基于FCM聚类的快速分形图像编码算法

以模糊C-均值聚类(FCM)理论为基础,提出一种新的快速分形图像编码算法.该算法首先将原始图像划分成子块和父块,并对父块实施8种基本变换以生成父块组;然后对所有子块和父块组进行FCM聚类;最后选取隶属度最大的父块变换再进行分形编码.仿真实验表明,本文所提出的快速分形图像编码算法是一种高效的图像压缩方法,不仅其压缩效果明显优于K-均值聚类分形图像压缩方案,而且具有较短的编解码时间.     

分形编码时间的线性控制和预测

以图像的布朗维数为纹理特征对编码中的图像块进行聚类和排序,实现了对每个值域块所需比较定义域块数目的精确控制。进一步,通过排除平坦块、使用均值图像建立定义域块库等技巧,得到了一种可以通过定义域块比较数目对编码时间进行线性控制和预测的快速分形编码方法。实验表明,与已有分类和聚类方法相比,在相同的压缩比下,本文方法可取得更好的加速效果和解码质量。     

一种基于邻域搜索的分形图像编码算法

分形图像编码以其高压缩比,使得它具有广泛的应用前景,但是传统的分形编码方法压缩时间长,这是因为在为每一个值域块寻找合适的定义域块时需要在码本中进行大量的搜索匹配。研究发现,和值域块最匹配的定义域块大多数在值域块的附近。根据这一结论,提出了一种基于邻域的螺旋式搜索方法,并利用图像块间的信息熵差值,缩减了搜索范围。另外对误差图像进行编码,作为解码图像的补充,提高了解码图像质量。实验表明,该方法在不降低图像质量和信噪比的前提下大大加快了编码的速度。     

基于遗传分形编码的嵌入式小波图像编码算法

在分析小波变换与分形编码特点的基础上,提出了一种新的基于遗传分形编码的嵌入式小波图像编码算法。根据图像进行小波变换分解为不同空间频带上的子图像这一特性,对其低频子带进行基于遗传算法的分形编码,利用遗传算法的快速全局搜索能力提高分形编码中值域块与定义域块的匹配搜索速度;对其高频子带部分进行阈值去噪处理后进行SPIHT编码,两部分同时进行,提高图像的压缩效率。实验结果表明：同传统的分形编码和SPIHT编码压缩方法相比,该算法在图像的重构质量方面有所提高,尤其是在中低码率下PSNR(峰值信噪比)得到了较大提高,并且算法执行时间明显减少。     

带降噪的快速DWT与分形相结合图像编码方法

针对图像易受外界噪声干扰,且这种噪声分布通常是未知的这一问题,结合图像的统计特性、基本分形编码中值域块和最佳匹配的定义域块之间的距离统计特性等,提出一种基于方差不变特性、邻域搜索的分形与小波相结合的图像分形编码算法。在该算法中,如果值域块和最佳匹配之间的稳健回归优化目标函数取值小于给定的阈值,则用分形压缩算法编码该块,否则用小波变换压缩该块。实验结果表明,该方法可使编码速度比基本分形算法有较大提高,而且原始图像在受到外界干扰的情况下,该算法表现出了较好的鲁棒特性。     

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。     

一种基于矩不变量的快速分形编码方法

目前分形图像压缩的最主要问题是其编码时间太长,这主要是因为在分形编码时,对每一个待编码值域块都需要比较数量巨大的定义域块才能找到它的最优匹配块。通过深入分析分形编码过程,文章首先提出了一种图像的矩不变量,它在灰度仿射变换下保持不变,并以此作为图像块的特征来为分形编码中的图像块进行分类,从而得到了一种基于矩不变量的快速分形编码方法:将定义域块按其矩不变量进行分类,在编码时对每一个待编码值域块,其最优匹配块只在其同类或相邻类的定义域块中寻找,从而大大地减少了定义域块的比较数目,缩短了编码时间。实验证明,与已有的分类方法相比,该文方法在解码图像质量基本满意的基础上,极大地提高了分形编码的速度。     

一种基于分形图像编码的数字水印新技术

以不降低图像质量而提高水印鲁棒性为目的,提出了一种利用图像中存在的局部自相似性嵌入水印的数字水印新技术.对数字图像进行传统的分形编码后,选取一定数量的值域子块作为"水印块",根据水印信号对"水印块"进行分形编码参数修正,从而实现水印嵌入.计算机仿真实验和数据分析表明,与传统方法相比,方法对图像质量几乎没有影响,而且在抗剪切处理、抗噪声干扰、抗低通滤波和抗JPEG压缩方面有更好的鲁棒性.仿真结果证明了自相似性分形图像编码理论在数字水印技术中的成功应用.     

基于模糊分类的快速分形图像编码方法

针对分形图像编码时间长的问题,提出选取边缘提取图像的6个特征参数作为图像块特征．采用模糊模式识别技术对图像块进行分类,后采用基于局部灰度均值聚类技术进一步减小最佳匹配搜索范围的两步分类法．实验表明,该方法可较大提高编码速度,解码质量无明显下降．     

基于模糊和多分辨分析的骨肿瘤X光图像分割

根据骨肿瘤Ｘ光图像的局部区域特性,采用多分辨图像处理和模糊聚类方法对它进行分割,分割由以下几步来完成;（１）将图像分成相互交叠的子图像块;（２）采用基于模糊连接的多分辨图像处理算法对各子图像进行处理;（３）对各子图像的处理结果利用模糊聚类方法选择阈值,该方法应用于临床骨肿瘤Ｘ光图像,获得了良好的分割。