改进的分形矢量量化编码

为了提高图象的分形矢量量化编码效果，在利用四叉树对图象进行自适应分割的基础上，基于正交基三维分量投影准则，提出了图象块非平面近似方法，进而形成一种新的静态图象分形矢量量化编码方法。该方法首先通过对投影参数进行DPCM编码来构造粗糙图象，然后由此来构成差值图象编码的码书。由于该方法把分形和矢量量化编码结合起来，因此解码时只需查找码书，并仅进行对比度变换。计算机编、解码实验结果表明，该编码方法具有码书不需外部训练，解码也不需迭代等优点，且与其他同类编码器相比，该方法在压缩比和恢复图象质量（PSRN）方面均有明显改善。     

基于小波分解的分形压缩图象增强

讨论分形解码结果图象的特点,基于分形码对图象的放大作用,用小波提取放大图象中的高频信息,再用小波图像融合方法增强图象细节,同时用小波的局部极大值的Ｌｉｐｓｃｈｉｔｚ指数调整方法去除结果图象的块效应,直接提高压缩结果图象质量,可用于改善高压缩比的分形压缩解码结果图象质量。     

基于子块显著不相关检验的快速分形图象编码

图象分形编码中，子块搜索匹配的实质是子块间的相关匹配。基于这一认识，针对分形编码计算量过大、编码时间过长的缺点，本文提出先对子块进行显著不相关检验，再进行子块匹配的分形编码方法。其编码速度比基于子块分类的分形编码方法快５～２０倍（对测试图象Ｌｅｎｎａ２５６×２５６×８ｐｐｂ而言），而解码图象质量（ＰＳＮＲ）没有明显下降，压缩比还有一定的提高。     

彩色GIF格式图象的解码与显示

本文深入研究了ＧＩＦ格式彩色图象的编码算法，在此基础上，设计并实现了ＧＩＦ图象的解码算法和显示。此外，还分析了除ＧＩＦ外的其他几种常见图象编码格式。     

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。     

JPEG图象压缩方法研究及应用

为了在ＦｏｘＰｒｏ平台下显示ＪＰＥＧ格式的图象，本文对ＪＰＥＧ压缩算法进行了讨论，对压缩模式，离散散余弦变换，量化与逆量化，色彩系统以及熵编码和解码进行了优化设计。     

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。     

基于小波变换和矢量量化的人脸图象压缩

在图象的压缩编码中，矢量量化可以利用某特定类图象（加人脸）的统计特性，为了在高压缩比下获得较好的压缩效果，提出了一种新的小波变换域内进行矢量量化的算法，该算法用树结构表示小波变换域系数，并根据各节点值的重要程度，从每一棵树中提取一个矢量，然后进行矢量量化；解码时，为了使矢量分量能正确地返回到原来树中的正确位置，需利用EZW^[1]、SPIHT^[2]算法的思想标记这棵树，因为这样才能充分利用父子相关性和兄弟相关性，从而显著地减少了标记信息，在提取矢量时，可用简单的阈值剪枝算法，也可用SFQ^[3]的最佳剪枝算法，而且后者能进一步提高峰值信噪比，用该算法对人脸图象进行的压缩试验结果表明，在高压缩比（100:1左右）下，恢复的图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法（如EZW，SPIHT、SFQ等）好得多，该算法特别适合于对特定类图象的压缩。     

基于快速相关矢量量化的图象编码算法

图象编码已经成为当今计算机世界的重要问题,而矢量量化（ＶＱ）又是近年来有损图象压缩的一种重要技术,它的优点是比特率低以及解码简单,但是其穷尽搜索编码计算量较大,为了降低编码时间,已经有多种快速算法出现在一些文献中,然而这些算法往往不能进一步降低比特率,为了解决这一问题,因此提出了一种新颖快速相关矢量量化（ＣＶＱ）图象编码算法,该算法对图象块的编码采用对角顺序,即在编码过程中根据当前图象块（ＣＶＱ）     

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。     

分形图像编码的快速细粒度迭代解码

该文基分形图像编码的固有特征，阐述和研究了分形图像编码的迭代解码方法的“可分级性”概念，在这一思想指导下，在迭代解码过程中用单缓冲算法取代传统分形编码中的双缓冲算法，在节省了内存空间开销的同时有交地实现了更细粒度上的质量可分级性解码，继而提出了一种块排序解码算法用于基于尺寸自适应块分割的分形编解码方案中，获得了更快的解码收敛速度，通过以上一系列算法深入地阐述了分形偏解码中“质量连续可分级性”的思想，给出了一个初步的实现模型并对结果作了详尽的分析。     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

结合DCT补偿的分形图像编码

分形编码是建立在分形迭代函数系统理论基础上的图像压缩方法,压缩比高,但编码时间长,编码过程复杂度高。针对分形压缩方法存在的这些不足,且保证在高压缩比下使得图像质量有明显改善,文中结合离散余弦变换近似的分形图像压缩方法,通过对灰度变换的调节,找到最佳父块及映射,使得均方误差小于容许误差,以此完成编码过程,从而达到提高图像质量和减少编码时间的目的。实验结果表明：文中提出的方法在保证图像质量的前提下,提高了分形编码速度且优于基本分形编码方法。     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

基于分形与JPEG的混合图像压缩算法

根据分形图像压缩算法具有潜在高压缩比的特点,提出基于分形与JPEG算法的混合图像压缩算法。将结合四叉树算法的分形图像压缩算法用于32×32和16×16的子块区域编解码,JPEG算法用于剩余区域编解码。实验结果表明,该算法具有较高的压缩比和解码图像质量,当压缩比较大时,其解码图像的块效应明显弱于JPEG算法。     

Simple fast and adaptive lossless image compression algorithm

In this paper we present a new lossless image compression algorithm. To achieve the high compression speed we use a linear prediction, modified Golomb–Rice code family, and a very fast prediction error modeling method. We compare the algorithm experimentally with others for medical and natural continuous tone grayscale images of depths of up to 16 bits. Its results are especially good for large images, for natural images of high bit depths, and for noisy images. The average compression speed on Intel Xeon 3.06 GHz CPU is 47 MB/s. For large images the speed is over 60 MB/s, i.e. the algorithm needs less than 50 CPU cycles per byte of image. Copyright © 2006 John Wiley & Sons, Ltd.     

一种新的矢量量化编码算法

矢量量化是低位率图像压缩非常有效的一种方法 ,矢量量化基本方法的一个关键问题是需要较长的编码时间 ,尤其对于高维矢量或大的码书 .提出了一种基于 1/ 2 L2 -范数金字塔数据结构的快速编码算法 ,明显加快了编码过程 ,减少了实际对存储器的需求 ,特别对高维矢量和大的码书效果更显著 ,同时保持与全搜索方法相同的编码质量     

基于分形维匹配的编码算法

本文主要描述的是图像处理方面的分形模拟。构造自相似图像,可以由一小组点通过仿射变换重复映射而产生,而这只需要存储一些起始点和作用到这些点上的变换规则即可。本文从分形维的特征出发,提出了基于分形维进行的迭代函数系统（IFS）匹配的分形编码算法（FIFS：Field Iterated Function System）,这不但获得了很高的压缩比,同一般的分形编码相比,还取得了较快的编、解码速度和自相似匹配误差测算方法。