Fractal image compression based on fuzzy theory

Though progress has been made in fractal compression techniques,the long encoding times still remain the main drawback of this technique,which results from the need of performing a large number of range-domain matches,the total encoding time is the sum of the time required to perform each matech,In order to make this method more efficient in practical use,the Fuzzy theory based on feature extraction of the projection and normalized codebook method has een provided to optimize the encoding time,based on the co-means clustering approach.The results of the implementation of Rate Mean Square(RMS),Peak signal noise ratio(PSNR) and the encoding time of this propsed method have been compared to other methods like the Feature Extraction and Self-orgarnization methods to show its efficiency.     

一种基于小波分解的无搜索分形图像压缩算法

在不同的小波尺度中,子块基于相应固定位置的父块进行编码, 同时利用不同小波尺度之间的相关性进一步缩短编码时间.实验结果表明,与空间域无搜索分形图像压缩方法相比,提出的方法在解码图像质量略有损失的情况下,压缩比提高了近3倍,同时计算量减少了6/7.     

A Novel Fractal Wavelet Image Compression Approach

By investigating the limitation of existing wavelet tree based image compression methods, we propose a novel wavelet fractal image compression method in this paper. Briefly, the initial errors are appointed given the different levels of importance accorded the frequency sublevel band wavelet coefficients. Higher frequency sublevel bands would lead to larger initial errors. As a result, the sizes of sublevel blocks and super blocks would be changed according to the initial errors. The matching sizes between sublevel blocks and super blocks would be changed according to the permitted errors and compression rates. Systematic analyses are performed and the experimental results demonstrate that the proposed method provides a satisfactory performance with a clearly increasing rate of compression and speed of encoding without reducing SNR and the quality of decoded images. Simulation results show that our method is superior to the traditional wavelet tree based methods of fractal image compression.     

一种基于分形的快速图像编码算法

提出了一种快速分形编码算法.针对Jacquin的算法,在为值块(range块)搜索匹配域块(domain块)进行全搜索,搜索速度慢,编码时间过长的缺点,笔者首先提出周边邻域的定义,然后在Jacquin算法基础上提出快速分形编码算法,这种算法大大减少了匹配计算,提高了分形编码速度.实验结果显示,编码时间缩短99%左右,而图像质量没有受到多大影响.     

分形图像压缩算法

分形图像压缩是近年产生的图像压缩技术,它以分形几何为数学模型,将原始数字图像看作压缩变换的吸引子。其压缩编码思想是将图像划分为互不重叠的值块,同时以相互重叠的域块构成图像的虚拟码书,由最小均方差准则在虚拟码书中搜索与值块最相匹配的域块。编码过程保存了匹配的仿射变换信息,从而达到压缩目的。本综述了分形图像压缩算法,讨论了自适应分区法和减低复杂度技术的方法。     

基于正交多小波变换的快速分形图像编码

提出了一种快速分形图像编码算法。编码时,通过插值正交多小波变换将原始图像缩小,然后使用摹本分形编码算法进行压缩;解码时,使用基本分形解码算法进行解码,然后使用插值正交多小波变换恢复图像。实验结果表明,与直接使用分形编码方法卡爿比,该方法缩短了编码时间,并且在信噪比、压缩比等方面得到了改善。     

一种新的双策略进化果蝇优化算法

标准果蝇优化算法(fruit fly optimization algorithm, FOA)在迭代寻优的过程中,整个果蝇群体只向最优个体靠近,这导致算法极易陷入局部最优,从而引起早熟收敛的问题。针对该问题,提出一种新的双策略进化果蝇优化算法(a novel double strategies evolutionary fruit fly optimization algorithm, DSEFOA)。提出的一种新的群体分割策略,将果蝇群体动态地划分为精英子群和普通子群;对于精英子群,引入混沌变量引导果蝇个体在其附近搜索食物,优化其局部搜索能力;对于普通子群,引入权重因子改进标准FOA的随机搜索方式,执行全局搜索,加快收敛速度。DSEFOA算法针对不同进化水平的果蝇个体采用不同的策略更新进化,充分地提升了整个群体的寻优搜索能力。8个测试函数的仿真试验结果表明, DSEFOA算法有比标准FOA算法更好的优化性能。     

