基于变异系数的分形图像压缩稀疏编码算法

针对分形图像编码算法复杂度高、编码时间冗长的问题,提出正交稀疏编码和纹理特征提取表示图像块的方法.首先,灰度级的正交稀疏变换提高了图像的重建质量和解码时间.其次,相关系数矩阵度量范围块和域块之间的变异系数特征降低了冗余度和编码时间.仿真实验结果显示,该方法与传统的分形图像编码算法相比,图像重建质量更好,编码速度更快.     

自适应搜索的快速分形图像编码算法

为了改进全搜索分形编码过程匹配耗时长而导致难以实用的缺点,新定义了规范块灰度值力矩来反映图像块的特征,根据匹配均方根误差与规范块灰度值力矩间的关系,建立一个预先剔除条件来排除许多不大可能匹配range块的domain块.对一个待编码range块,仅在与该range块灰度值力矩数值最接近的domain块的自适应搜索邻域范围内找它的最佳匹配块.仿真结果表明,与全搜索分形图像编码算法相比,三幅测试图像在重建图像质量更好的情况下,能够平均加快它的编码速度58倍.     

三均值特征的快速分形图像编码算法

分形图像编码因在高压缩比时具有好的重建图像质量而备受图像压缩领域的极大关注,但它在编码过程特别耗时的致命缺点限制了其诸多应用。针对这个问题,新定义了图像块的规范块三均值特征,并根据匹配均方根误差与规范块三均值特征间的关系,提出了一个限制搜索空间的快速分形编码算法：一个待编码range块的最佳匹配块搜索范围仅在初始匹配块（与range块的三均值特征值相近的domain块）的邻域内,搜索邻域的大小由预先设置的剔除条件来自动控制。3幅图像的仿真结果表明,它确实能够在重建图像质量更好的情况下,平均加快了全搜索分形编码算法的编码速度29倍左右,且也优于新叉迹特征算法。     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

基于子块特征的快速分形图像压缩算法

针对分形图像压缩编码时间过长的缺点,提出一种改进算法,利用子块的相似特征,将基本分形图像压缩的全搜索过程,转化为相对差意义下的最近邻搜索,在搜索过程中只搜索与值域块相对差相近的码本块,减少了搜索范围。实验结果表明,该方法与基本分形图像压缩相比,在保证解码图像质量的同时,有效地加快了编码速度。     

基于相关信息特征最近邻搜索的快速分形图像编码

针对分形图像压缩算法编码时间过长的问题,提出采用相关信息特征作为最近邻搜索特征的快速分形编码算法.通过深入分析图像子块的结构特性,提出相关信息特征的定义,证明并分析了采用该特征进行最近邻搜索操作的合理性.与传统特征相比,相关信息特征能够更好地反映子块的结构特性,所以基于相关信息特征的最近邻搜索能够更准确地确定后续局部匹配的范围.实验表明,在编码时间相同的情况下,本文算法较其他三种同类算法能够得到更好的解码图像质量.     

一种在正交化分形压缩图像中嵌入灰度水印的方法

传统的基于分形编码的水印技术一般采用0,1码,没有实现灰度图像的嵌入。本文在研究正交化分形编码的基础上,构造出水印嵌入变换函数,提出了一种能够嵌入灰度图像的分形编码水印算法,且水印提取速度大大加快。利用正交化分形解码参数在迭代过程中的不变性,使水印直接嵌入解码参数,从而实现了灰度水印嵌入。实验结果和数据表明,水印嵌入对宿主图像分形编码质量几乎没有影响,具有可行性。与传统算法相比,本文算法在抗剪切处理、低通滤波,JPEG压缩等方面具有更好的鲁棒性。     

DCT域中的快速分形编码

分形图像压缩应用了图像的自相似性，目前许多对分形编码特性的研究都是在图像域中进行的。该文却试图探索在频率域中分形编码的特性。首先，综述了图像域中分形编码的特性，然后导出在离散余弦变换（简称DCT）域中仿射变换的伸缩因子和偏移量的对应公式。应用DCT的能量压缩特性，在度量图像子块和母块之间相似性中通过使用少量的低频DCT系数提出一种快速分形编码算法。接着进一步提出一种可能的快速混合分形编码的算法，该算法将快速搜索方法、统计规范化、频域比较结合起来。     

双层非负矩阵分解的分形图像压缩算法

分形图像压缩作为一种基于结构的图像压缩技术,在许多图像处理中得到了应用.但是分形图像压缩的编码阶段非常耗时,且重建图像的质量效果不佳.针对这些问题,提出了一种基于双层非负矩阵分解的分形图像压缩编码算法.在传统的非负矩阵分解理论上,将投影非负矩阵分解与L3/2范数约束相结合,可以在较短的时间内提取具有代表性的图像特征.算...     

基于匹配概率活动表的分形图像快速压缩编码算法

本文在Jacquin提出的自动分形图像编码算法的基础上,针对各定义域块与值域块的匹配概率不相等,提出了基于匹配概率活动表的分形编码算法,为进一步加快编码速度,从理论上重新定义了定义域块与值域块间距离的计算,并分析了值域块类型与门限取值间的关系,并经实验给出了门限的具体数值。实验结果表明,与基本自动分形图像编码方法相比,在保持重建图像质量的前提下,运算时间大大下降,加快了分形图像压缩速度。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

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．     

邻域匹配和分类匹配的分形块编码

值域块的分形编码，是值域块与定义域块池中的定义域块逐一匹配后产生的。这一匹配过程是影响分形块编码速度的深层原因，此文改全局匹配为邻域匹配和分类匹配，从二条途径探讨了缩短匹配时间的方法。实验结果表明，领域匹配及分类匹配的分形块编码的时间，但信噪比略有下降。     

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。     

使用2-范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

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。     

基于边缘提取的分形图象编码方法

为了提高图象边缘提取时分类的准确性,在利用四叉树进行自适应图象分割的同时,将Laplacian算子作用于原始图象,然后从得到的边缘图像中,除去给定阈值的特定灰度层的图像后,即得到一种去除冗余,并突出边缘特征的图象,再将它应用于Domain块分类之中,可使分类结果更准确和更具客观性,计算机仿真解码实验结果表明,与其他同类的自动分形方法相比,该方法在编码速度、压缩比和恢复图象质量等方面均有显著提高。     

图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在[PSNR]降低0.73 dB（其结构相似性[SSIM]值仅下降0.002）的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。