分形图像编码的改进算法

分形图像编码中，最大的困难是搜索与值域块相匹配的定义域块，由于定义域块数量巨大，搜索很费时，本文从减少搜索块的数目和缩小搜索块的范围出发，提出多分辨率编码，从两个方面减小编码时间。为了减少对图像质量的影响，在抽样时采用双线性插值和双三次插值，以减小方块效应。     

基于灰度差的快速分形图像编码

分形图像编码根据图像自身的相似性,利用迭代函数系统理论,可以获得较高的压缩比,但是编码时间长却限制了分形图像编码方法的广泛应用.在迭代函数系统的理论理出上,介绍了一种基于灰度差排序的编码方法.该方法分别计算Range块和Domain块的灰度差,然后通过比较二者的灰度差,并且设定灰度差阈值,加速了Range块搜索最佳Domain块的过程,大大缩短了图像的编码时间.实验结果表明,在图像解码质量基本保持不变、压缩比得到提高的情况下,编码时间得到了明显的减少.     

改进分形图像编码的叉迹算法

分形图像编码具有好的视觉质量和高压缩比,然而,固有的编码耗时限制了它的应用范围.编码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,提出了一个限制搜索空间的算法,改进了原叉迹算法.具体说,它把子块叉迹的定义修改为其规范子块主次对角元绝对值之和,并利用新叉迹把搜索范围限制在初始匹配块的邻域内;同时,引入误差阈值来控制以初始匹配块为中心的搜索邻域大小.实验显示,与叉迹算法比较,改进算法在编码时间和图像质量方面获得了更好的效果.     

基于Kohonen神经网络的分形图像编码

本文提出利用Kohonen自组织神经网络把母块分类与特征抽取结合起来有助于改善分形编码的时间。因为特征抽取减少了问题的维数并且使网络能够在一幅和实验图像分离的图像上得到训练。自组织网络为分类引入了一个领域拓扑结构，并且不需要事先指定一组适当的图像类。网络按照在训练期间观测的图像特征的分布来组织自己。结果表明，该分类方法可以将编码时间减少两个数量级并保持可观的精度和压缩性能。     

分形图像编码中自相似性的研究

本文通过对图像自相关模型的研究,提出了判断图像自相似性强弱的方法,该方法定义了一个自相似系数来表征图像的自相似性。通过实验验证应用本文定义的自相似系数判断,在同一程度上,自相似系数越大,图像的分形压缩编码后效果越好。     

结合DCT补偿的分形图像编码

分形编码是建立在分形迭代函数系统理论基础上的图像压缩方法,压缩比高,但编码时间长,编码过程复杂度高。针对分形压缩方法存在的这些不足,且保证在高压缩比下使得图像质量有明显改善,文中结合离散余弦变换近似的分形图像压缩方法,通过对灰度变换的调节,找到最佳父块及映射,使得均方误差小于容许误差,以此完成编码过程,从而达到提高图像质量和减少编码时间的目的。实验结果表明：文中提出的方法在保证图像质量的前提下,提高了分形编码速度且优于基本分形编码方法。     

基于规范子块五点和的快速分形图像编码

分形图像编码通常需要较长的时间,编码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,提出一个限制搜索空间的算法.它主要基于图像块的一种新特征——五点和,把搜索范围限制在初始匹配块(五点和意义下与输入R块最接近的D块)的邻域内.实验表明：该算法能够大大减少子块匹配比较的数量,与基于叉迹的快速分形算法比较,在相同的搜索邻域内,在编码时间、图像质量和压缩比方面都更优.     

