基于平方加权质心特征的快速分形图像压缩编码

分形图像压缩利用自身图像具有的相似性,结合压缩仿射变换减少图像数据的冗余来实现图像数据的压缩,具有压缩比高、恢复简单的特点。然而,分形图像压缩编码也具有编码时间长、计算复杂的缺点。为了解决上述的缺点,提出了基于平方加权质心特征的快速分形图像压缩编码算法,利用平方加权质心特征可以将基本分形图像压缩编码过程中的全局搜索转化为局部搜索,限定搜索范围,减少码本数量,在巨大图像信息量传输和存储过程中,在一定程度上缩短了编码时间。将平方加权质心特征快速分形图像压缩编码算法和双交叉和算法、改进叉迹算法、规范五点和算法进行比较,仿真结果表明,所提算法在恢复质量可接受情况下,编码时间具有巨大优势。     

一种改进的分形图像压缩算法

为了缩短分形编码时间,通过对图像定义域块和值域块的统计特性分析,提出了改进的分形压缩算法。设计最优匹配定义域块自适应搜索方法,缩短搜索范围;用值域块均值代替灰度偏移量,减少计算量。实验证明,运用这种改进的分形图像压缩算法进行图像压缩,在保持较高的解压图像质量的情况下,大幅缩短图像压缩编码时间。     

基于分形理论的图像压缩编码技术

分形图像压缩编码是当今图像编码领域研究的热点之一，是一种具有独特优势且极有发展前途的数据压缩技术。本文从分形基本理论出发，对分形图像压缩编码思想、编码方法等进行了综述，并介绍了分形图像压缩编码的一些改进方法。最后，探讨了分形图像压缩编码的发展方向。     

基因表达式编程在分形图像压缩编码中的应用

针对目前存在图像压缩率不高、全局搜索或遗传算法寻找最优分形图像压缩编码速度慢的不足,将基因表达式编程应用于分形图像压缩编码,提高求解分形图像压缩编码速度和压缩比.首先从理论上对二值图像压缩编码的求解过程和基因表达式编程在压缩编码中的作用机理进行分析;然后,研究分形图像压缩编码的基因和染色体的表示方法,适应度函数设计以及选择、变异、插串、基因变换、基因重组等基因遗传进化操作过程.提出基因表达式编程的分形图像压缩算法,求解分形图像压缩编码的最优解.实验结果表明,基因表达式编程应用于分形图像压缩编码,具有较强的全局寻优能力,搜索最优解的速度比遗传算法快约2倍,图像压缩率高.     

快速分形图象压缩算法的研究

分形编码是一种非常有潜力的图象压缩技术，但因其与具很高的时间复杂度，故至今未能获得广泛的应用，本文提出了旨在降低分形编码复杂度，缩短编码时间的分形图像压缩改进算法，该算法采取递归四树分块结构，将多种块分类技术相结合，并通过预计算，旋转与翻转标准化等方法降低计算复杂度，采取高效的存储方案来提高压缩化，力求在图像质量，压缩比和编码时间上取得了良好的折Ｚｏｎｇ使分形编码更加实用化。实验结果表明，采用这种     

一种改进的分形图像压缩算法

为了提高分形图像压缩编码的速度,针对在基本分形图像压缩算法中值域块编码匹配搜索时需要对变换后的定义域块一一对应,导致编码时间较长的缺点,提出了一种基于菱形搜索算法的分形图像压缩编码新算法.菱形搜索算法是一种运动估计的快速搜索算法,主要过程是在所有的候选块中搜索当前块的最优匹配块.通过运用菱形搜索算法中的大小菱形模板进行匹配搜索,实验证明文中算法在提高编码速度和降低编码复杂度是有效的.     

基于小波与分形相结合的图像压缩优化算法

提出了一种基于小波与分形相结合的图像压缩优化算法.首先将图像进行小波分解后,对低频子带单独编码;在分形编码时,根据不同方向子图的纹理特征不同,采用不同形状的块进行分形预测;同时对高频子带使用二次匹配编码,并且匹配运算只在同一方向上进行.实验证明,这种优化算法能够大大缩短分形编码的时间,并取得较高的压缩比.     

分形学与图像压缩编码

介绍分形学的产生意义和作用，提出分形物体的数学模型，讨论分形技术应用于图像压缩编码中的迭代收缩变换算法。     

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.     

子块均点特征分形快速图像压缩编码

分形图像压缩根据图像特有的自相似性,利用压缩仿射变换消除图像数据冗余度,进而实现图像压缩,实现较高的压缩比。然而,分形图像压缩编码具有计算复杂度高、运行时间过长的致命缺点,对于图像信息量巨大的当今社会来说不具有实用性。为解决基本分形压缩编码耗时过长的问题,提出了子块均点特征分形压缩编码算法,利用该算法将基本分形压缩编码的全搜索转为局部搜索,限定搜索范围,减少定义域块的搜索,在客观质量稍作牺牲的基础上加快了编码速度。将所提算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较,仿真结果表明,在时间稍逊的情况下,所提算法在客观质量（Peak Signal-to-Noise Ratio,PSNR）上更优。     

