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。     

基于布朗模型和小波变换的图像分形维数计算

函像分形维数是反映图像纹理特征的重要因素，也是图像分割的主要依据；通常，图像的分形维数多数采用盒维数计算方法来得到．但是避免不了计算时阚值选择带来不精确的问题，本文结合小波变换和布朗模型，提出了一种新的计算方法，并且和盒维数方法计算结果进行比较，结果表明，通过本文的计算方法得到的图像分形维数较准确。     

基于布朗模型和小波变换的图像分形维数计算

图像分形维数是反映图像纹理特征的重要因素,也是图像分割的主要依据;通常,图像的分形维数多数采用盒维数计算方法来得到,但是避免不了计算时阈值选择带来不精确的问题,本文结合小波变换和布朗模型,提出了一种新的计算方法,并且和盒维数方法计算结果进行比较,结果表明,通过本文的计算方法得到的图像分形维数较准确。     

利用小波分解和分形维数进行声纳图像识别

以分形维数和多重分形的概念为基础,通过计算原图像和灰度差分图像的分形维数和多重分形维数,形成了纹理特征集的第一部分;然后对声纳图像采用树式结构小波变换,将小波变换各个频带输出的熵作为纹理分类的特征,并根据特征本身的离散程度对其进行规范化处理,构成了纹理特征集的第二部分;最后将这两部分组合,对不同信噪比的声纳图像进行分类识别．识别结果表明,文中方法的识别率可达到90％以上．     

分形图像编码的快速算法

分形图像编码是一种很有前途的限失真编码方法。该方法具有复杂度高、计算量大的缺点,因此导致编码时间长。编码时间主要花费于在一个通常较大的码本中搜索每个输入子块的最佳匹配块。针对这个问题,通过分析图像子块的纹理特征与分数盒维数的关系,提出一个基于分数盒维数分类的快速编码算法。实验结果显示：对三幅512×512标准测试图像,与全搜索基本分形编码算法相比,该算法既能加快编码速度30倍左右,也能实现更好的解码图像质量。     

基于小波变换和分形维数的车牌汉字识别

提出一种基于小波变换与分形维数的车牌汉字识别方法.对字符图像进行预处理和小波变换,应用改进的微分盒维法计算图像分形盒维值,并构造特征向量,利用支持向量机分类器对字符进行分类与识别.实验结果表明,该方法对模糊字符的识别具有鲁棒性,可提高汉字识别率.     

一种基于分形维数的图像压缩编码方法

本文提出了一种基于分形维数的ＤＣＴ变换压缩编码与ＩＦＳ分形编码相结合的图象压缩方法。实验结果表明,与基本的自动分形图象编码方法相比,运算时间下降而压缩比和信噪比提高。     

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。     

基于小波变换的吸引子快速图像编码

自然图像自相似性不强,直接压缩效果不佳且压缩速度慢,但图像经过行小波变换后,不同分辨率子带图像中相同空间位置的图像块、同分辨率子带中的图像块具有相似性,而分形维数基本上反映了图像灰度变化的复杂度。在图像小波子带本身相似的基础上,提出了利用分形维数作为衡量相似图像子块是否匹配的依据,并给出了编码方法。最后通过仿真证明,该方法不仅有效的压缩了图像,而且减少了编码时间。     

基于小波变换的分形图像编码压缩算法

有效的压缩算法可以给数据的储存和传输带来极大的方便。针对现有压缩算法存在的不足,定义图像子块的九块和特征,并提出结合小波和分形编码优势的有损压缩算法。该算法将图像进行二级小波分解,得到7个子带;保留低频子带的小波系数,并对其余子带采用基于图像块九块和特征的分形编码。新定义的九块和算法,把全搜索问题变为在九块和意义下的近邻搜索问题,缩短了搜索范围。实验结果表明,与同类算法相比,该算法不仅提高了重构图像的质量,还缩短了编解码时间。     

一种基于分形编码的小波域自适应水印

提出了一种基于分形编码的小波域水印算法．该方法对于图像树中各个图像R块，首先在同方向低一级分辨率子带中寻找最佳分形匹配D块，然后利用小波系数的树状结构关糸，将这些D块拓展成相似树集合，最后更改图像树上某个位于中频子带的图像R块的编码方案，即交换最优和次优匹配相似树上与其对应的D块，从而实现数字水印的嵌入．水印检测不需要原始图像．实验结果表明：使用该方法的水印有较好的不可感知性和鲁棒性，同时可保证较低的正向错误率．     

结合小波变换的零搜索分形图象编码

为提高分形图象编码的质量,缩短编码时间,针对Monro在文献[1]中提出的零搜索分形图象编码方法,其恢复图象在存在的块效应的问题,提出了一种结合小波变换的多项式近似快速分形图象编码方法,该方法是利用各频带间能量分布不均衡的特性,构造一种结合小波分解的分形图象编码算法,首先对图象进行塔式离散正交小波变换,然后再对小波系数进行分形编码,实验结果表明,用该算法对图象进行编码,不仅使恢复图象的质量得到了较大的提高,而且编码时间仅用1．48s。     

基于多小波和分维的图像融合算法

多小波理论是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。它能为图像提供一种比小波多分辨分析更精确的分析方法。在图像的多小波分解的不同尺度上的子图像间有自相似性,而自相似性又是分形分维的基础。于是,根据图像多小波分解的特点,提出了一种新的基于图像多小波分解的分维融合算法,将不同源图像经多小波变换分别分解成不同尺度的子图像,对高频子图像在相应的尺度上以分形分维作为权系数进行融合,对低频子图像在相应的尺度上以区域能量作为权系数进行融合,并分别采用多聚焦图像、可见光和红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。     

基于分形搜索树的嵌入式小波图像编码算法

与单纯采用分形编码方法相比,基于小波的分形图像编码可以较好地解决方块效应问题且能够有效降低匹配搜索时间,但在低频子带使用分形编码会导致重构图像质量下降,同时针对匹配搜索仍是分形编码主要时间开销的问题,提出一种基于分形搜索树的嵌入式小波图像编码算法.采用Haar小波对图像进行多级分解,对低频子带直接采用DPCM编码,高频部分则依据不同尺度子带的重要性采取自适应方式划分值域块,然后构建一种分形搜索树结构以确定定义域池并采用“Z”形扫描进行匹配搜索,最后对获得的分形参数进行算术编码.实验结果表明,该算法重构图像质量比同类算法有所提高,特别在中低码率下PSNR值提高明显,当码率小于0.40bpp时,PSNR平均提高0.40~2.48dB,同时算法执行时间明显减少.     

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．