基于子域对角和的快速分形图像编码算法

为了改进分形图像压缩编码过程耗时过长而影响实用的问题,新定义了子域对角和来描述图像块的特征.算法把码本按照子域对角和特征的大小排序,对每个待编码的Range块,仅在赋序码本中找到与Range块的子域对角和的数值最接近的Domain块,并在此Domain块的邻域内搜索最佳匹配块.实验结果表明,在保证解码图像质量的前提下,该算法较快地提高了编码速度.     

快速分形图像编码的一种特征方法

快速分形图像编码的特征向量法是最具创新性、最有前途的方法之一,但它有几个缺点、特别是特征向量的高维数性.针对这个问题,本文提出减少分形编码时间的一种可选的特征方法.作为它的应用,本文先定义图像块的新特征——叉迹,然后提出一个基于叉迹的快速分形算法.这个算法把Range-Domain子块匹配问题转化为叉迹意义下的邻域搜索问题.对256×256 Lena图像的实验显示,与基于全搜索的基本分形算法比较,依赖于搜索邻域大小,该算法既能在峰值信噪比相同的情况下实现加快3倍多,也能在主观质量有一定下降的成本下实现加快100倍以上.     

基于转动惯量的快速分形图像编码算法

针对基本分形编码方法编码时间过长的问题,基于新定义的图像块的转动惯量特征的概念提出一种基于转动惯量的快速算法.算法对码本按转动惯量大小赋序,再对每个需要匹配的Range块在赋序码本中寻找与它的转动惯量最接近的码块,即只在这个码块的邻域内搜索Range块的最佳匹配块.实验结果表明,较之基本分形编码算法,该算法编码时间大大缩短,图像质量没有受到太大影响并且优于形态特征的特征算法.     

一种混合的四叉树分形图像编码

为克服四叉树分形编码中纹理信息丰富的图像块较难找到满足要求相似块的不足,在四叉树分形图像编码的基础上,提出了一种与BTC方法结合的混合分形编码方法。讨论了四叉树分形编码与BTC方法,综合了2种方法的优点,对四叉树分形编码中块尺寸为4×4且找不到满足要求相似块的图像块,采用BTC方法,并用标准图像进行仿真实验,给出了四叉树编码方法与本文方法的实验结果。实验结果表明:此方法能明显改善重构图像的MSE或PSNR指标。     

一种改进的四叉树分形图像编码算法

给出分形压缩编码的改进算法,直接将原图像分成较大的块Di,再将原图分成较小的块或同大小的Ri,将Ri按照规定的方法分成较小的分类,然后直接在其中一个相对应的分类中去简单搜索Ri,如果找不到需要的Ri,就自己构造一个虚拟的i并存储构造过程中需要的修正值,而不用每次都从巨大的分类库中去搜索Ri,从而可以省去大量的搜索时间,使编码速度大大地提高.     

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。     

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。     

基于混合编码的分形图像压缩方法研究

提出了一种基于混合编码的分形图像压缩方案,改进了分形编码与SP IHT算法,对提升小波变换后的最低频部分采用改进的分形编码,其他部分采用改进的SP IHT算法。试验结果表明,该方法在缩短了图像压缩时间的同时,明显减少了分形压缩恢复图像的方块效应。     

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     

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.     

基于小波变换的快速分形图像编码

分形图像压缩编码方法以其高压缩比的潜在性能而在近年来倍受重视,但是分形方法还存在着一些问题亟待解决。本文所提出的基于小波变换的分形压缩方法不仅弥补了分形方法编码时间过长的缺点,而且还使分形方法高压缩比的优点,得以进一步发挥。     

Distortion Minimization with Fast Local Search for Fractal Image Compression

Optimal fractal image coding is an NP-hard combinatorial optimization problem, which consists of finding in a finite set of contractive affine mappings one whose unique fixed point is closest to the original image. Current fractal image schemes are based on a greedy suboptimal algorithm known as collage coding. In a previous paper, Hamzaoui, Hartenstein, and Saupe proposed a local search algorithm that iteratively improves an initial solution found by collage coding. For a standard fractal scheme based on quadtree image partitions, peak-signal-to-noise ratio (PSNR) gains are up to 0.8 dB. However, the algorithm is time-consuming because it involves many iteration steps, each of which requires the computation of the fixed point of an affine mapping. In this paper, we provide techniques that drastically reduce the complexity of the algorithm. Moreover, we show that the algorithm is also successful with a state-of-the-art fractal scheme based on highly adaptive image partitions.