分形图像编码中的特征差值分类法

基于分形的图像编码方法具有高压缩比、分辨率无关性、快速解码等优越性质。编码时间过长是分形图像压缩的主要缺点之一,对定义域和值域的分类匹配搜索能够有效地加速编码过程,是解决上问题的重要手段之一。在简单介绍当前常用的分类算法的基础上,基于分形编码的收缩特性提出一种特征差值分类算法,该方法原理简单,实现方便,灵活性强,能够和多种其它算法相结合,有效地排除不符合收缩特性的“伪匹配”,快速找到最优的匹配,节约编码时间,且在解码图像质量上获得了非常好的效果。     

基于迭代分形解码和边缘扩展的图像修复算法

根据分形码的高压缩性,提出一种基于迭代分形解码和边缘扩展的图像修复算法。在信息嵌入阶段,运用1-D变换算法、2次推操作和换操作获取索引表,对照索引表将分形码和奇偶校验码存入图像的最低2位有效位中。在图像修复阶段,对接收到的图像进行3层篡改检测,迭代地采用提取的有效分形码和边缘扩展算法对篡改图像进行修复。实验结果表明,该算法能够获得较好的图像修复效果。     

快速分形图像编码局部方差算法的改进

该文提出了快速分形图像编码基于图像块方差的新算法 ,推广了C .K .Lee等提出的局部方差算法 (IEEETrans .ImageProcess .,1998,7( 6) :888-891)。新算法增加了两个参数以控制编码速度和解码图像质量。计算机仿真结果显示了算法的有效性 :例如 ,对于 2 5 6× 2 5 6× 8Lena图像 ,相对于全搜索的基本分形编码算法 ,该文算法 (对某些参数值 )在编码时间加快2 3倍的同时 ,PSNR反而增加 0 .12dB     

分形图像编码研究进展

分形图像编码是一种很有前途的压缩技术,目前是图像处理领域的研究热点。介绍了分形图像压缩的理论基础、基本原理和发展现状,并根据其目前存在的问题指出了改进方法和措施,最后探讨了其将来的发展趋势。     

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．     

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。     

基于自适应分类的快速分形编码方法

编码时间过长是目前分形图像压缩存在的主要问题,尽管对图像块进行分类是解决这一问题的一类重要方法,然而诸多分类方法中仍普遍存在着编码速度与解码质量之间的矛盾.针对这一问题,在给出衡量分类方法性能指标体系的基础上,首先提出了一种自适应分类方法,从而较好地解决了这一矛盾,然后将该方法运用于质心分类上,并结合满意匹配得到了一种快速的分形编码方法.实验表明,与原来的均匀分类方法相比,在取得相同压缩比的前提下,该方法可进一步提高分形编码的速度和改善解码图像质量.     

缩减码书的快速分形图像编码算法

为了提高分形图像编码算法的编码过程速度,首先从理论上证明了一个联系均方误差和相似度的不等式,并基于匹配对子块的相似度和domain块的标准差,设置了两个剔除条件,用来减少码书容量,然后通过缩小最佳匹配块的搜索范围,以达到加快编码速度的目的。对4幅复杂性不同的测试图像进行的仿真结果显示,在对解码图像主观质量影响很小的情况下,该方案大大加快了基本分形图像算法的编码速度。     

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.     

基于统计特性的分形图像压缩

通过分析影响分形图像编码速度的相关因素,提出了使用图像块的统计特性来改进分形压缩性能的思想,在证明迭代函数系统不会改变图像块的统计特性的结论基础上,给出了基于统计特性的分形图像压缩方法。实验结果说明该方法在压缩比、压缩时间和重建图像质量等方面都较传统方法有明显改善。     

基于PIFS分形图像编码中8种对称旋转变换的有效性研究

分析了基于部分迭代函数系统（ＰＩＦＳ）的传统分形图像压缩编码中８ 种对称旋转变换对编码性能的影响;通过两组实验证明了８ 种对称旋转变换并非是ＰＩＦＳ固有的不可缺少的一部分。在相同的搜索空间和相同的编码时间内,可以通过直接在图像内部增加Ｄｏｍ ａｉｎ ｂｌｏｃｋ 扩大搜索空间的方法而不采用８ 种对称旋转变换获得相同甚至略好的率失真特性。这一结论使作者对分形图像压缩编码有了更深入更全面的理解与认识。