固定压缩字典与分形图压缩编码

分形图像压缩字典是实现分形图像压缩编码的关键因素，而由Barnsley设计的传统的分形图像压缩编码字典的最大缺点是压缩字典随着压缩图像的变化而变化，因此，每压缩一幅图像，都要花很长时间去优化分形图像压缩字典，以便提高压缩编码的速度和保证重建压缩图像的质量。针对这一缺点，本文根据统计规律设计一个固定压缩字典对分形图像进行压缩编码，彻底地改变了Barnsley实现分形图像压缩编码使用变化压缩字典的方法。实验结果表明，固定压缩字典能快速地实现分形图像的编码，并具有部分分形图像的解码优点。     

分形理论在图像压缩中的应用

在图像压缩中运用分形理论是一种基于自然图像局部自相似性的有效压缩技术。文章重点介绍分形图像压缩技术理论基础——迭代函数系统,再介绍分形图像压缩编码和解码的方法,最后简单介绍分形编码的改进方法。     

结合DCT近似的分形图像压缩方法

分形图像压缩是一种基于分形迭代函数系统理论的图像压缩方法,压缩比大,但编码过程计算复杂、编码时间长,结合离散余弦变换近似的分形图像缩方法,提高了分形压缩中灰度变换的精度,从而达到了提高图像质量,提高比和减少编码时的目的。三种不压缩图像的结果比较证实了新方法的优越性。     

BJ分形图像编码

提出一种新的分形图像压缩方法,该方法综合了两种分形图像压缩方法的优点,改善了Ｂａｔｈ分形变换方法重构图像的质量,大大减少了标准分形图像压缩方法的编码时间。     

基于RIFS和FIC的分形图像生成方法

将分形几何递归迭代函数系统（RIFS）和基于块变换的分形图像压缩（FIC）编码方法有机结合起来，提出了将分形图像压缩的分块IFS编码转换为RIFS编码，应用混沌算法生成分形图像的新方法，从而能够采用线性分形模型描述更广泛的几何图形对象，为RIFS逆问题的解决提供了一种新途径．     

基于RIFS和FIC的分形图像生成方法

将分形几何递归迭代函数系统（ＲＩＦＳ）和基于块变换的分形图像压缩（ＦＩＣ）编码方法有机结合起来，提出了将分形图像压缩的分块ＩＦＳ编码转换为ＲＩＦＳ编码，应用混沌算法生成分形图像的新方法，从而能够采用线性分形模型描述更广泛的几何图形对象，为ＲＩＦＳ逆问题的解决提供了一种新途径。     

基于小波变换与改进分形结合的图像压缩算法研究

针对传统的分形图像压缩编码时间长的缺点,提出了改进的分形编码方法,并将小波变换与改进的分形编码结合.在MATLAB软件中进行测试实验,实验结果表明,与传统的分形编码算法相比,在保证图像压缩质量基本不变的情况下,新算法编码时间大大缩短了,并且提高了压缩比,具有较高的应用价值.     

分形图像压缩研究的进展

从图像划分,编码算法,分类方法,解码算法,拼接定理和变换参数量化等方面对分形图像压缩编码的研究进展进行评述,提出了一种基于Ｊａｃｑｕｉｎ逐块变换和Ｂａｔｈ分形变换的混合编码方案,并指出形分图像压缩编码进一步的研究方向。     

一种快速分形图像压缩编码

根据统计规律建立一个小型固定字典,用以加速分形图像的压缩编码;然后,用Julia图像的生成的图像块作为分形图像压缩编码字典的补充;还建立一个编码和解码都相同的平均值字典·因此,使用的压缩方法改变了由常规设计的传统分形图像压缩编码使用编码和解码不相同字典进行编码和解码的缺点·实验结果表明,所使用的方法能很好地对图像进行分形压缩编码和解码,和常规分形编码方法相比还具有较高的PSNR·     

小波与分形混合图像压缩编码

传统的分形图像编码方法,由于编码时间长,严重影响其广泛应用。提高分形图像压缩的编码速度是目前分形图像编码研究的重点。文章结合小波多尺度分析的特点,提出了基于方差的小波和分形混合编码算法。实验结果表明:本文的算法在重构图像的峰值信噪比(PSNR)略有下降的情况下,编码时间减少了98.67%和压缩比提高了4倍。     

分形及其在图像压缩编码中的应用

简要介绍了分形、分数维数的概念,分形用于图像压缩的基本原理,以及基于分形的若干图像压缩编码方法。     

分形及分形图像编码

分形图像编码方法以其高压缩比的潜在能力 ,近年来颇受关注 ,是最有前途的图像编码方法之一 ,目前其研究已取得了很大进展。本文概述分形学的产生、发展 ,简述分形几何与图像压缩结合的理论基础及编码方法。并对分形图像编码的研究现状和发展前景进行了介绍和评述     

基于离散小波分形的图像压缩编码

应用小波嵌入式零树编码技术 ,并将其与分形编码技术相结合 ,实现了对小尺寸图像 (12 8× 12 8× 8bits)的有效压缩 .在较好的图像主观质量与峰值信噪比的前提下 ,获得了压缩比较高且无分块效应的重建的小尺寸图像 .     

基于神经网络的分形图像压缩与解压缩

图像压缩技术中,分形图像压缩与解压缩具有较高的压缩率和低损耗率,但基于迭代函数系统的自动分形图像编码方法计算量大,因此限制了其实际应用。人工神经网络具有学习、记忆、识别及推理等特点,为分形图像压缩解压缩提供了一个全新的解决方案。提出使用神经网络方法以并行方式完成分形图像压缩与解压缩的大量计算,模拟结果显示,与基本的自动分形图像编码方法相比,在基本保证重建图像质量的前提下,运算时间和码率均下降,显示出神经网络技术应用于分形图像压缩与解压缩中的可行性及高效性。     

分形图像压缩的研究进展

分形图像压缩是一种具有独特优势且极有前途的数据压缩技术 ,至今未能广泛应用是由于其面临着高计算复杂度的困难。文中提出了克服这一困难的一些有效方法 ;同时 ,提出了改善重建图像视觉效果的措施 ,并探讨了分形图像编码的未来研究方向     

用改进的PIFS实现多媒体通信中的图象处理

本文利用部分迭代函数系统（ＰＩＦＳ）实现分形图象压缩编码的同时,充分利用分形图象编码,解码的某些特殊性质实现对图象的某些特殊处理,以满足多媒体通信中对图象传输和重现的特定要求。一是利用分形图象压缩编码的尺度独立行性实现图象的放大与缩小;二是利用分形压缩编码中某些关键参数实现多媒体通信中图象的分级传输与访问控制。     

分形图像编码研究的进展

分形图像编码因其解码分辨率无关性、快速编码及高压缩比等显著特点而备受关注。尽管分形图像编码的优势很明显但编码过长仍然是其主要的缺陷。为了减少编码时间、改善图像质量和压缩比,许多方法被提出。     

数据压缩字典与快速图像分形映射压缩算法

针对分形编码压缩时间太长、以至于该算法很难达到实用的缺点,提出了对图像进行分级预处理,即根据被压缩图像的实际情况建立一个数据压缩字典,使得被压缩图像的匹配块仅在数据压缩字典指定的块中进行,从而大大减少图像压缩过程中的搜索范围和压缩时间·此外,给出了建立数据压缩字典的理论基础,并根据此思想给出了一个新的实现分形编码算法·实验表明,在提高压缩比的同时,运算时间也大大缩短