快速分形图象编码

提出了一种新的快速分形图象编码方法。该方法通过自适应的图象分块,相似块集的矩分类,相似块和图象块的正交分解以及象素递增的动态搜索等４个步骤来加快分形图象编码的过程。实验结果表明,提出的方法和缩短编码时间方面确有其效,特别是对于细节丰富的图象,效果尤为明显。     

图象块的分形近似和分块分形近似编码

提出了一种图象块的分形近似方法。该方法借助于ＳＡＳ以达到对图象块的最小平方的分形近似，其运算量仅为２×Ｍ×Ｎ次乘法和４×Ｍ×Ｎ次加法，Ｍ×Ｎ为图象块大小。由图象块分形近似量化而成的编码，称之为分块分形近似编码。其压缩比依赖于所选取图象块大小和迭代变换系数的量化。对８×８图象块，在不失真情况下，其压缩比达到１７．８倍。通过对大量图象的实验结果表明，只需进行８次迭代，就能得到满意的重构图象。和其它分形编码相比，此方法简洁，编码速度快，对２２０×２２０的＂Ｌｅｎａ＂图象进行编码，在ＰＣ４８６／ＤＸ３３上，仅需时３０秒。     

序列图象的似分形编码方法

该文将目前分形图象编码中描述图象自相似性的方法,用于对序列图象中图象间互相似性的描述,并提出了一种称为似分形的序列图象编码方法。与传统的分形编码方法相比,这种方法由于在编码时不受分形编码特有条件的限制,解码时也不需要迭代,因此编码速度和编码质量都得到一定程度的提高。实验结果证明了该方法的有效性。     

基于矢量量化的图象分形压缩编码

提出一种基于矢量量化技术的图象分形压缩编码方法,其能较好地克服传统的图象分形压缩编码方法中存在的速度慢,压缩率低等缺点,并且同时获得较高的图象恢复质量。     

算术编码在分形图象压缩中的应用

结合近年来对分形块编码的研究成果,实现了其编码和解码过程;并且通过研究存储数据之间的内在联系,提出对不同的数据按不同的原则进行分类,然后分别施行算术编码。分析数据及实验效果说明,改进的编码算法在不影响信噪比的前提下得到了较好的压缩比。     

分形图象压缩的快速算法

缩短分形块编码时间是进行分形图象压缩的关键问题之一。该文从邻域匹配、对比度因子的选取、预处理等方面提出了一些降低编码时间的方法。文章重点阐述了这些方法的原理和有关实现算法。实验结果表明，该文所提出的方法在提高编码速度上具有较好的效果。     

在小波分解下的分形块方法图象编码

本文分析了分形块方法在小波变换下的特点，指出特殊的块方法是从低分辨率细节构造高分辨率细节的本质，给出了一种简单的解码过程，只需递推有限步便可恢复原图象。根据类似的思想。本文作者提出更一般的由低分辨率细节构造高分辨率细节的方法。     

基于小波系数零树结构的分形预测图象编码

提出了一种基于小波系数零树结构的分形预测图象编码方法,首先按照零树结构在同方向不同分辨率的各个子带图象上确定要预测的图象块（Ｒａｎｇｅ Ｂｌｏｃｋ）,也就是将这些图象块串起来构成一棵与零树相类似的图象树（Ｒａｎｇｅ Ｔｒｅｅ）;然后,对每一图象块,在同方向低一级分辩率的子带图象上寻找与其最佳分形匹配的相似块（Ｄｏｍｉａｎ Ｂｌｏｃｋ）,而这些相似块也按照零树结构上下延伸,以产生多棵相似树（Ｄｏｍａｉｎ Ｔｒｅｅ）,其中与图象树最接近的相似树就是图象树的预测树,理论分析和实验结果表明,该方法在峰值信噪比稍微下降的情况下,能够获得较高的压缩比。     

图象的部分分形映射压缩算法

自Ｂａｒｎｓｌｅｙ提出分形图象编码的概念，特别Ｊａｃｑｕｉｎ给了第一个完全由计算机自动完成的图象编码算法以来，分形图象编码得到了越来越多的关注，一种新的趋势是将分形编码方法与其他方法相结合，结合方式之一是只图象中的一部分进行分形编码而其他部分采用不同的编码方式，文中针对这一思想给出部分分形映射，并对其在不同条件下的收敛性，拼贴定理等性质进行了讨论，对这一思想的可行性在理论上得到了一些有益的结论，还     

分形图象编码中的快速插索方法研究

在深入研究分形图象编码原理的基础上，提出了一种基于“区域块与简单变换后的范围块之间有差关系的快速搜索方法－－Ｒ－Ｄ搜索方法。与ＪＦＢ搜索方法相比，在重建图象质量的条件下，Ｒ－Ｄ搜索方法使编码速度大约提高２倍。     

