分形图像压缩编码技术介绍

分形图像编码是目前研究较为广泛的一种现代编码方法本文在比较经典编码方法和现代编码方法的基础上介绍了分形的概念、分形图像压缩技术方案及实现,并阐述了分形编码的应用前景。     

基于复合分类的快速分形图像压缩编码

针对分形编码方法耗时过长的不足，提出一种分类加聚类的快速分形图像编码方法，通过提取图像块的分形维数对图像块分类，在同类内基于分形维数聚类，使匹配搜索在同类的聚类域内进行，并对不同类块采用不同算法，实验表明，该方法与经典分形方法（PIFS）比较，在信噪和解码图像质量可接受的条件下，大大提高了编码速度，且压缩比有显著提高。     

一种新型非线性分形图像压缩编码算法

提出一种简单的非线性分形算法，简化了Popeseu等提出的算法，用于解决压缩字典较小的问题．实验结果表明，这一算法简单可行，具有良好的压缩结果和高质量的重建图像。     

基于四叉树的分形图像压缩编码算法的C 实现

该文首先介绍了分形图像压缩的基本理论,如迭代函数系统,拼贴定理等。然后重点研究了基于四叉树的分形图像压缩编码算法。最后通过编写代码实现此算法,并与基本的分形图像压缩算法进行试验比较,进行总结。     

基于多项式拟合的稀疏编码图像去噪算法研究

为解决传统稀疏编码在图像去噪的过程中无法根据图像数据特点来决定稀疏编码的收缩函数的问题,提出了一种基于多项式拟合的稀疏编码图像去噪算法,该方法采用多项式来拟合稀疏系数的概率密度函数,进而估计稀疏系数的收缩函数,有效地解决了传统的去噪变量的概率密度模型无法反映图像数据特点的问题。仿真计算结果验证了该算法的有效性,并且在效果上要明显优于最大似然估计算法。     

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。     

基于快速分形的DCT补偿图像压缩编码算法

针对分形编码时间过长和离散余弦变换(DCT)在高压缩比下出现方块效应的两点不足,文中提出了一种基于快速分形的DCT补偿图像压缩编码算法,通过对子块和父块特征值排序,使得子块只搜索那些特征值符合条件的父块,从而降低了搜索的复杂度,进而加快了搜索速度.为了提高恢复图像的质量,将图像进行分形编码后,再对灰度误差块8×8作离散余弦变换.仿真试验的结果表明,结合两者的长处可以达到高质量和高压缩比的目的,从而达到很好的编码效果     

基于改进Mallat算法的分形图像压缩*

根据传统分形图像压缩算法的实现条件,针对现有二进小波信息量仍然存在冗余,提出了将Mallat算法应用于分形图像压缩。MATLAB实验表明,通过改进Mallat算法的应用,有助于增强图像的压缩比以及图像质量。     

Hadoop平台下的分形图像压缩编码

借助Hadoop平台实现了分形图像压缩编码,并将其应用于云渲染中对渲染后的图像进行压缩并传至用户阶段。采用4台PC机搭建Hadoop平台,并在此基础上进行分形图像压缩编码,实验结果表明,采用4台PC机的Hadoop平台并行压缩时间不到单台PC机压缩时间的30%,证实了该方案的现实有效性。采用分形压缩编码将云渲染后的图像传给用户具有压缩比大、传输时间短、解压缩快等特点,对改善云渲染用户体验具有重要意义。     

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。     

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。     

基于图像子块特征的快速分形图像编码算法

根据图像子块的像素分布特征,提出了一种基于方差和DCT变换的混合快速分形图像编码算法,并在此基础上引入了平滑块的概念.该算法在大幅度提高分形图像编码速度的同时,很好地改善了压缩率和解码图像的质量.实验表明该方法具有优良的性能,在编码时间优于方差快速编码方法的前提下,解码图像的质量和压缩率可以好于基本分形图像编码算法.     

