子块均点特征分形快速图像压缩编码

分形图像压缩根据图像特有的自相似性,利用压缩仿射变换消除图像数据冗余度,进而实现图像压缩,实现较高的压缩比。然而,分形图像压缩编码具有计算复杂度高、运行时间过长的致命缺点,对于图像信息量巨大的当今社会来说不具有实用性。为解决基本分形压缩编码耗时过长的问题,提出了子块均点特征分形压缩编码算法,利用该算法将基本分形压缩编码的全搜索转为局部搜索,限定搜索范围,减少定义域块的搜索,在客观质量稍作牺牲的基础上加快了编码速度。将所提算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较,仿真结果表明,在时间稍逊的情况下,所提算法在客观质量（Peak Signal-to-Noise Ratio,PSNR）上更优。     

快速分形图象压缩编码

本文提出一种基于局部迭代函数系统（ＬＩＦＳ）的快速分形图象压缩编码、解码方法。实验表明，该法在恢复图象的信噪比为３０ｄＢ时，仍能达到２５倍的压缩倍数。     

基于分形编码的图像压缩域检索

在小波域利用迭代分形码可以唯一表征原始编码图像特征的特点,由此可以利用迭代函数系统的某些特性实现基于分形压缩数据的图像检索操作.文中对基于迭代分形的图像压缩方法和检索方法进行了研究,在小波变换域内提出了一种基于迭代分形的高效图像压缩方法.同时在图像分形码的基础上利用迭代函数系统的分布特性来进行图像间相似距离的计算,从而实现了基于分形压缩数据的图像检索操作.     

序列图像的分形编码

分形方法作为一种新兴的图像编码方法,有着压缩比高等独特的优点。但由于它也有着致命的缺点,即编码速度速度很慢,目前对于序列图像的分形编码的研究方兴未艾。文章介绍了两类主要的序列图像分形编码方法,并对其进行了展望。     

分形图像压缩编码

文章从整体上对分形编码进行论述和说明，介绍分形理论及其数学模型，包括ＩＦＳ，ＬＩＳ，以及使用分形技术进行编码的基本思想和整个过程，此外，还简要介绍了分形技术的发展状况和前景。     

基于深度学习的分形图像压缩编码模型设计

针对传统编码模型存在的图像分割处理效果不佳、分割精度不高、耗时较长以及编码质量较差的问题,提出基于深度学习的分形图像压缩编码模型。建立图像分割约束条件,对图像进行分割处理,以处理后的图像作为深度学习中ResNet网络模型的输入,提取原始分形图像的特征并将图像块分类;建立特征图像块匹配规则,排序图像块,记录分形码,将分形码作为图像在度量空间内的表现形式,通过度量空间的压缩变换实现分形图像压缩编码。实验结果表明：所提模型的图像压缩编码质量较高,具有一定的应用价值。     

分形与图像压缩编码

本文概述分形图像压缩的理论基础,介绍分形图像编码的IFS方法,讨论小波技术在分形图像编码中的应用。     

基于树搜索的分形图像压缩编码

本文提出基于树搜索的分形图像压缩编码的新算法。该算法在恢复图像信噪比和主观质量较之全搜索算法略有损失的前提下，大大提高了分形图像编码的速度。     

基于分级匹配和分形插值的图像压缩编码

本文在分形方块图像编码的基础上,提出一种分级匹配分形编码和分形插值相结合的图像压缩方法,实验结果表明,在基本保持重建图像质量的前提下,编码时间大为缩短。     

基于分形编码的图像相似匹配研究

本文以自适应四叉树分割的分形图像编码为基础，研究了极坐极表达下分形码之间的匹配，并在此基础上提出了图像间分形码峰值信噪比的概念和算法，以达到量化图像间相似性的目的，实验证明，这种基于自适应分形编码的图像相似性匹配方法 人的主观判断非常接近，非常适合于用来构建和管理大图像数据库。     

广义收敛的分形图像压缩编码

本文讨论了分形图像压缩的收敛性问题,给出了严格收敛和广义收敛的概念,提出了广义收敛的分形图像压缩编码方法(GC-FICC).实验证明,应用本文方法,可以在保证同样压缩比前提下,提高重建图像质量.     