一种基于分形编码的图像分割算法

本文提出了一种新的基于分形编码的图像分割算法,其工作原理和实现方法与现有的基于分形编码的图像分割方法完全不同。新算法利用不同尺度间图像块的自相似性,根据编码的结果为不同像素之间定义生成关系,通过选择合适的误差度量使满足生成关系的各像素灰度值足够接近。同时用生成关系导出相似关系,并把图像分割问题转化为求解像素相似关系的等价类问题。在实现中通过求解相似关系关系图的连通分量来求解相似关系的等价类。实验结果表明本文算法可较有效地分割图像,为基于分形编码的图像分割体系提供了新的方法。     

基于DCT域的菱形编码图像隐写改进算法

为提高嵌入秘密图像的信息量和嵌入后载体图像的质量,在行程编码、菱形编码和DCT域的基础上,提出了基于DCT域的菱形编码图像隐写改进算法.采用菱形编码有效地提高了嵌入率,对JPEG标准化量化表进行了改进,更有利于秘密信息的嵌入.对行程编码进行了改进,使秘密图像的压缩效率更大.经过与F5隐写算法对比实验表明,F5隐写算法只能嵌入一幅尺寸为64×64的灰度图像,而改进算法能够嵌入一幅尺寸为240×240的灰度图像,且PSNR＞ 30 dB,大大提高了加密信息的嵌入量,并保持了嵌入后载体图像的质量.     

应用神经网络的图像分类矢量量化编码

矢量量化作为一种有效的图像数据压缩技术，越来越受到人们的重视。设计矢量量化器的经典算法ＬＢＧ算法，由于运算复杂，从而限制了矢量量化的实用性。本文讨论了应用神经网络实现的基于边缘特征分类的矢量量化技术。它是根据人的视觉系统对图象的边缘的敏感性，应用模式识别技术，在对图像编码前，以边缘为特征对图像内容分类，然后再对每类进行矢量量化。除特征提取是采用离散余弦变换外，图像的分类和矢量量化都是由神经网络完成     

基于分形和小波变换的自适应混合图像编码

待编码图像经过金字塔型离散小波变换后的系数在小波域内可以组成分层树状数据结构一个小波树，这些跨越不同分辨率的小波树之间存在一定的相似性，可以通过分形变换来描述，本文正是构造小波树的基础邮基于分形和小波变换的自适应混合图像压缩算法，实验证明，我们提出的图像压缩方法与ＪＰＥＧ相比，能够在相近的压缩比的情况下（６０：１～７０：１）使得重建图像的ＰＳＮＲ（〉２９．５ｄＢ）增加约５．４ｄＢ并且图像的主观视觉     

基于对称性与方差的快速分形人脸图像压缩

针对人脸具有对称性特点，提出了基于对称性与方差的快速分形人脸图像压缩算法。在编码时，对某值域块，将定义域块限定在与其对称的候选区内，如在其中未找到匹配定义域块，则再扩大候选区范围。对基于方差方法与本文算法在时间复杂性上的分析表明，即使在最坏情况下，利用本算法所需编码时间也仅为基于方差方法的1／2。通过在ORL和YALE人脸库中的实验表明，利用本文算法，在基本保持恢复图像质量的同时，平均编码时间仅为基于方差方法的1／3。实验还讨论了候选区、阈值与击中值域块个数、编码时间和峰值信噪比（PSNR）间的关系。     

基于亚取样分形插值预测的混合图像编码方法

提出了一种基于亚取样分形插值预测的混合图像编码方法。将原始图像在水平方向和垂直方向皆作１／２抽取得到一幅“亚抽图像”，对亚抽图像进行分形编码得到亚抽图像的分形码，采用分形插值方法由亚抽图像的分形码解码得到原始图像的分形预测图像，然后对预测误差图像进行基于ＤＣＴ的自适应补偿编码。实验表明，这种方法的编码速度有了很大提高，而且恢复图像的质量具有较高的保真度。     

分形图像编码的矩阵表示和收敛性分析

分形解码迭代过程的收敛是保证解码正确实现的条件,要研究迭代过程的收敛性首先要把分形编码中的映射用矩阵来表示出来.本文针对Jacqain的分块算法给出了数字灰度图像分形编码的矩阵表示,并提出了一种利用求有向图强连通分量来求矩阵谱半径的方法.     

图像编译码方法的专利申请检索技巧

随着图像技术地广泛应用,图像的编译码方法成为图像领域的重点研究方向,相关的文献量不断提升,专利申请量也大幅提高。编译码方法涉及大量的算法,如何快速准确地查找到相关文献,成为专利审查中的难点。本文介绍了图像编译码方法专利申请的特点,并通过实际案例,详细阐述了如何针对不同特点的专利申请,确定相应的检索思路,从而提高检索效率。     

一种基于小波的多光谱图像压缩方法

文章提出一种基于Karhunen2Loeve变换(KLT)和小波量化编码的多光谱图像压缩方法。该法首先使用KL变换步骤来去除谱间冗余,而后对各变换波段图像进行小波变换,并利用均匀阈值网格编码量化方法来量化小波子带图像,最后使用算术编码对量化结果进行熵编码。为使编码器能为所有谱段各子带获取率- 失真意义上最优的量化阈值,本文提出基于子带图像统计特性和网格编码量化器率- 失真特性的比特分配算法。实验表明,本方法能高效地压缩多光谱图像,表现出优异的压缩性能。