一种基于K-均值聚类优化的快速分形图像压缩算法

对搜索窗中的父块和子块，根据其方差的不同，利用K-均值聚类优化方法分别对子块和父块进行聚类，子块只对同一类中的父块进行匹配，从而大大缩短了编码时间。仿真实验结果表明，在不影响信噪比和压缩比的前提下，与经典分形压缩算法相比，该算法编码速度可提高大约5倍；同近期文献报道的基于方差的快速分形压缩算法相比，该算法的结果也有明显的改善。     

一种墓于分块的自适应分形图象编码方案

在Ｊａｃｑｕｉｎ工作的基础上：提出了一种基于分块的自适应分形图象编码方案．首先引入了视觉抑制函数对图象块进行分类和对图象均方误差进行加权；其次，发展了图象四叉树划分方法，提出了一种自适应块划分方法；再次，用分段均匀量化方法量化亮度平移量；最后，给出了实验结果，并与Ｊａｃｑｕｉｎ和Ｌｕ的结果进行了比较，验证了本文所提方法的有效性．     

快速分形图象压缩算法

分形块编码法能提供高压缩比、高质量的图象,其美中不足之处在于搜索最佳匹配块时耗时过长。本文提出的快速算法,采用二叉树和链表结构进行搜索,大大提高了匹配速度,从而缩短了编码时间。本算法分两次使用分形块编码,第二次是对第一次编码还原图和原图之间的误差进行编码,减少了图象失真。仿真结果表明,本算法较传统分形块编码法速度提高了几十倍。在高压缩比下,图象质量高于 Ｊ Ｐ Ｅ Ｇ算法。     

基于像素类型的彩色图像局部自适应滤波

针对彩色图像的细节丰富和边界明显特点,提出了基于像素类型的局部自适应滤波方法。该方法首先检测彩色图像的边界点,再按照设定参数选择自动选择局部灰度平稳区,然后根据选定领域范围内像素的统计特性来判断中心像素的类型。结合邻域大小和像素类型,设计了不同的滤波模板。该方法不需人为选定待滤波区域,对噪声适应性强,且运算时间短,效果明显。     

一种基于小波分解的无搜索分形图像压缩算法

在不同的小波尺度中，子块基于相应固定位置的父块进行编码，同时利用不同小波尺度之间的相关性进一步缩短编码时间．实验结果表明，与空间域无搜索分形图像压缩方法相比，提出的方法在解码图像质量略有损失的情况下，压缩比提高了近3倍，同时计算量减少了6／7．     

分形与图象压缩

利用分形领域中的一个分支---迭代函数系统来介绍分形的内涵,比较确定性迭代算法和随机性迭代算法得到的分形图案,这也是利用分形进行图象压缩的理论基础     

一种新的图像背景自适应分割算法

在对图像分割技术进行综合研究的基础上提出一种以最大类间方差法为基础的图像背景自适应分割算法,此算法根据目标和背景区域的灰度统计量来自动选取最优阈值。最后通过仿真与常规的迭代法、四叉树、分水岭等算法处理后的效果图做了比较。     

基于分形的图像压缩

利用分形领域中的迭代函数系统来介绍分形的内涵,比较了确定性迭代算法和随机性迭代算法得到的分形图案,对如何利用IFS进行图像压缩进行了论述.     

自适应比特分配光正交频分复用的实验研究

为解决塑料光纤(POF)带宽窄、模式色散大的缺陷,提高光接入网的带宽利用率和色散容限,本文在光接入网中使用自适应比特分配算法的正交频分复用(OFDM)调制方式,利用OFDM系统极佳的频带利用率特性,提高了光接入系统的带宽利用率,并降低了系统的误码率(BER)。在搭建的实验系统中,成功地在不足2.5GHz带宽的光信道中完成了10 Gb/s的光OFDM(OOFDM)系统,从而证明了自适应比特分配算法在OOFDM系统中的有效性和可行性。     

一种图像分形压缩的改进算法

将矩阵的相关理论运用到图像分形压缩中,简化了分形编码过程,在传统分形压缩的基础上,进一步提高了分形压缩比,同时,提出一种矢量法分形块分类的方法,缩短了分形编码时间.     

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。     

分形图象编码综述

分形图象编码是基于图象收缩仿射变换的在图象压缩领域的一门新技术。本文在收集和阅读了与分形图象编码有关文献的基础上,对分形图象编码近年来理论和实践上的研究现状、重大进展进行了综述,并对分形图象编码的研究前景进行了评价。     

基于种群多样性的自适应乌鸦搜索算法

针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发.结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率.为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验.实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.