M集在分形图像压缩编码中的应用

目的构造一个固定的压缩字典,改变传统的一幅图像对应一个压缩字典的分形图像压缩方法,解决Mandelbrot图像在分形图像压缩算法中的应用问题.方法采用函数f(z),改变参数z,生成不同的曲线,用灰度值量化规则进行量化,得到许多幅图像块,可以构成丰富的压缩字典,编码时将父块进行自适应合并分割,与压缩字典中的图像块进行匹配,选出满足条件的图像块,再对该图像块进行编码;解码时读取压缩字典,重建图像.结果该算法编码过程中生成丰富的压缩字典,所以解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.结论该算法减少了搜索时间.实验证明本算法实现简单、可行,具有良好的压缩效果和高质量的重建图像.     

基于蚁群算法的快速分形图像压缩方法

目的针对基本分形图像方法中编码时间过长的问题，提出一种缩短分形图像压缩编码时间的改进方法。提高编码的效率．方法基于蚁群算法的分形图像编码方法．结果实现了分形图像定义域块的自动分类，在匹配时通过类内搜索代替全局搜索；在类内匹配时进行基于匹配概率搜索．结论从理论和实验结果分析表明，相对于基本的分形图像压缩算法，该方法在基本保持重建图像质量的前提下，编码时间大大降低。加快了分形图像压缩的速度．     

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。     

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.     

广义Mandelbrot集和Logistic映射在图像压缩中的应用

目的在构造压缩字典时,改变传统的一幅图像固定一张量化表、一幅图像对应一个压缩字典的分形图像压缩方法,将广义M集和Logistic映射应用于分形图像压缩编码.方法采用函数f（z）=z3＋c,生成M集曲线,使用Logistic混沌映射生成的量化表量化M集曲线,生成图像块,构成压缩字典.将自适应合并算法应用于图像的分类,将量化后的M集图像块与压缩字典中的图像块进行匹配,选出满足条件的图像块,然后对该图像块进行编码;解码时读取压缩字典,重建图像.结果实验证明本算法实现简单、可行,图像压缩比高、重建图像质量好.结论该算法生成的图像块数量多、种类全,构造的压缩字典丰富,解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.     

圆盘与分形图像压缩编码算法

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不足之处是压缩字典还比较小．针对这一缺点，提出了一个较简单的非线性圆盘算法，简化了Hong Yan等提出的复杂非线性圆盘算法，用于解决压缩字典较小的问题．实验结果表明；这一算法简单可行，并具有良好的压缩结果和高质量的重建图像。     

Julia集在分形压缩编码中的应用

目的构建一固定的压缩字典.改变传统的一副图像对应一个压缩字典的分形图像压缩方法.提出了分形图在分形图像压缩算法中的应用.方法采用f(z)=z2 C,对不同的C,有不同的曲线.用灰度值量化规则进行量化,得到一幅图像.这样可以得到丰富的压缩字典.将量化后的4×4 Julia量化曲线与原图的4×4图像块进行比较,选取豪斯多夫度量最小的Julia量化曲线.解码过程读取压缩字典,重建原图像.结果通过与传统的分形图像压缩算法比较,该算法编码过程生成丰富的压缩字典,所以解码图像质量高.并且比传统分形图像压缩算法的压缩比高,解码速度快.结论用固定分形图像压缩编码字典替代变化的分形图像压缩编码字典,使得压缩字典和要处理的图像不再一一对应.将父类进行简单的分类,减少了搜索时间.实验证明本算法实现简单、可行.图像压缩理想,效果很好.     

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。     

改进的四叉树图像压缩算法

分析四叉树算法的编码过程，提出了利用四叉树算法中匹配不成功父块的匹配搜索结果，给该父块下一级子块产生一个预先匹配搜索范围，减少重复搜索过程，从而实现下一级子块的快速匹配，缩短了整幅图像的编码时间。     

基于圆盘特性的非线性分形图像压缩编码方法

提出了一种能够有效扩充编码字典的较简单基于圆盘特性的非线性分形图像压缩编码算法.该方法基于圆盘的旋转重叠的对称特性,将正方形内切圆中心点与其边上象素点相连,取其连线与内切圆的交点作为该象素点在圆盘上的映射点,简化了HongYan和Popescu等提出的基于圆盘特性的分形图像压缩编码方法,且逻辑简单,实现容易;实验数据表明,此方法有效的扩充了分形图像的编码字典,有较高的图像压缩比和峰值信噪比,获得了高质量的重建图像.     

基于分形的快速压缩编码方法

分形编码是一种很有潜力的编码方法,但是基本的自动分形算法计算量大,编码时间长.针对此缺点,根据分层编码的思想,给出了一种具体的分形与简单量化编码相结合的加速分形编码方法.首先对原始图像进行1/4减采样,得到一幅减采样图像,利用基本的分形编码方法编码该图像,然后对所得到的编码在原始图像分辨率下进行解码,对解码图像与原始图像求差值,用简单的量化编码方法编码差值图像.差值编码与用基本方法所得到的压缩编码共同构成原图像的编码.与传统的分形方法相比,该方法不仅提高了编码时间,并且在信噪比、压缩比等方面得到了不同的改善.     

一种新型的基于熵值的分形图像压缩算法

分形压缩技术存在很多优点,但其还存在编码时间过长的缺点.理论已经证明IFS不会改变图像块的熵值.本文提出了一种基于改进熵值的分形压缩算法:一是采用改进的熵值进行判断,降低了算法的复杂度,二是通过合并定义域池使编码时间减少.实验结果表明,采用该方法时的编码时间和PSNR较其他算法有明显提高,压缩比也有所提高.     

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。     

Improve Fractal Compression Encoding Speed Using Feature Extraction and Self-organization Network

Image compression consists of two main parts: encoding and decoding. One of the important problems of the fractal theory is the long encoding implementation time, which hindered the acceptance of fractal image compression as a practical method. The long encoding time results from the need to perform a large number of domain-range matches, the total encoding time is the product of the number of matches and the time to perform each match. In order to improve encoding speed, a hybrid method combining features extraction and self-organization network has been provided, which is based on the feature extraction approach the comparison pixels by pixels between the feature of range blocks and domains blocks. The efficiency of the new method was been proved by examples