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.     

一种快速、高效的分形图像编码方法

文章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的分形图像编码方法。其基本思路为：首先找到在方差意义下与R块最邻近的D块,在其左右k邻域内搜索与R块匹配的D块,如果没有搜索到满足预定阈值要求的D块,则对当前R块进行4值BTC编码。实验证明,该混合算法与传统的分形编码相比,节约了编码时间,说明该算法具有一定合理性与优越性。     

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。     

分形与图象压缩

利用分形领域中的一个分支---迭代函数系统来介绍分形的内涵,比较确定性迭代算法和随机性迭代算法得到的分形图案,这也是利用分形进行图象压缩的理论基础     

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。     

一种图像分形压缩的改进算法

将矩阵的相关理论运用到图像分形压缩中,简化了分形编码过程,在传统分形压缩的基础上,进一步提高了分形压缩比,同时,提出一种矢量法分形块分类的方法,缩短了分形编码时间.     

基于分形的图像压缩

利用分形领域中的迭代函数系统来介绍分形的内涵,比较了确定性迭代算法和随机性迭代算法得到的分形图案,对如何利用IFS进行图像压缩进行了论述.     

一种新的基于零树小波的图像压缩编码算法

在深入研究零树小波压缩编码算法的基础上,提出了一种改进的零树小波编码算法.即首先用haar小波基对图像进行小波分解,分解后的图像作EZW编码后,不立即对图像进行解码,而是在EZW解码之前加入了Huff-man编解码的过程.实验结果证明,该算法较EZW算法在一定程度上提高了图像的压缩质量和编码效率.     

固定压缩字典在分形图像压缩编码中的应用

分形图像压缩字典是实现分形图像压缩编码的关键因素。针对由Barnsley设计的传统的分形图像压缩编码字典随着压缩图像的变化而变化的缺点，笔者根据统计规律，提出了设计一个固定压缩字典对分形图像进行压缩编码的方法，彻底地改变了Barnsley实现分形图像压缩编码使用变化压缩字典的方法，实验结果表明，固定压缩字典能快速地实现分形图像的编码，并具有部分分形图像的解码优点。     

"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。     

A Novel Fractal Wavelet Image Compression Approach

By investigating the limitation of existing wavelet tree based image compression methods, we propose a novel wavelet fractal image compression method in this paper. Briefly, the initial errors are appointed given the different levels of importance accorded the frequency sublevel band wavelet coefficients. Higher frequency sublevel bands would lead to larger initial errors. As a result, the sizes of sublevel blocks and super blocks would be changed according to the initial errors. The matching sizes between sublevel blocks and super blocks would be changed according to the permitted errors and compression rates. Systematic analyses are performed and the experimental results demonstrate that the proposed method provides a satisfactory performance with a clearly increasing rate of compression and speed of encoding without reducing SNR and the quality of decoded images. Simulation results show that our method is superior to the traditional wavelet tree based methods of fractal image compression.     

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．     

灰度图像的有损RLE压缩

行程编码是一种简单有效的数据压缩编码方法 ,在信源编码中属于统计编码无损压缩的范畴。一般的图像数据存在内在的相关性 ,对原始图像数据进行一定变换可将内在相关性提取出来 ,这就为行程编码在图像压缩领域的应用提供了可能。基于对传统行程编码方法的分析可知 ,必须对其进行一定改进才能保证对数据的有效压缩 ,改进后的编码方法可称为简单有损行程编码。图像的内在相关性可通过变换编码加以分析 ,离散余弦变换就是一种较常用的变换编码方法。对原始图像数据进行离散余弦变换和重排 ,可使相关性较好的数据集中起来 ,为利用简单有损行程编码方法创造了条件 ,该编码方法可称为复合有损行程编码方法。通过实例比较分析 ,证明了该方法能对灰度图像进行有效压缩。在可接受的有损范围内 ,获得较好的压缩比。     

关于分形图像压缩的收敛性

提出弱双曲迭代函数系统压缩方法,证明了其吸引子的存在性和解码序列的收敛性。使用弱IFS的优点在于变换可以是非线性的,而且放宽了对压缩因子的要求,这有利于变换的选取和构造,同时可以由较少的变换对图像进行分形编码,有利于提高压缩比。理论和数值实例,用本的方法进行图像压缩,可选择更广泛、更灵活的变换,能获得更好的图像质量和更高的压缩效率。     

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.     

一种提高重建图像质量的分形压缩编码方法

对分形图像压缩编码过程中拼贴误差与重建误差的关系进行了研究。提出了一种建立在误差间隙控制方法基础上的、不需增加任何附加比特（即压缩比不降低）就可以减小拼贴误差的方法。该方法在有效降低误差间隙的同时,能减小重建误差,提高重建图像的质量。仿真实验表明,在编码时间基本相同的前提下,误差间隙可由０．２９～０．３７降低到０．０１～０．１７,重建图像峰值信噪比（ＰＳＮＲ）约提高０．５１３～１．６３４ ｄＢ。     

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．     

基于脉冲耦合神经网络的目标特征抽取方法

为解决待识别目标的特征抽取问题,提出了一种脉冲耦合神经网络结合形状信息的图像混合特征抽取方法。该方法利用脉冲耦合神经网络将图像空域信号转化为时域信号的特性,结合物体形状信息,对图像的灰度和形状进行了统一描述。实验结果证明,该方法在一定程度上对物体的形变、平移、缩放不敏感,对目标识别系统是一种很好的特征抽取方法。     

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．