"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。     

分形图像编码方法

分形图像编码技术是分形理论和图像编码技术的结合。分形编码利用分形图像中的自相似冗余信息。采用简单的变换规则．获得高压缩比。本文对非严格相似的分形图像的编码方法进行阐述和分析。展望其发展前景。并提出分形图像编码研究的相关问题。     

分形快速高效图像数据压缩

研究了分形图像压缩编码和分形图像插值方法,提出了综合利用分形插值和分形图像编码方法进行图像数据高效压缩的方法。实验结果表明,该法在恢复图像信噪比为28.7dB时,压缩倍数可高达76倍。     

基于混合预测高光谱图像无损压缩

为了解决海量遥感高光谱图像数据给有限存储空间和传输带宽带来的压力,利用高光谱图像具有较强谱间相关性的特点,提出了一种基于混合预测的高光谱图像无损压缩算法。第一谱段采用中值滤波器模型进行谱内预测;对于其他谱段采用线性预测与上下文预测相结合的谱间混合预测,线性预测是通过二阶线性预测器模型得到预测参考值,上下文预测是根据预测参考值利用上下文预测模型预测得到最终预测值;将预测得到的残差图像进行霍夫曼编码。对AVIRIS标准高光谱遥感图像进行无损压缩实验结果表明：利用该方法能够取得较好的无损压缩效果,平均压缩比达到3.17,与现有的无损压缩方法3D-CALIC、LUT、C-DPCM、JPEG-LS相比,平均压缩比提高了0.05~0.48,是一种高效的高光谱图像无损压缩方法。     

一种基于代数决策图的多值图像无损压缩方法

代数决策图（ADD）是布尔函数的一种简洁紧凑的符号描述方法。用ADD对多值图像进行建模，可以有效降低数据冗余，然后对ADD模型进行有效的编码，可以达到数据压缩的目的。实验结果显示本方法的压缩比高于游程编码、哈夫曼编码，较LZ77编码也有一定优势。     

一种基于Hilbert扫描的医疗图像无损压缩算法

希尔伯特(H ilbert)扫描是连续、没有交叉且经过相邻点的二维空间扫描方法。为了验证H ilbert扫描在图像无损压缩中的有效性,利用H ilbert扫描对医疗图像像素的位置进行置换,分别用哈夫曼编码、游程编码、LZW编码和算术编码对经过H ilbert扫描处理后的数据进行压缩。实验结果显示H ilbert扫描可以增加像素的相关性,对提高压缩比有一定的贡献。     

分形图象编码综述

分形图象编码是基于图象收缩仿射变换的在图象压缩领域的一门新技术。本文在收集和阅读了与分形图象编码有关文献的基础上,对分形图象编码近年来理论和实践上的研究现状、重大进展进行了综述,并对分形图象编码的研究前景进行了评价。     

一种基于代数决策图的多值图像无损压缩方法

代数决策图(ADD)是布尔函数的一种简洁紧凑的符号描述方法.用ADD对多值图像进行建模,可以有效降低数据冗余,然后对ADD模型进行有效的编码,可以达到数据压缩的目的.实验结果显示本方法的压缩比高于游程编码、哈夫曼编码,较LZ77编码也有一定优势.     

医学图像视觉无损压缩的研究

当前医学图像压缩主要采用无损压缩,但无损压缩的压缩比太低,因此人们不断地研究将有损压缩应用于医学图像.视觉无损压缩在信息存储上实际是有损压缩,但人类视觉系统并不能察觉出这种图像信息量的损失,因而不影响临床诊断.本文具体论述了应用JPEG有损压缩算法对图像进行视觉无损压缩的过程,采用VC 6.0编程,实现了较高的医学图像存储压缩比并且不影响临床诊断.     

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.     

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.     

一种基于RCPT码的渐进图像传输方法

将等级树中的集分割编码器输出的码流分组,根据输出的分组数据对重建图像重要性的不同,传输前采用纠错能力不同的RCPT码保护。在总的码率限制下,采用遗传算法从有限码率集中选择每组数据的RCPT码码率,使接收端恢复的图像失真最小。将等误差保护码率作为遗传算法的初始种群,减少了最优码率集的搜索时间。在二进制对称信道上的仿真结果表明,该渐进图像传输方法实现简单,在高误码率信道条件下恢复图像仍能得到很高的峰值信噪比。     

分形法图象压缩编码

从分形几何这一数学理论入手，分析了图象数据和分形几何的关系，建立图象的分形几何模型，并通过计算机模拟，实现图象的压缩算法。     

分形图象编码

本文讨论分形图象编码方法，在深入分析迭代函数系统编码方法原理的基础上，给出一种基于三级四分树的自适应分割迭代函数系统编码算法。实验结果表明效果良好。     

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．     

分形图像编码的研究

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。分形图像编码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,目前对它的研究比较广泛。本文着重阐述了分形图像编码的理论基础、编码方法、解码方法、基本特征及其发展现状和发展方向,并简要介绍了分形编码与其它工具相结合的方法。分形图像编码定将在图像压缩领域中发挥其更大的作用。     

哈夫曼编码和分形编码图像压缩技术初探

随着信息技术的发展,各种影像、语音、文字、数据等信息都以数字化的方式存储起来,给信息的存储带来极大的压力。＂资料压缩＂成为解决信息储存不可缺少的工具。本文通过介绍常见的图像压缩技术——哈夫曼编码和分形编码,提出了一些改进的方法。     

一种墓于分块的自适应分形图象编码方案

在Ｊａｃｑｕｉｎ工作的基础上：提出了一种基于分块的自适应分形图象编码方案．首先引入了视觉抑制函数对图象块进行分类和对图象均方误差进行加权；其次，发展了图象四叉树划分方法，提出了一种自适应块划分方法；再次，用分段均匀量化方法量化亮度平移量；最后，给出了实验结果，并与Ｊａｃｑｕｉｎ和Ｌｕ的结果进行了比较，验证了本文所提方法的有效性．     

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．