图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在[PSNR]降低0.73 dB（其结构相似性[SSIM]值仅下降0.002）的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。     

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．     

基于相关信息特征最近邻搜索的快速分形图像编码

针对分形图像压缩算法编码时间过长的问题,提出采用相关信息特征作为最近邻搜索特征的快速分形编码算法.通过深入分析图像子块的结构特性,提出相关信息特征的定义,证明并分析了采用该特征进行最近邻搜索操作的合理性.与传统特征相比,相关信息特征能够更好地反映子块的结构特性,所以基于相关信息特征的最近邻搜索能够更准确地确定后续局部匹配的范围.实验表明,在编码时间相同的情况下,本文算法较其他三种同类算法能够得到更好的解码图像质量.     

基于快速分形的DCT补偿图像压缩编码算法

针对分形编码时间过长和离散余弦变换(DCT)在高压缩比下出现方块效应的两点不足,文中提出了一种基于快速分形的DCT补偿图像压缩编码算法,通过对子块和父块特征值排序,使得子块只搜索那些特征值符合条件的父块,从而降低了搜索的复杂度,进而加快了搜索速度.为了提高恢复图像的质量,将图像进行分形编码后,再对灰度误差块8×8作离散余弦变换.仿真试验的结果表明,结合两者的长处可以达到高质量和高压缩比的目的,从而达到很好的编码效果     

基于模拟退火算法的自适应分形图像压缩

针对传统的分形图像压缩方法存在计算量大,编码耗用时间长的缺点,本文引入模拟退火算法思想,提出了一种基于模拟退火算法的自适应分形图像压缩编码方法。实验结果表明,与传统的分形图像压缩方法相比,该方法在保证图像压缩比和图像质量的情况下,可以大幅度地减少了图像的编码时间。     

分形图像压缩算法中代码本块的改进

分形图像压缩方法由于其压缩比高、解压方法简单等原因受到了越来越多的重视，但它的压缩质量不是很令人满意，本文在传统算法的基础上对通过定义域块收缩得到的代码本块提出修正算法，证明了该修正算法获得的近似匹配块的均方根误差小于原有的匹配块的误差，本文还对代码本块像素强度值提供了校正方法，使得还原图像在局部上能够更近似于原图像。     

基于模糊聚类优化的分形图像压缩快速算法

本文针对经典分形压缩算法中编码时间过长的问题提出了一种改进算法。将陈武凡教授提出的模糊聚类优化(Optimal Fuzzy Clustering,OFC)方法改进并应用于对搜索空间的软分类,匹配时通过用类内搜索取代全局搜索,降低了编码时间。相同运算环境下的仿真实验结果表明,在不影响信噪比和压缩比的前提下,与经典分形压缩算法相比,OFC算法编码速度可提高大约5倍;同近期文献报道的基于小波系数硬分类(Wavelet-hased Block Classified,WBC)和基于经典LBG硬分类的快速分形压缩算法结果相比也均有明显的改善,这都证明了本文算法的优越性。     

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。     

一种基于新型四叉树的快速分形图像压缩算法

现有的快速分形编码算法多数是在没有考虑人眼视觉系统（HVS）的前提下实现的,针对这个问题,利用HVS的特性,提出了一种基于新型四叉树的快速分形图像压缩算法.在算法中,一幅方形图像先被分成四个大小相等的方块,然后测试每一方块是否满足一致性标准.如果满足标准则不再细分,否则将其分为大小相等的四块,再对每一块实施一致性检验.重复此过程直到每一块都满足一致性标准为止.理论分析和试验结果表明,相对于经典分形压缩方法,本文算法在获得相近重建图像质量的同时,压缩比和编码速度都有了显著的提高,是一种有效的分形图像压缩编码方法.     

