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。     

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。     

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。     

图像压缩方法综述

图像压缩是图像处理的重要组成部分,随着科学技术的不断进步,压缩方法也在不断涌现。论述了各个常用图像压缩方法的算法及应用情况,着重研究了预测编码和分形压缩方法。有机结合所介绍的压缩算法能解决很多图像处理问题,介绍的图像压缩方法也可供研究人员参考。     

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。     

快速分形真彩图像压缩方法的实现

针对分形图像编码时间过长的缺点,提出了一种快速分形图像编码方法,称为LSS（Local Sub Search）,实验结果表明,对于真彩图像,较之传统的分形编码方法,该方法在相近的压缩比和解码图像质量的情况下,编码时间大为缩短。该方法已在VC++6.0集成开发环境下得以实现。     

图像压缩编码方法综述

本文论述了图像压缩技术的发展和标准,介绍了几种常用经典图像压缩方法和现代压缩的算法及应用情况,有机的结合现有的研究方法才能解决图像压缩的众多问题。