圆盘与分形图像压缩编码算法

分形图像压缩字典是实现分形图像压缩编码的关键因素，而由Barnsley设计的传统的分形图像压缩编码字典的不足之处是压缩字典还比较小．针对这一缺点，提出了一个较简单的非线性圆盘算法，简化了Hong Yan等提出的复杂非线性圆盘算法，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，并具有良好的压缩结果和高质量的重建图像。     

Julia集在分形压缩编码中的应用

目的构建一固定的压缩字典.改变传统的一副图像对应一个压缩字典的分形图像压缩方法.提出了分形图在分形图像压缩算法中的应用.方法采用f(z)=z2 C,对不同的C,有不同的曲线.用灰度值量化规则进行量化,得到一幅图像.这样可以得到丰富的压缩字典.将量化后的4×4 Julia量化曲线与原图的4×4图像块进行比较,选取豪斯多夫度量最小的Julia量化曲线.解码过程读取压缩字典,重建原图像.结果通过与传统的分形图像压缩算法比较,该算法编码过程生成丰富的压缩字典,所以解码图像质量高.并且比传统分形图像压缩算法的压缩比高,解码速度快.结论用固定分形图像压缩编码字典替代变化的分形图像压缩编码字典,使得压缩字典和要处理的图像不再一一对应.将父类进行简单的分类,减少了搜索时间.实验证明本算法实现简单、可行.图像压缩理想,效果很好.     

Logistic映射和Julia集在分形图像编码中的应用

目的将混沌应用于分形图像压缩编码中，用Logistic混沌映射和Julia曲线生成一个固定的压缩字典，改进传统的分形图像压缩编码方法．方法采用二阶的Julia集f（Z）：Z^2＋C的时间逃逸算法。对于不同的C生成不同的曲线。然后使用Logistic混沌映射随机地产生0-255之间的整数填满量化表．再根据灰度量化规则，用第一千张量化表量化产生的Julia图像缺，作为压缩编码中的固定字典、编码时，将量化后图像Julia块与原图中的图像缺进行比较，寻找最适合的量化表和距离最小的Julia图像块．解码时通过重构第一千张量化表来重建原图像、结果与传统的分形压缩编码相比较．该方法能生成丰富且固定的压缩字典，编码的速度快，解码后的图像质量高．结论用Logistic混沌映射产生的随机数序列作为量化表中的系数，并用固定的压缩字典来取代变化的压缩字典，通用性强，编码时间少，实验证明，本算法切实可行．压缩效果好．     

M集在分形图像压缩编码中的应用

目的构造一个固定的压缩字典,改变传统的一幅图像对应一个压缩字典的分形图像压缩方法,解决Mandelbrot图像在分形图像压缩算法中的应用问题.方法采用函数f(z),改变参数z,生成不同的曲线,用灰度值量化规则进行量化,得到许多幅图像块,可以构成丰富的压缩字典,编码时将父块进行自适应合并分割,与压缩字典中的图像块进行匹配,选出满足条件的图像块,再对该图像块进行编码;解码时读取压缩字典,重建图像.结果该算法编码过程中生成丰富的压缩字典,所以解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.结论该算法减少了搜索时间.实验证明本算法实现简单、可行,具有良好的压缩效果和高质量的重建图像.     

广义Mandelbrot集和Logistic映射在图像压缩中的应用

目的在构造压缩字典时,改变传统的一幅图像固定一张量化表、一幅图像对应一个压缩字典的分形图像压缩方法,将广义M集和Logistic映射应用于分形图像压缩编码.方法采用函数f（z）=z3＋c,生成M集曲线,使用Logistic混沌映射生成的量化表量化M集曲线,生成图像块,构成压缩字典.将自适应合并算法应用于图像的分类,将量化后的M集图像块与压缩字典中的图像块进行匹配,选出满足条件的图像块,然后对该图像块进行编码;解码时读取压缩字典,重建图像.结果实验证明本算法实现简单、可行,图像压缩比高、重建图像质量好.结论该算法生成的图像块数量多、种类全,构造的压缩字典丰富,解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.     