基于预测模型的分形图象缩编码方法

给出了一个基于ρ图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围，并以此模型为根据提出了一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算，实验结果表明该方案能够提高分形图象的编码速度，具有很高的实用价值。     

基于ROI的分形图像压缩编码

分形图像压缩由于具有非常高的压缩比越来越受人们的关注,但是高压缩比的图像方块效应非常明显,这在很大程度上影响了解码图像的质量。为了解决这个问题,借鉴JPEG2000中提出的ROI概念,提出了将感兴趣区域（ROI）图像编码与分形图像压缩编码相结合的图像编码方法,使得重构的图像中感兴趣区域的保真度高于背景区。该方法很好地解决了图像的压缩比和重构图像质量之间的矛盾。实验结果证明：此方法在获得较高压缩比的同时,压缩编码时间大为降低,解码图像质量也有较大的改善,且总体编码性能优于JPEG编码。     

提高分形图像编码质量与速度的方案

分形图像编码十余年来在图像处理尤其是图像压缩领域引起了人们的极大兴趣。众所周知,编码时间长是这项技术的主要缺点,许多改进方案因此被提出以加快编码过程。然而,在这些加快方案中,大多数仅仅是在解码图像质量或多或少有所下降的条件下减少编码时间的。该文提出进一步提高解码图像质量和编码速度的方案：一是预先在待编码图像中添加高斯白噪声以进一步减少不满足对比度因子约束的domain块的数目;二是对小方差range块直接用其均值块代替以进一步加快编码速度。实验结果显示,对于三幅复杂性不同的标准测试图像,本方案确实能够从解码质量和编码速度方面改进传统分形图像编码。     

分形图像编码中自相似性的研究

本文通过对图像自相关模型的研究,提出了判断图像自相似性强弱的方法,该方法定义了一个自相似系数来表征图像的自相似性。通过实验验证应用本文定义的自相似系数判断,在同一程度上,自相似系数越大,图像的分形压缩编码后效果越好。     

一种基于分形图像编码的数字水印新技术

以不降低图像质量而提高水印鲁棒性为目的,提出了一种利用图像中存在的局部自相似性嵌入水印的数字水印新技术.对数字图像进行传统的分形编码后,选取一定数量的值域子块作为"水印块",根据水印信号对"水印块"进行分形编码参数修正,从而实现水印嵌入.计算机仿真实验和数据分析表明,与传统方法相比,方法对图像质量几乎没有影响,而且在抗剪切处理、抗噪声干扰、抗低通滤波和抗JPEG压缩方面有更好的鲁棒性.仿真结果证明了自相似性分形图像编码理论在数字水印技术中的成功应用.     

分形图像编码的改进算法

分形图像编码是一种基于自然图像局部自相似性的有效压缩技术。通过引入一个可以影响解码图像质量和编码时间的控制参数,该文提出了分形图像编码的一种改进方案。该方案既不需要复杂的理论分析,也不需要改变现有的分形解码过程,因此能够以直接的方式融入其它的分形图像编码算法。计算机仿真显示,对一组复杂性不同的测试图像,以PSNR(peak signal-to-noise ratio)度量的解码图像质量优于对应的分形图像编码算法的解码图像质量,同时编码时间也大幅度减少。     

一种结合矩阵相关系数的快速分形图像编码

分形编码是一种非常有潜力的压象压缩技术,但其算法过程耗时较长和计算复杂性过高,因此需要一种减少编码时间的方法.针对此问题,根据分形图像编码的特点,首先利用分形后定义域和值域之间的相关系数的大小来确定最佳的定义域块,提出了旨在降低编码复杂度和缩短编码时间的一种改进的快速分形编码算法.算法在编码搜索过程中,仅搜索符合条件的父块,从而减少搜索范围,降低编码时间.实验结果表明,算法与基本分形算法比较,在峰值信噪比和图像质量可以接受的情况下,使编码速度大大加快.     

基于小波变换的分形预测图象编码方法

提出一种把小波图象编码与分形图象编码相结合的新的编码方法。图象经过小波分解后,呈现出两种相似性;一种是图象本身的自相似性,一是同方向不同分辨率子图象之间的互相似性。利用第二种相似性,也即利用低分辩率子图象为同方向讷经子图象进行分形预测编码。由于小波分解后低分辨率子图象的范围比高分辨率子图象的小一倍,故该编码一般的分形编码方法大大缩短了编码的时间,就编码的效果而言,该方法也比较令人满意。     

基于四叉树分割的分形图像编码改进方法

目前分形图像压缩存在的最主要问题是编码速度慢。主要原因是搜索最佳匹配的定义域块耗时太多。本文通过分析影响分形图像编码速度的相关因素，对基于四叉树的分形图像编码提出了一种改进方法。通过缩小搜索范围达到提高搜索效率的目的。实验结果表明，该方法在相近的峰值信噪比和压缩比的情况下，编码速度得到了较大的提高。