分形图像压缩编码

文章从整体上对分形编码进行论述和说明，介绍分形理论及其数学模型，包括ＩＦＳ，ＬＩＳ，以及使用分形技术进行编码的基本思想和整个过程，此外，还简要介绍了分形技术的发展状况和前景。     

分形与图像压缩编码

本文概述分形图像压缩的理论基础,介绍分形图像编码的IFS方法,讨论小波技术在分形图像编码中的应用。     

基于视觉特性的分形图像压缩编码

介绍了分形的基本概念及分形的数学原理，并针对传统的分形图像压缩编码算法的不足之处，提出了一种基于视觉特性的分形压缩算法，该方法利用人眼对灰度变化的敏感程度与背景有关的特点，在综合考虑图像块的均值与方差的前提下，动态地改变分形压编码时定义域块仿射变换后拼贴到值域块的最小误差，从而提高了编码速度。     

分形编码在图像检索中的应用

分形编码在图像压缩方面取得了很好的效果,同时,分形编码也能够用于基于内容的图像检索.本文提出了一种基于块限制的分形编码算法和匹配策略,并将它们用于图像检索.在我们编码算法中,图像会被预先分成互相不重叠的子图像块,然后对这些子图像进行独立地分形编码,从而获得整幅图像的分形码.该编码算法能够在很大程度上减少编码时间.在进行图像间相似性的匹配时,我们采用改进的基于九叉树的分配策略,从而避免全局地进行分形码的匹配,减少了计算量.实验结果说明,我们的编码算法和匹配策略能够比较有效地应用于基于内容的图像检索,在计算时间和存储时间上都优于实验中其它两种方法.     

分形图象压缩编码的回顾与展望

介绍了分析图象压缩编码的历史和现状，以及几种方法的分形压缩技术，总结了近年来在分形图象压缩编码方法所取得的重要进展，并提出了一种新的序列图象分形编码的思路。     

小波与分形在图像压缩中的比较及应用

小波与分形都是当今图像编码领域中的热点.综述了小波和分形的原理、优缺点以及发展现状,并提出了基于小波和分形混合编码的思想.     

小波与分形在图像压缩中的比较及应用

小波与分形都是当今图像编码领域中的热点。综述了小波和分形的原理、优缺点以及发展现状 ,并提出了基于小波和分形混合编码的思想     

快速分形图象压缩编码

本文提出一种基于局部迭代函数系统（ＬＩＦＳ）的快速分形图象压缩编码、解码方法。实验表明，该法在恢复图象的信噪比为３０ｄＢ时，仍能达到２５倍的压缩倍数。     

分形图像压缩

欧氏几何学不能处理自然界中非常复杂的形状，这只能借助于分形几何学，分形图像压缩就是利用分形几何学的有关原理进行编码，达到图像压缩之目的。     

小波与分形在图像压缩中的比较及应用

小波与分形都是当今图像编码领域中的热点。综述了小波和分形的原理、优缺点以及发展现状，并提出了基于小波和分形混合编码的思想。     

基于混合编码的分形图像压缩方法研究

提出了一种基于混合编码的分形图像压缩方案,改进了分形编码与SP IHT算法,对提升小波变换后的最低频部分采用改进的分形编码,其他部分采用改进的SP IHT算法。试验结果表明,该方法在缩短了图像压缩时间的同时,明显减少了分形压缩恢复图像的方块效应。     

基于FPGA的图像压缩与编码算法设计

高帧频相机需要较长时间记录目标状态的图像信息,由于记录介质的存储容量所限,需要对图像进行实时压缩、记录与传输。EZW和SPIHT两种编码方法速度慢,不易在FPGA上实现,且对缓存要求较高。根据小波变换后小波系数的冗余及分布特性,提出一种新的编码算法,通过直接对系数大小做比较,然后结合数值特性和分布特性对小波系统进行动态分组,用较少的存储空间记录图像系数信息。该算法适合在FPGA上实现,实验结果验证了方法的可行性。     

基于Blackfin561的JPEG2000压缩算法编码优化

提出了基于Blackfin561处理器的JPEG2000图像压缩算法的编码优化方案。包括一些算法优化和大量的代码优化,如循环展开、C程序的汇编化和汇编优化等。这些方法较大地缩短了编码模块的处理时间,提高了图像压缩编码的实时性。     

真彩色图像的有损RLE压缩

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条弦变换和重排，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，证明了该方法能对真彩色图像进行有效压缩。在可接受的有损范围内，获得较好的压缩比。     

基于近距自相似模型的分形图像编码方法

为了克服分形图像编码方法速度低的弱点，提出了根据图像模型研究相应算法的思想。基于ρ｜ｒ｜图像模型，导出了与之相应的近距自相似模型，提供了一种适合于该模型的分形图像编码方法。实验结果表明，这种方法大大提高了编码速度，而且能有效地压缩图像数据     

基于基因表达式编程的多数据流压缩并行算法

针对大规模数据流需要巨量存储空间,以及串行处理速度瓶颈,着力于解决处理后的精确度及数据压缩.在并行平台下,利用阈值滑动窗口技术将数据流分段送入各处理器,并使用基因表达式编程（Gene Expression Programming,GEP）的函数发现算法实现对数据模型的函数挖掘,提出了基于基因表达式编程的多数据流压缩并行函数替代算法PFR-GEP（Parallel Function Replace-GEP）.在PC机群上的实验结果表明：该算法有效提高了压缩比例与运算速度,且具有线性加速比.     

基于相对梯度的自适应图像分形压缩并行算法

介绍了基于IFS(Iterated Function System)的图像分形压缩技术的基本理论,利用原图像及其相对梯度图自相似的特点,采用自适应四叉树分割方法,提出了基于相对梯度的自适应图像分形压缩并行算法。算法复杂性分析表明该方法提高了图像分形的压缩比,计算量少,效率较高。     

基于并行基因表达式编程的网格资源分配算法

 网格下的资源分配属于NP-难问题.为了更好地解决这个问题,文中首先提出了网格资源分配模型,并对资源个数与任务个数的三种不同情况进行了详细的分析,最后提出基于并行基因表达式编程的网格资源分配算法(Grid Resource Allocation Algorithm based on Parallel GEP,GRA-PGEP).该算法采用了基于资源与任务相关的非线性的编码方式和反转操作,同时应用粗粒度模型设计了该算法.仿真实验表明,GRA-PGEP算法在优化成功率、平均收敛代数以及耗时方面都要优于传统的GEP和GA算法.     

基因表达式编程和K-Means融合的雷达信号分选

为了解决聚类算法需要较多的先验知识,不能自动进行聚类的问题,提出了基因表达式编程和K-Means融合的雷达信号分选算法。从介绍基因表达式编程和K-Means聚类算法的特点出发,针对雷达信号的实际情况,对两种算法进行了优化融合,并通过模拟雷达辐射源数据进行了仿真验证,仿真结果表明该算法在不需要任何雷达辐射源先验知识的情况下即可自动完成聚类分选,具有98.3%的聚类分选精度和较快的收敛速度,其较高的分选精度在电子情报侦察系统上有着广阔的应用前景。