加速分形块编码

在分形块编码中，值域块与定义域池中的定义域块逐一匹配过程极其费时，为了大大地缩短分形编码的时间，将定义域块和值域块的匹配限制在以值域块的均值和方差作为中心的动态窗口中，动态窗口的长和宽，根据定义域块均值和方差的二维直方自适应确定，与全局匹配分形块编码相比，大大地缩短了编码时间。     

多尺度匹配的分形近似编码

将多尺度分析的思想引入到值域块与定义域块匹配过程中，预先剔除掉在粗尺度下与值域块不匹配的定义域块，相对减少了在细尺度下与值域块匹配的定义域块．该方法为缩短分形编码的搜索时间提供了一条新途径．与全局搜索匹配分形块编码相比，大大地缩短了编码时间     

四级邻域匹配分形近似编码

为了缩短分形编码中值域块与定义域块池中的定义域块逐一匹配时间，提出了四级邻域匹配分形近似编码．在编码时，对不同的图像区域进行不同级的编码，并将值域块与定义域块的全局匹配改为邻域匹配．该方法与Ｊａｃｑｕｉｎ的分形块编码相比，不仅大大地缩短了编码时间，同时也提高压缩比．两者解码图像峰值信噪比相近     

多尺度匹配的分形近似编码

将哆尺度分析的思想引入到值域块与定义域块匹配过程中，预先剔除掉在粗尺度下与值域块不匹配的定义域块，相对减少了细尺度下与值域匹配的定义域块。该方法为缩短分形编码的搜索时间提供了一条新途径。与全局搜索匹配分形块编码相比，大大地缩短了编码时间。     

四级邻域匹配分形近似编码

为了缩短分形编码中值域块与定义域块池中的定义域块逐一匹配时间，提出了四级邻域匹配分形近似编码。在编码时，对不同的图像匹域进行不同级的编码，并将值域块与定义域块的全局匹配改为邻域匹配。该方法与Ｊａｃｑｕｉｎ的分形块编码相比，不仅大大地缩短了编码时间，同时也提高压缩比，两者解码图像峰值信噪比相近。     

近邻相关匹配图象快速分形压缩编码

为缩短分形编码中值域块与定义域块逐一匹配时间．将值域块与定义域块的全局匹配改为近邻匹配。并提出近邻相关匹配分形近似编码的方法,在子块搜索匹配之前将大量显著不相关的子块剔除掉,从而大大缩小搜索空间。通过实验,该方法比全局搜索匹配的分形编码快。     

基于自适应匹配的红外图像分形编码

针对红外图像的特点,提出了一种自适应局部分形块编码方法,该方法利用图像块灰度相关性,将值域块与定义域块的匹配限制在以值域块的均值和方差为中心的动态窗口中,动态窗口的长和宽,根据定义域块均值和方差的二维直方图自适应地确定、实验结果表明,所提方法不但大大缩短了编码时间,压缩比也有较大幅度的提高。     

图像8邻域分形块编码

提出了8邻域分形块编码，其值域块的分形编码是基于对值域块最小均方差近似得来的。因而与基于搜索匹配的Jackquin分形块编码相比，它速度快，压缩比高。对512×512的“Lenna”图像实验结果表明:二级8邻域分形块编码每像素比特率可达到0．36bpp，峰值信噪比可达29．86dB，在PC486上，编码时间为64秒，解码时间为109秒。     

基于自适应门限的快速分形编码方法

利用图像子块的自身统计特性，并结合父块变换过程中方差不变的特性来减少匹配库中候选块的数目，依据匹配门限可以由子块的方差来确定的原理，提出了一种基于自适应门限的分形图像编码算法的改进算法．实验表明，该算法在保持压缩比基本不变的情况下，在还原图像PSNR方面有所提高，缩短了图像的编码时间．     