"Julia曲线"集合与分形图像的压缩编码

将“Julia曲线”按正方形形状以多种方式进行量化,并将量化的“Julia曲线”用于分形图像压缩编码,改变了分形图像压缩编码以变化的压缩编码字典进行编码的缺点,通过实验结果证明,“Julia曲线”能很好地拼贴所要编码的图像,并具有分形图像的解码优点,压缩比和压缩速度有了较大提高。     

基于圆盘特性的非线性分形图像压缩编码方法

提出了一种能够有效扩充编码字典的较简单基于圆盘特性的非线性分形图像压缩编码算法.该方法基于圆盘的旋转重叠的对称特性,将正方形内切圆中心点与其边上象素点相连,取其连线与内切圆的交点作为该象素点在圆盘上的映射点,简化了HongYan和Popescu等提出的基于圆盘特性的分形图像压缩编码方法,且逻辑简单,实现容易;实验数据表明,此方法有效的扩充了分形图像的编码字典,有较高的图像压缩比和峰值信噪比,获得了高质量的重建图像.     

Julia集与分形图像压缩编码的分析与改进

目的通过对Julia图像块分形压缩字典的分析与分类。实现对分形压缩字典的精简，提高分形压缩效果和减少分形压缩时间．方法基于固定的C在复平面上进行迭代得到Julia集，利用量化表量化得到Julia图像块，将所得Julia图像块数据导入到Excel表中，利用Excel的统计功能进行分析并根据均值、方差等特征值进行分类．结果精简了图像块约13000块，并通过分类方法使压缩时间减少到原来的1／3．结论通过对参数C的研究可以提高Julia图像块分形压缩字典的质量．减少编解码的时间．     

分形快速高效图像数据压缩

研究了分形图像压缩编码和分形图像插值方法,提出了综合利用分形插值和分形图像编码方法进行图像数据高效压缩的方法。实验结果表明,该法在恢复图像信噪比为28.7dB时,压缩倍数可高达76倍。     

分形图像压缩技术研究

介绍了分形的概念、分形压缩的思想及其数学基础，并就图像分割、迭代函数的构造等分形压缩编码的关键技术进行了详细的讨论，给出了一种适用于静态图像压缩的分形编码方法和实现步骤．     

基于小波域的分形图像压缩

对小波变换、分形压缩编码的原理和特点进行了分析;结合小波变换和分形压缩编码,利用分形的自相似,研究了基于小波域的分形图像压缩方法。该方法有效地减少了计算复杂度和编码时间。实验结果表明,该方法在较大的压缩范围内,能够获得好的压缩结果,同时也表明采用这种方法的潜力之所在。     

快速分形图象压缩算法

分形块编码法能提供高压缩比、高质量的图象,其美中不足之处在于搜索最佳匹配块时耗时过长。本文提出的快速算法,采用二叉树和链表结构进行搜索,大大提高了匹配速度,从而缩短了编码时间。本算法分两次使用分形块编码,第二次是对第一次编码还原图和原图之间的误差进行编码,减少了图象失真。仿真结果表明,本算法较传统分形块编码法速度提高了几十倍。在高压缩比下,图象质量高于 Ｊ Ｐ Ｅ Ｇ算法。     

基于蚁群算法的快速分形图像压缩方法

目的针对基本分形图像方法中编码时间过长的问题，提出一种缩短分形图像压缩编码时间的改进方法。提高编码的效率．方法基于蚁群算法的分形图像编码方法．结果实现了分形图像定义域块的自动分类，在匹配时通过类内搜索代替全局搜索；在类内匹配时进行基于匹配概率搜索．结论从理论和实验结果分析表明，相对于基本的分形图像压缩算法，该方法在基本保持重建图像质量的前提下，编码时间大大降低。加快了分形图像压缩的速度．     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

一种基于分形的图像压缩方法

针对传统分形编码时间过长的缺点,提出了一种高效而快速的基于方差和4值BTC编码混合的分形图像编码方法。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。     

分形图像压缩算法

分形图像压缩是近年产生的图像压缩技术,它以分形几何为数学模型,将原始数字图像看作压缩变换的吸引子。其压缩编码思想是将图像划分为互不重叠的值块,同时以相互重叠的域块构成图像的虚拟码书,由最小均方差准则在虚拟码书中搜索与值块最相匹配的域块。编码过程保存了匹配的仿射变换信息,从而达到压缩目的。本综述了分形图像压缩算法,讨论了自适应分区法和减低复杂度技术的方法。