基于方差的快速分形图像编码方法

由于分形图像编码过程非常耗时,因此提出了一种加快分形图像编码速度的新方法.分形图像编码的依据就是图像的自相似性,方差是反映图像统计特征的最基本的参数,它的大小从总体上反映了图像的粗糙程度,因此分别利用定义域(Domain)块、值域(Range)块的方差形成一个特定的剔除条件,在编码的初级阶段排除大量不匹配的Domain块,使搜索空间仅有几个至几十个定义域块组成.实验结果表明,在保证图像质量较好的情况下,编码速度得到了极大的提高,是传统分形编码的几百倍.     

基于局部方差和DCT变换的混合分形图像编码算法

分形图像编码技术是一种很有发展前途的新型图像编码技术，相对于已有的其它图像编码算法，分形图像编码算法能够在取得高压缩率的前提下，较好地保持解码图像的质量。本文根据图像内部的图像子块特征，提出了一种基于局部方差和DCT变换的混合分形图像编码算法，该算法在大幅提高分形编码速度的同时，很好地改善了解码图像的质量，进一步增进了分形图像编码的实用性。实验结果表明，混合编码算法的编码时间与方差算法的编码时间相当，解码图像的质量甚至好于基本分形图像编码算法。     

一种优选码书搜索的分形图像编码算法

为了克服分形图像编码计算量大、编码时间长的缺点，提出了一种结合图像自身特点的优选码书搜索、自适应误差门限的分形图像编码算法，并结合四叉树编码算法展示了该算法搜索效率高、编码时间短、重建图像质量高的优点。实验证明，该算法能大大缩短编时间，为分形编码走向实用创造了条件。     

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压缩技术,但由于其编码时间长、计算复杂性高,因而阻碍了它的广泛应用.作者提出一种基于图像边界特征的分类方法,将搜索空间预先分类后再进行搜索,这样可以减少编码搜索匹配时间,进而缩短编码时间.实验结果证明,该方法可使编码速度有较大提高,而解码图像质量无明显下降.     

差量分析和四叉树结合的分形图像编码算法

针对分形图像编码时间过长的问题,提出了差量分析和四叉树结合的分形图像编码算法。在搜索码本集合中运用差量分析匹配准则,只搜索那些符合差量分析匹配准则的定义域块,从而降低了搜索过程的复杂度,完成编码。实验表明,提出的算法较方差算法和改进四叉树分割算法速度分别提高了5.87倍和7.84倍,解码图像的峰值信噪比基本不变。     

一种基于DCT的快速分形图像编码方法

分形图像编码能获得很高的压缩比，但存在编码时间过长的缺点。本文根据离散余弦变换(DCT)能量集中的特性，提出一种基于DCT的快速分形图像编码方法。实验结果表明，该方法与传统的分形块编码方法相比，编码速度有很大提高，并能获得较高的峰值信噪比(PSNR)。     

固定图像作码本的分形图像压缩

分形图像编码所需要的码本都是来自于被编码图像,提出了一种简化的分形图像压缩算法,该方法的码本来自一个固定的图像,这样的一个码本适用于编码任何图像。实验表明这样做不仅简化了分形图像编码,而且还提高了峰值信噪比,在处理一些较大图像时能够大大提高编码速度。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

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。     

结合K均值聚类和KD-Tree搜索的快速分形编码方法

利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码：首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量.     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

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。     

基于混合分类和矩形划分的快速分形编码方法*

针对分形图像压缩中矩形划分计算量太大的问题,提出了一种混合分类方法并将其应用于图像的矩不变量,得到了一种基于矩形划分的快速分形编码方法.实验表明,该方法相对于全局搜索,在压缩比和解码质量略有下降的基础上,能极大地提高分形编码速度;与均匀分类方法相比,混合分类法可进一步提高分形编码速度并改善解码图像质量,可以在一定的条件下取得压缩比优势.     

基于K均值聚类的快速分形编码方法

针对目前分形图像压缩存在的编码时间过长问题,提出了使用K均值聚类对编码过程进行加速的方法,其中聚类向量采用图像块的正规化特征向量以保证聚类的精度,并通过用部分失真搜索来完成传统K均值聚类中最耗时的最近邻搜索过程以提高聚类速度。进一步,通过结合均值图像建库、去平坦块等技巧,得到了一种快速、可调的分形编码方法。实验结果表明,相对于全局搜索,所提方法大幅地提高了编码速度和压缩比,而解码质量只略有下降。     

变步长和变阈值的分形小波图像压缩算法

针对目前分形小波混合图像压缩方法存在的不足，提出了一种新的分形小波混合图像压缩方法。同方向、不同分辨率的相邻子带图像之间进行分形搜索时，根据其系数的重要程度不同，采用不同的误差阈值与搜索步长，高分辨率子带的搜索步长大，误差阈值小，而低分辨率的子带则采用小步长和大误差阈值进行搜索。实验表明，相对于经典的基于小波树的分形图像压缩方法，该改进算法在不影响信噪比和解码图像质量的前提下，提高了压缩比和编码速度。     

基于GEP的分形图像压缩并行算法

传统图像压缩算法存在图像压缩率不高、寻找最优分形图像压缩编码速度慢的不足。为此,提出一种基于基因表达式编程(GEP)的分形图像压缩并行算法。分析二值图像压缩变换的求解过程,给出分形图像基因和染色体的编码表示,设计适应度函数,研究GEP遗传进化操作的编码步骤。在PC机群上的实验结果表明,与串行算法相比,该算法的图像压缩率较高、运行速度较快,具有线性加速比。     

一种新的分形图像压缩方法

文中提出了一种新的分形图像压缩方法。该方法将固定矢量的概念应用于分形块编码中,对图像的平缓区进行固定矢量的线性组合编码,对图像的丰富细分区用分形编码。     

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。     

基于像素采样的分形图像编码算法

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算法技术．但是,基本的分形编码算法是耗时的,由于在基本编码算法中值域块要在庞大的定义域块库中搜索最佳的匹配块．为了减少编码时间,该文提出了基于像素采样的分形编码方案．该方案既不需要复杂的理论分析,也不需要改变现有的分形编码、解码过程,因此能够以直接的方式引进其他的块速的编码算法．计算机仿真显示,在PSNR降低的情况下,编码的匹配搜索时间大幅度减少,同时解码图像的主观质量并没有很大程度上明显降低．