基于小波和分形的遥感图像快速编码

在分析分形编码的匹配过程和小波变换系数分布特点的基础上,提出了一种卫星遥感图像的快速编码算法,即对分形编码的定义域块和值域块分别进行小波交换,并通过计算域块信息库来匹配值域块和定义域块。分别对长春地区的SPOTS影像和广州地区的,TM影像的试验表明,该算法在峰值信噪比下降极小的情况下显著地提高了图像编码速度,在多分辨率卫星遥感数据的可视化表达领域可望有较好的应用前景。     

Fast Fractal Image Encoding Based on Special Image Features

The fractal image encoding method has received much attention for its many advantages over other methods, such as high decoding quality at high compression ratios. However, because every range block must be compared to all domain blocks in the codebook to find the best-matched one during the coding procedure, baseline fractal coding (BFC) is quite time consuming. To speed up fractal coding, a new fast fractal encoding algorithm is proposed. This algorithm aims at reducing the size of the search window during the domain-range matching process to minimize the computational cost. A new theorem presented in this paper shows that a special feature of the image can be used to do this work. Based on this theorem, the most inappropriate domain blocks, whose features are not similar to that of the given range block, are excluded before matching. Thus, the best-matched block can be captured much more quickly than in the BFC approach. The experimental results show that the runtime of the proposed method is reduced greatly compared to the BFC method. At the same time, the new algorithm also achieves high reconstructed image quality. In addition, the method can be incorporated with other fast algorithms to achieve better performance. Therefore, the proposed algorithm has a much better application potential than BFC.     

一种快速分形图像编码方法

提出了一种快速分形图像编码方法．该方法利用原图像的均值图像设计编码码书，利用高阶统计量对域块进行分类，可以有效地减少域池中域块之间的相关性．同时，使用遗传算法搜索值块的匹配域块，可以减少分形图像编码时值块与域块的匹配搜索时间，加快图像分形编码的速度．基于这种方法的分形图像编码，在图像解码时不需要迭代，可以提高图像的解码速度，不需要对编码时的伸缩系数加以限制．仿真结果表明，这种快速分形编码方法可以减小图像编码时间，较大提高了分形编码的速度．在相同压缩比的情况下，解码图像的质量也比传统方法要高．     

基于差分计盒维数的分形图像编码方法

提出了一种利用差分计盒维数(简称DBC,一种估计分形维数的方法)新的分形图像编码方法,该方法利用DBC来寻找一个与值域子块在分形维数上最接近而且与其差别小于某一预定阈值的定义域子块.这种方法的优点在于能够有效减少搜寻对应于某一值域子块的最佳定义域子块及最佳变换的搜索空间.     

基于不规则区域分割的快速分形压缩算法

首先基于序列块和主块之间最小象差的方差信息,提出了一方差排序搜索算法,该算法可产生与满搜索一致的分形编码.该算法能较大程度上减少对每个序列块进行搜索和匹配主块数与相应编码时间.并通过采用不规则区域变换,提出了一种不规则区域的图像分割算法,实际结果表明比传统的基于块的分割有更大的压缩比,并能减少编码时间.图4,表2,参10.     

一种快速、高效的分形图像编码方法

文章针对传统分形编码时间过长的缺点,提出了一种高效而快速的基于方差的分形图像编码方法。其基本思路为:首先找到在方差意义下与R块最邻近的D块,在其左右k邻域内搜索与R块匹配的D块,如果没有搜索到满足预定阈值要求的D块,则对当前R块进行4值BTC编码。实验证明,该混合算法与传统的分形编码相比,节约了编码时间,说明该算法具有一定合理性与优越性。     

矿井监控图像的分形编码

针对井下光照度低,监控图像对比度低,平滑区域较多这一特点,为了提高煤矿井下监控图像的分形压缩编码的效率,采用了基于平滑块处理的分形编码算法。在进行分形编码时,预先设定图像D块及R块的方差阈值,将方差小于其阈值的所有D块剔除在码本之外,对于方差小于其阈值的所有R块不进行搜索匹配,而是直接赋以均值。实验研究结果表明:基于平滑块处理的分形编码算法比基本分形编码算法更有效。该算法的实现提高了分形编码的效率,有助于解决煤矿井下监控图像的低比特率传输问题。