分形图象压缩的主池预缩小方法

在分形图象压缩中,图象被分割成序列块,其中每一个与其相似的子图象－主块要从子图象池中进行选择。不过,这个较大的池中实际上只有一部分被利用在图象编码中。通过利用较强亮度变化的主块来缩减主池,从而导致了分形图象在两方面的改善：加块了编码时间;同时也提高了压缩率。     

基于局部方差的快速分形图像块编码算法

在分形图像块编码中,大部分时间花在序列块和较大的主池间寻找紧密的匹配上,对一幅较大的图像来说,由于主池按指数地增加,这种时间上的耗费便加剧了。本文提出了利用主块局部方差来减少搜索的空间,通过根据其局部方差排序收缩的主池,我们可以把所有可能的紧密匹配都限定在一个相对小范围的窗口来限制搜索空间,而在得到同样编码图像质量前提下同满搜索方法相比,编码的时间可以被缩短,其提高的速度可以达10倍左右。     

利用方差分形快速编码算法

提出一个基于图像块方差的新的快速分形编码算法，利用候选主块和序列块间当前最小异变象差和方差，通过排除不可取的主块，大大地减少了为搜索主块而寻找每个序列块最佳匹配的主块数，该算法在较短的时间内产生与常规的满搜索近乎一致的分形编码。     

基于系数关系和分形维数的隐藏算法

提出了一种基于系数关系和分形维数的信息隐藏算法，该算法将原始载体图像分割成固定大小的图像块，利用分形维数与图像之间的关系确定每个图像块的特点，结合人类视觉系统（HVS）的特性，选择代表边缘和纹理特征的图像块，对它们进行离散余弦变换，将信息嵌入到变换系数的关系中，隐藏的信息可以是字符序列，数字序列，文本文件，二值图像，灰度图像以及彩色图像等，实验结果表明该算法透明性好，保密性高，对几何攻击，滤波，噪声和压缩等处理具有一定的稳健性。     

方差排序及相似膨胀分形压缩

该文就分形图像压缩中搜索与匹配过程的相似性,基于序列块和主块之间当前最小像差的方差信息,提出了一方差排序算法,该算法大大减少了对每个序列块进行搜索和匹配的主块数与相应的编码时间。同时又提出了一种不规则区域的图像分割算法,它比传统的基于块的分割获得了更大的压缩率。这两种算法结合使用可在较短的编码时间获得较高的压缩率。     

基于纹理特征和分形调制的盲水印算法

为了解决水印盲检测中的水印定位问题,提出了一种在小波变换域中基于图像纹理特征和分形调制的盲水印算法.以熵值和方差等特征值作为划分图像块类型的依据,从中选择适当的区域嵌入水印.水印序列采用通过分形调制产生的分形序列.检测算法无需原始图像,只需要保留块嵌入位置作为密钥.实验结果证明,该算法具有很好的鲁棒性和不可见性.     

基于人类视觉系统的彩色图像分形编码算法

在分析传统的四叉树分形编码算法的基础上,将人类视觉系统(HVS)的特性引入到值域块的四叉树划分中,在定义域池的生成以及值域块与定义域块的匹配上采用分类的方法,然后利用彩色图像R,G,B三个分量的相关性,将三色分量图按某种方式组合成一个灰度图像,提出一种使用HVS的彩色图像分形编码算法.实验表明,在保证图像解码质量的情况下,该算法比Fisher和JPEG算法能达到更高的压缩比,并且在编码时间上优于Fisher算法.     

基于分类方法的分形图像压缩

分形图像因其图像块的自相似性可以得到较高的压缩比、有效的减少冗余.在分形和局部迭代函数系统理论的基础上,介绍了一种灰度排列法的编码方案.该方法按照1/4子快的灰度均值,通过放射变换将图像块分为3大主类.每个子块在相应的父块类中去寻找最佳匹配的父块,从而使无效父块在搜索过程中的比较次数明显减少.实验结果表明,该算法能有效的压缩图像,压缩比高、解码图像质量好、压缩时间较短.     

Fason：一种图象快速分形压缩的改进算法

本文针对图象所具有的分形特性，充分挖掘子图象块和父块之间的相似性，提出了一种与传统方法完全不同的快速图象分形压缩算法--Fason算法。该算法在无明显质量下降的同时，对压缩速度有一定的提高。并且，Fason算法还能取消传统分形压缩算法中对域块池的空间需求。     

基于四叉树和进化算法的分形图像压缩

分形压缩的解码图像质量取决于子块的大小，四叉树算法能够使图像中自相似性较好的区域所分割的子块较大，而使图像中的细致部分所分割的子块较小，这样就保证了解压缩后图像的质量。利用进化算法随机搜索与子块匹配最优的父块，比穷举法所使用的搜索时间更少。本文综合运用四叉树和进化算法有效地提高了分形的解码后图像质量和图像编码速度。实验结果表明，该算法的提出是成功的。     

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．     

A fast fractal image encoding method based on intelligent search of standard deviation

In this paper we present a fast fractal encoding method based on an intelligent search of a Standard Deviation (STD) value between range and domain blocks. First, we describe the basic fractal image compression theory and an improved bit allocation scheme for Jacquin’s Iterated Function System (IFS) parameter. Experimental results show that using a Fixed Scale Parameter (FSP) can shorten encoding time without significantly affecting reconstructed image quality. Second, we present a search algorithm based on the STD introduced by Tong. We enhance Tong’s STD search algorithm by introducing a domain Intelligent Classification Algorithm (ICA) based on STD-classified domain blocks. The domain block search pool is pruned by eliminating multiple domain blocks with similar STD values. We refer to this pruning as the De-Redundancy Method (DRM). The domain search process is adaptive with the range block STD value of interest controlling the size of the domain pool searched. We refer to this process as the Search Number Adaptive Control (SNAC). Finally, we present experimental results showing the efficiency of the proposed method, noting a significant improvement over Tong’s original STD method without significant loss in the reconstructed image quality.     

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。     

固定图像作码本的分形图像压缩

分形图像编码所需要的码本都是来自于被编码图像,提出了一种简化的分形图像压缩算法,该方法的码本来自一个固定的图像,这样的一个码本适用于编码任何图像。实验表明这样做不仅简化了分形图像编码,而且还提高了峰值信噪比,在处理一些较大图像时能够大大提高编码速度。     

基于分形压缩的整数小波图像水印技术

通过对现有图像压缩和水印技术的研究,考虑图像压缩率和图像恢复的容错能力,提出了一种基于分形图像压缩编码的整数小波图像水印技术.水印嵌入时,用分形压缩编码技术对灰度水印图像进行高效压缩,再把压缩编码嵌入到载体图像的整数小波系数里,实现了在数字图像整数小波变换域中水印的大容量无损嵌入.根据提取算法,盲提取水印图像的分形编码,分形解压缩获得水印图像.经过实验验证,本水印技术具有较好的数据压缩和隐蔽性能,达到预期的设计目的.     

基于K均值聚类的快速分形编码方法

针对目前分形图像压缩存在的编码时间过长问题,提出了使用K均值聚类对编码过程进行加速的方法,其中聚类向量采用图像块的正规化特征向量以保证聚类的精度,并通过用部分失真搜索来完成传统K均值聚类中最耗时的最近邻搜索过程以提高聚类速度。进一步,通过结合均值图像建库、去平坦块等技巧,得到了一种快速、可调的分形编码方法。实验结果表明,相对于全局搜索,所提方法大幅地提高了编码速度和压缩比,而解码质量只略有下降。