分形学与图像压缩编码

介绍分形学的产生意义和作用，提出分形物体的数学模型，讨论分形技术应用于图像压缩编码中的迭代收缩变换算法。     

基于小波变换的快速分形图像编码

分形图像压缩编码方法以其高压缩比的潜在性能而在近年来倍受重视,但是分形方法还存在着一些问题亟待解决。本文所提出的基于小波变换的分形压缩方法不仅弥补了分形方法编码时间过长的缺点,而且还使分形方法高压缩比的优点,得以进一步发挥。     

基于提升小波变换的快速分形图像编码

介绍了分形理论和提升小波变换理论,提出提升小波变换结合快速分形编码的混合编码方法。实验结果表明,提出的新算法在解码图像质量略有损失的情况下,图像编码时间和压缩比方面均有良好的效果。     

基于子域对角和的快速分形图像编码算法

为了改进分形图像压缩编码过程耗时过长而影响实用的问题,新定义了子域对角和来描述图像块的特征.算法把码本按照子域对角和特征的大小排序,对每个待编码的Range块,仅在赋序码本中找到与Range块的子域对角和的数值最接近的Domain块,并在此Domain块的邻域内搜索最佳匹配块.实验结果表明,在保证解码图像质量的前提下,该算法较快地提高了编码速度.     

一种基于K-均值聚类优化的快速分形图像压缩算法

提出了一种基于K-均值聚类的快速分形图像压缩算法,对搜索窗中的父块和子块,根据其方差的不同,用K-均值聚类方法分别对子块和父块进行聚类,子块只对同一类中的父块进行匹配,从而大大缩短了编码时间。实验结果表明,与经典分形压缩算法相比,本文算法编码速度可提高5倍;同基于方差的快速分形压缩算法相比,本文算法也有明显的优势。     

快速分形图像编码的一种特征方法

快速分形图像编码的特征向量法是最具创新性、最有前途的方法之一,但它有几个缺点、特别是特征向量的高维数性.针对这个问题,本文提出减少分形编码时间的一种可选的特征方法.作为它的应用,本文先定义图像块的新特征——叉迹,然后提出一个基于叉迹的快速分形算法.这个算法把Range-Domain子块匹配问题转化为叉迹意义下的邻域搜索问题.对256×256 Lena图像的实验显示,与基于全搜索的基本分形算法比较,依赖于搜索邻域大小,该算法既能在峰值信噪比相同的情况下实现加快3倍多,也能在主观质量有一定下降的成本下实现加快100倍以上.     

基于区域的分形图像编码

本文在分形方块图像编码的基础上，提出了一种区域分形编码方法。以提高压缩比，缩短编码时间。实验结果表明，在信噪比略有下降的情况下，压缩比几乎提高一倍，编码时间大为缩短     

一种改进的分形图像压缩算法

为了提高分形图像压缩编码的速度,针对在基本分形图像压缩算法中值域块编码匹配搜索时需要对变换后的定义域块一一对应,导致编码时间较长的缺点,提出了一种基于菱形搜索算法的分形图像压缩编码新算法.菱形搜索算法是一种运动估计的快速搜索算法,主要过程是在所有的候选块中搜索当前块的最优匹配块.通过运用菱形搜索算法中的大小菱形模板进行匹配搜索,实验证明文中算法在提高编码速度和降低编码复杂度是有效的.     

分形图像编码研究的进展

 分形图像编码是近几年发展起来的一种新的图像编码方法,目前对其研究较为广泛.本文介绍了分形图像压缩编码的数学原理、基本特性,着重介绍了当今这一领域的发展成果,比较了各种方案的优缺点,分析了目前编码方案所存在的缺点、原因及未来的发展方向.