一个分形图像水印算法的改进

改进了一个分形水印算法,它把二值版权图标嵌入到分形压缩的图像文件中。具体说,把宿主图像分成大小相同的不重叠的子块,对这些子块进行分形编码（采用正交分形编码方法）。这些子块按拼贴误差的大小进行降序排列,并根据宿主图像内容分成三个子列。按照新的量化嵌入公式,经Arnold变换置乱后的水印被强度不同地嵌入三个子列的子块的量化均值中,通过分形解码得到含水印图像。实验表明,该算法隐蔽性强,并对剪切、涂抹、加噪、滤波以及JPEG压缩等具有较强的鲁棒性。     

基于平均偏差剔除的快速分形图像编码算法

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。这项技术的主要缺点是花费在寻找range块的最佳匹配domain块上的时间太长。根据一个联系均方根和平均偏差的不等式,在编码过程中,利用平均偏差来设置剔除条件,剔除与range块不太可能匹配的domain块,以提早结束搜索过程,避免全搜索,从而减少编码过程的时间。计算机仿真显示,对3幅复杂性不同的测试图像,在影响解码图像主观质量很小的情况下,与基本分形图像编码算法相比,该文方案的编码速度平均加快60多倍。     

基于分形编码和LIC混沌系统的图像压缩加密算法

随着数字图像在网络中的广泛应用,其在安全、传输、存储等方面的问题亟待解决。提出的算法为分形编码提供了新型安全方案,分形图像编码具有压缩比高和重构质量高的特点,而混沌的不可预测性和初值敏感性适用于图像加密,将分形编码和混沌加密有效结合可以充分发挥两者的优势。此外,通过耦合增强构造新的混沌系统,改善了种子映射复杂度低、混沌范围有限等问题,并设计了置乱扩散同时进行的加密结构来提高算法效率。实验表明,提出的算法的密钥空间大、密钥敏感性强、相邻像素相关系数和信息熵都接近理想值,能够抵抗多种常见攻击,且加密速度更快,能满足实际应用的需要。压缩性能方面,在满足重构视觉质量的同时达到了较其他方案更高的压缩比。     

提升小波变换的零树分形混合编码算法

为改善图像压缩的效果,在讨论小波提升算法的基本原理与实现流程的基础上,提出了一种改进的基于提升小波变换的零树分形混合图像编码算法。在基本小波提升算法的基础上,考虑到在对小波子树匹配预测时,经提升小波变换后的高分辨率子带自相似性不强的特点,不对高分辨率子块进行分形匹配,而直接用前几个较低分辨子带的匹配结果作为小波子树的匹配结果,改进了基于提升小波系数零树结构的分形预测图像编码方法及过程。实验结果表明,这种改进显著加快了编码速度,编码所花费时间仅为常规方法的十分之一。最后,阐明了小波与分形进行图像压缩相结合的本质和仍需改进的方向。     

基于遗传算法的异构分布式并行分形图像压缩算法

阐述了一种有效的基于遗传算法和迭代函数系统(IFS)的二值图像压缩的基本思想和实现算法。同时,根据现有的并行遗传算法的框架,实现了一种基于遗传算法的异构分布式并行分形图像压缩基本模型算法,并在此基础上提出了复杂模型的设计方案。理论分析及实验结果表明,该分布式并行算法有较强的搜索能力,算法效率、可移植性较高,能找到近似最优的IFS解,其解码图像十分相似于原图像,并有很高的图像质量及压缩比。     

基于规范块半范数的快速分形编码算法

分形图像编码通常需要较长的时间,编码时间主要花费在一个海量码本中搜索每个输入子块的最佳匹配块。在提出的叉迹算法的基础上,提出一种快速编码算法。它主要利用一种新定义的特征——规范块半范数,把搜索范围限制在初始匹配块（在半范数意义下与输入子块最接近的码块）的邻域内。实验显示,与叉迹算法比较,该算法在编码时间和图像质量方面都取得了更好的效果。     

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。