基于形态特征的快速分形图像编码

现有的快速分形编码算法多数是在降低图像质量的前提下实现的。针对这个问题,提出了一个快速分形编码算法,它基于新定义的图像块的形态特征的概念。这种算法先把码本按形态特征大小赋序,然后对于每个输入Range块,在赋序码本中寻找与它的形态特征最接近的码块,进而在这个码块的邻域内搜索Range块的最佳匹配块。实验结果显示,对于256×256的Lena图像,与基本分形算法比较,其依赖于搜索邻域大小,该算法既能在峰值信噪比(PSNR)相同的情况下编码速度加快4.4倍,也能在主观质量略有下降的情况下编码速度加快约140倍。     

主对角和特征的快速分形图像编码

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。但编码过程耗时长限制了它的应用范围。为了缩短编码时间,根据匹配均方根误差与新定义的规范块主对角和特征间的关系,提出了一个限制搜索空间的算法：对一个待编码range块,仅在与该range块主对角和特征值最接近的domain块的邻域范围内搜索它的最佳匹配块。同时融入两个措施：一是预先从码书Ω中排除小标准差domain块;二是对小方差range块用其均值块代替。该算法不仅从理论上证明是可行的,而且三幅标准测试图像的仿真实验结果也表明,它确实能够在重建图像质量略好的情况下,平均加快全搜索分形图像编码算法的编码速度30余倍。     

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。     

基于平均偏差排序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，但由于其编码时间长、计算复杂性高，因而阻碍了它的广泛应用，针对此问题，提出了一种快速的分形编码算法。这种算法是首先将码本按照平均偏差大小进行排序，然后使用二分搜索法寻找给定Range块在平均偏差意义下的最好匹配码块，进而利用一个联系均方根和平均偏差的不等式来在这个最好匹配码块的邻域中搜索Range块在均方根意义下的最佳匹配码块。实验结果显示，在主观质量略有下降的条件下，该算法编码过程显著快于基本分形算法。     

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。     

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.     

基于匹配概率活动表的分形图像快速压缩编码算法

本文在Jacquin提出的自动分形图像编码算法的基础上,针对各定义域块与值域块的匹配概率不相等,提出了基于匹配概率活动表的分形编码算法,为进一步加快编码速度,从理论上重新定义了定义域块与值域块间距离的计算,并分析了值域块类型与门限取值间的关系,并经实验给出了门限的具体数值。实验结果表明,与基本自动分形图像编码方法相比,在保持重建图像质量的前提下,运算时间大大下降,加快了分形图像压缩速度。     

基于方差的快速分形图像编码方法

由于分形图像编码过程非常耗时,因此提出了一种加快分形图像编码速度的新方法.分形图像编码的依据就是图像的自相似性,方差是反映图像统计特征的最基本的参数,它的大小从总体上反映了图像的粗糙程度,因此分别利用定义域(Domain)块、值域(Range)块的方差形成一个特定的剔除条件,在编码的初级阶段排除大量不匹配的Domain块,使搜索空间仅有几个至几十个定义域块组成.实验结果表明,在保证图像质量较好的情况下,编码速度得到了极大的提高,是传统分形编码的几百倍.     

IFS分形图像快速压缩编码

自Ｂａｒｎｓｌｅｙ提出分形图像编码的概念,特别是Ｊａｃｑｕｉｎ给出了第一个完全由计算机自动完成的图像编码算法以来,分形图像编码得到了越来越多的关注,但分形图像压缩往往需要较长时间,这就给具体实用带来了巨大困难。本文首先给出分形图像压缩理论,然后在Ｊａｃｑｕｉｎ所提出的分形方块编码基础上提出了改进算法,包括建立小方块被匹配概率活动表,按相似度找到匹配块,隔点计算法等。针对上述改进算法,作了具体实验。实验结果表明,与基本自动分形图像编码方法相比,在保持重建图像质量的前提下,运算时间大大下降,加快了分形图像压缩速度。     

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．     

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩（SFIC）算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。     

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。     

PDVQ图像编码系统的算法研究

PDVQ图像编码系统首先将码书进行方向性分类,把每类方向性码书中的码字按码字和值进行升序排列,并根据EBNNS算法将码书分块。编码时,先根据输入图像块的相关性进行PDVQ编码,然后分析输入图像块的方向性来选择相应的分类子码书,在该子码书中根据输入图像块的和值确定码字搜索范围,最后在确定的搜索范围内搜索最匹配码字。仿真结果表明,该系统集合了动态图像块划分（PDVQ）、基于方向性分类编码和等和值块扩展最近邻码字搜索（EBNNS）三种算法的优点,在保证重建图像质量前提下,缩短了编码时间,并提高了压缩比。     

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。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

基于子块特征的快速分形图像压缩算法

针对分形图像压缩编码时间过长的缺点,提出一种改进算法,利用子块的相似特征,将基本分形图像压缩的全搜索过程,转化为相对差意义下的最近邻搜索,在搜索过程中只搜索与值域块相对差相近的码本块,减少了搜索范围。实验结果表明,该方法与基本分形图像压缩相比,在保证解码图像质量的同时,有效地加快了编码速度。     

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。