配子块间叉迹终止条件,能有效地剔除与range块不太可能匹配的domain块,使它在缩小的搜索空间里寻找最佳匹配domain块,明显地缩短了编码时间.仿真实验表明,4幅测试图像在与全搜索分形图像编码算法的重建图像质量基本相同的情况下,能够平均加快它的编码速度38倍.     

图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在[PSNR]降低0.73 dB（其结构相似性[SSIM]值仅下降0.002）的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。     

基于规范块半范数的快速分形编码算法

分形图像编码通常需要较长的时间,编码时间主要花费在一个海量码本中搜索每个输入子块的最佳匹配块。在提出的叉迹算法的基础上,提出一种快速编码算法。它主要利用一种新定义的特征——规范块半范数,把搜索范围限制在初始匹配块（在半范数意义下与输入子块最接近的码块）的邻域内。实验显示,与叉迹算法比较,该算法在编码时间和图像质量方面都取得了更好的效果。     

基于图像子块特征的快速分形图像编码算法*

根据图像子块的像素分布特征,提出了一种基于方差和DCT变换的混合快速分形图像编码算法,并在此基础上引入了平滑块的概念.该算法在大幅度提高分形图像编码速度的同时,很好地改善了压缩率和解码图像的质量.实验表明该方法具有优良的性能,在编码时间优于方差快速编码方法的前提下,解码图像的质量和压缩率可以好于基本分形图像编码算法.     

三均值特征的快速分形图像编码算法

分形图像编码因在高压缩比时具有好的重建图像质量而备受图像压缩领域的极大关注,但它在编码过程特别耗时的致命缺点限制了其诸多应用。针对这个问题,新定义了图像块的规范块三均值特征,并根据匹配均方根误差与规范块三均值特征间的关系,提出了一个限制搜索空间的快速分形编码算法：一个待编码range块的最佳匹配块搜索范围仅在初始匹配块（与range块的三均值特征值相近的domain块）的邻域内,搜索邻域的大小由预先设置的剔除条件来自动控制。3幅图像的仿真结果表明,它确实能够在重建图像质量更好的情况下,平均加快了全搜索分形编码算法的编码速度29倍左右,且也优于新叉迹特征算法。     

分形图像编码的快速算法

分形图像编码是一种很有前途的限失真编码方法。该方法具有复杂度高、计算量大的缺点,因此导致编码时间长。编码时间主要花费于在一个通常较大的码本中搜索每个输入子块的最佳匹配块。针对这个问题,通过分析图像子块的纹理特征与分数盒维数的关系,提出一个基于分数盒维数分类的快速编码算法。实验结果显示：对三幅512×512标准测试图像,与全搜索基本分形编码算法相比,该算法既能加快编码速度30倍左右,也能实现更好的解码图像质量。     

基于相关系数的快速分形图像编码算法

自Jacquin提出的分形块编码以来,各种改进算法不断出现,不同程度地减少了编码时间.该文基于相关系数的快速分形图像编码算法,从理论上研究了图像块匹配误差度量和图像块相关系数之间的关系,论证了极小化图像块的均方误差等价于极大化图像块的相关系数,提出了基于相关系数的分形图像编码算法,实现了在解码图像不降质的情况下大大地缩短了编码时间.     

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。     

基于2-范数匹配的分形图像编码改进算法

为解决分形图像编码过程中编码时间过长的问题,对基于2-范数匹配的快速分形图像编码算法进行改进,通过对误差公式的推导,得出误差与图像块方差的不等式,利用该不等式剔除不匹配的码本块,减少计算量。实验结果表明,与原算法相比,改进算法在保证解码图像质量的前提下,进一步提高了编码速度。     

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。     

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。     

缩减码书的快速分形图像编码算法

为了提高分形图像编码算法的编码过程速度,首先从理论上证明了一个联系均方误差和相似度的不等式,并基于匹配对子块的相似度和domain块的标准差,设置了两个剔除条件,用来减少码书容量,然后通过缩小最佳匹配块的搜索范围,以达到加快编码速度的目的。对4幅复杂性不同的测试图像进行的仿真结果显示,在对解码图像主观质量影响很小的情况下,该方案大大加快了基本分形图像算法的编码速度。     

快速的分形码图像检索方法

针对分形域上的基于内容的图像检索(content-based image retrieval,CBIR),提出了一种新颖的基于无搜索的自适应四叉树分割的快速分形编码方法,来提取图像特征,从而使图像检索的编码阶段速度显著提高。对一幅256×256图像编码,算法平均约需0.0485s,比何的方法约快70倍,并且解码图像质量良好。改进了匹配算法来实现图像的快速检索,其准确性要高于洪的方法;最后通过对分形码距及分形码块数的分析,提出了进一步提高检索速度的方案。     

分形图像编码中解码图像质量的预测

对于分形图像编码算法,提出一种解码图像质量的预测方法。通过大量实验观察,发现分形图像编码中Range块的平均拼贴误差与解码图像质量峰值信噪比（PSNR）值之间存在类似指数函数的对应关系。将该对应关系进行曲线拟合,计算Range块的平均拼贴误差,根据平均拼贴误差进行解码图像质量预测。实验结果表明,对于不同R块尺寸和快速分形图像编码算法,该算法均能够对解码图像质量进行较好的预测。     

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。