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．     

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。     

串并行分割法在分形图像压缩的应用

分形理论是20世纪70年代美国Benoit B.Mandelbrot提出的,在图像压缩领域中得到了迅速的发展与应用,分形编码压缩的两大难点是如何进行图像分割和构造迭代。介于现阶段的分形压缩算法复杂,编码时间长的缺点,本文通过细化图像分割以减轻迭代时计算量的思想,采用串行边界分割与并行区域分割相合的一种改进方法。     

基于GEP的分形图像压缩并行算法

传统图像压缩算法存在图像压缩率不高、寻找最优分形图像压缩编码速度慢的不足。为此,提出一种基于基因表达式编程(GEP)的分形图像压缩并行算法。分析二值图像压缩变换的求解过程,给出分形图像基因和染色体的编码表示,设计适应度函数,研究GEP遗传进化操作的编码步骤。在PC机群上的实验结果表明,与串行算法相比,该算法的图像压缩率较高、运行速度较快,具有线性加速比。     

神经网络计算机的一种分形实现

神经网络计算机的实现是神经网络研究领域中一个重要课题。目前,神经网络的研究已形成了较为系统的理论模型与算法,但神经网络计算机的研究却至今没有重大突破,主要困难就在于网络规模过大,突触联系密度太高等等,为解决这个问题,文中基于分形理论,提出一种神经网络计算机的分形实现方案,给出了分形维数的计算公式,产从物理上实现了与体结构具有自相似性的分形子结构,在神经网络计算机的实现上作了有益的探索。     

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．     

分形图像压缩与公有数字水印技术

介绍了分形图像压缩的理论基础：分形空间、迭代函数系统、仿射变换、压缩映射定理和拼贴定理;并介绍和分析了基于分形图像压缩的公有数字水印技术。     

神经网络在图像压缩编码中的应用研究

简要介绍ＡＮＮ在图像压缩编码中的应用研究概况，包括神经网络广义变换编码和基于神经网络的矢量量化。同时，给出图像压缩编码神经网络方法研究的主要内容与要突破的难题。     

数据图像压缩技术

人类接受外界信息的各种方式中，用人眼视觉接受图象信息是最直观、最主要的形式。利用存储介质可以存储数据图象，利用数据通信系统可以传输数据图象。然而，随着图象的增多，在介质中将占用越来越大的空间，在传输过程中将占用越来越多的传输时间。为了对图象进行快速的检索、分类、存储、传送及显示，就需要对数据图象进行压缩。数据压缩技术最早可追朔到1843年出现的莫尔斯电报码，这是最原始的变长码数据压缩实例。香农1948年发表的经典论文“通信的数学原理”中提出的信息率一失真函数概念和1959年确定的率失真理论，奠定了信源编码的…     

分形图像压缩编码技术介绍

分形图像编码是目前研究较为广泛的一种现代编码方法本文在比较经典编码方法和现代编码方法的基础上介绍了分形的概念、分形图像压缩技术方案及实现,并阐述了分形编码的应用前景。     

基于分形思想的差值图像压缩技术

针对屏幕监控系统中数据传输的特殊性,提出基于分形思想的差值图像压缩技术.图像分形后,对相邻帧间对应的数据求差并进行压缩编码,减少时间与空间冗余度.试验表明,该方法能有效降低传输时的数据量,节约传输时间,同时是一种无损的压缩算法.     

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%。     

图象数据压缩的BP神经网络方法研究

重点研究BP人工神经网络用于图象数据压缩时,网络拓扑结构变化和算法修正对网络训练时间及重建图象质量的影响,仿真表明：选择合适的网络结构,采用文中给出的快速网络训练算法,可明显加速网络收敛,且网络易避开学习误差的局部极小点,克服网络学习误差收敛刚性。BP神经网络用于图象数据压缩取得了高压缩比和好的重建图象质量。     

基于四叉树的分形图像压缩编码算法的C 实现

该文首先介绍了分形图像压缩的基本理论,如迭代函数系统,拼贴定理等。然后重点研究了基于四叉树的分形图像压缩编码算法。最后通过编写代码实现此算法,并与基本的分形图像压缩算法进行试验比较,进行总结。     

基于自组织特征映射神经网络的图像压缩

简要介绍了基于自组织特征映射(SOFM)神经网络的图像压缩的传统算法。通过对传统方法的优缺点分析，提出了一种新的简单的矢量量化压缩方法。新算法采用分类码书设计和残留编码，大大提高了图像的客观指标和主观视觉效果。实验表明此方法明显优于传统的SOFM算法，而且易于硬件实现。     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

神经网络在彩色图像压缩中的应用

文中旨在提出一种基于神经网络的图像压缩算法对彩色图像信息进行处理,从而减少大规模彩色图像的冗余度,方便其传输、存储及加密等。该算法通过将BP（Back Propagation）神经网络用于彩色图像压缩,利用其多层前馈网络的模式变化能力,实现了对由RGB编码得到的彩色图像数字矩阵进行的压缩编码。经Matlab仿真实验表明,该算法具有良好的压缩效果,且与灰度编码下的图像压缩结果对比,具有更好的压缩效率及保真效果,并能有效地保留原彩色图像的色彩信息,能够满足彩色图像压缩处理的要求。     

一种基于Imgedit控件的图像压缩技术实现方法

介绍了一种图像压缩技术的实现方法,该方法以Visual C++为开发工具,并调用Imgedit控件将位图图像压缩为JPEG文件.     

CUDA平台的分形图像压缩方法

考虑到分形图像压缩中,值域块与定义域块之间的匹配能够并行计算这一特点,利用计算统一设备平台CUDA进行GPU加速.提出一种GPU、CPU相结合的四叉树压缩算法,通过GPU加速最耗时的距离计算部分,而四叉树分割、初始化等部分仍采用CPU完成.在GPU加速部分,讨论了单值域块与多值域块的方法,通过分析与实验表明,后者比前者能进一步提高并行性能.与传统的纯CPU方法相比,本文的方法能够显著提高压缩速度.