基于遗传算法的分形图像压缩

数字图像压缩日益引起人们的重视。利用图像中的局部分形特征进行压缩，取得了好的效果，但其虚拟码书的搜索匹配，计算量十分庞大。本文提出将遗传算法应用于分形图像压缩，大大降低了压缩编码的复杂性，与穷尽搜索匹配的算法相比，搜索范围在Ｏ（１０＾－２）量级，解码图像的峰值信噪比得到很好地保持，实验结果证实了算法的有效性。     

缩减码书的快速分形图像编码算法

为了提高分形图像编码算法的编码过程速度,首先从理论上证明了一个联系均方误差和相似度的不等式,并基于匹配对子块的相似度和domain块的标准差,设置了两个剔除条件,用来减少码书容量,然后通过缩小最佳匹配块的搜索范围,以达到加快编码速度的目的。对4幅复杂性不同的测试图像进行的仿真结果显示,在对解码图像主观质量影响很小的情况下,该方案大大加快了基本分形图像算法的编码速度。     

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。     

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。     

基于行列式的快速分形图像编码算法

分形图像编码是一种很有前途的限失真压缩方法,然而,它存在计算量大的缺点,导致其编码时间过长。分形编码的时间主要花费在一个通常较大的码本中搜索每个输入子块的最佳匹配块。针对此问题,提出了一个加快编码的方案,它基于图像块的规范化行列式,能够在相对小的搜索邻域内找到输入子块的最佳匹配块。对3幅512×512测试图像的实验结果显示,与全搜索基本分形算法比较,依赖于搜索邻域的大小,该算法既能在峰值信噪比相同的情况下实现编码速度加快30倍左右,也能在主观质量略有下降的情况下实现编码速度加快1 000倍以上。     

基于结构信息特征的快速分形图像编码

针对分形图像编码时间过长的问题,提出一种基于结构信息特征的快速分形图像编码算法。给出结构信息特征的定义,并以该特征作为特征量对码本进行分类和最近邻搜索。在由搜索结果给出的邻域内进行子块匹配操作,实现编码。实验表明,在相同编码时间的情况下,该算法解码图像质量高于同类快速分形图像编码算法。     

一种基于矩不变量的快速分形编码方法

目前分形图像压缩的最主要问题是其编码时间太长,这主要是因为在分形编码时,对每一个待编码值域块都需要比较数量巨大的定义域块才能找到它的最优匹配块。通过深入分析分形编码过程,文章首先提出了一种图像的矩不变量,它在灰度仿射变换下保持不变,并以此作为图像块的特征来为分形编码中的图像块进行分类,从而得到了一种基于矩不变量的快速分形编码方法:将定义域块按其矩不变量进行分类,在编码时对每一个待编码值域块,其最优匹配块只在其同类或相邻类的定义域块中寻找,从而大大地减少了定义域块的比较数目,缩短了编码时间。实验证明,与已有的分类方法相比,该文方法在解码图像质量基本满意的基础上,极大地提高了分形编码的速度。     

基于规范子块五点和的快速分形图像编码

分形图像编码通常需要较长的时间,编码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,提出一个限制搜索空间的算法.它主要基于图像块的一种新特征——五点和,把搜索范围限制在初始匹配块(五点和意义下与输入R块最接近的D块)的邻域内.实验表明：该算法能够大大减少子块匹配比较的数量,与基于叉迹的快速分形算法比较,在相同的搜索邻域内,在编码时间、图像质量和压缩比方面都更优.     

一种基于字典的快速分形图像编码方法

针对传统分形图像编码方法编码时间较长的问题,提出一种基于字典的快速分形图像编码方法。利用Julia分形集通过较少参数即能产生丰富图像的特点,将其做成压缩字典,对任意图像均可在字典内查找到合适的定义域块。实验结果表明,在保证编码效果的前提下,该方法可以提高编码速度,尤其对于大尺寸图像,提升幅度更为明显。     

基于遗传分形编码的嵌入式小波图像编码算法

在分析小波变换与分形编码特点的基础上,提出了一种新的基于遗传分形编码的嵌入式小波图像编码算法。根据图像进行小波变换分解为不同空间频带上的子图像这一特性,对其低频子带进行基于遗传算法的分形编码,利用遗传算法的快速全局搜索能力提高分形编码中值域块与定义域块的匹配搜索速度;对其高频子带部分进行阈值去噪处理后进行SPIHT编码,两部分同时进行,提高图像的压缩效率。实验结果表明：同传统的分形编码和SPIHT编码压缩方法相比,该算法在图像的重构质量方面有所提高,尤其是在中低码率下PSNR(峰值信噪比)得到了较大提高,并且算法执行时间明显减少。