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。     

-种双三次插值与IFS相结合的图像压缩新方法

提出一种基于 Walsh四子带分解 ,将双三次插值与改进的分形编码相结合的图像压缩方法 .实验结果表明 ,与基本的自动分形图像编码方法相比 ,在基本保持重建图像质量的前提下 ,运算时间下降而压缩比提高 .     

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长像缩小,然后使用基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相比,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.     

基于样条插值和分形的图像编码方法

提出了一种将样条插值和基于迭代函数系统（ＩＦＳ）的分块分形编码相结合的图像压缩方法。实验结果表明,与基本的自动分形图像压缩方法相比,本方法远算时间少、压缩比高且重建图像质量良好。     

基于分形理论的不规则物体的造型方法研究

针对不规则物体的造型特点,笔者首先分析分形的基本生成方法之-L系统的基本作图原理,改进了一种基于L系统的三维分形树的算法,然后讨论当前典型的分形山的生成方法中点位移法,并对上述两个算法进行了计算机模拟.     

基于分形理论的一种新的机器学习方法:分形学习

首先提出了一种新的机器学习方法,即分形学习,该方法旨在更好地从高维、海量数据中获取知识.分形论的研究对象为自相似系统,分形学习就是利用系统的自相似性来作为推理和学习的基本依据,其中分形维是定量描述系统自相似性的参数,也是应用于分形学习的重要参数;然后给出了分形学习的定义,阐述了其中的基本理论和学习过程中的关键技术;最后将该方法应用于案例库约简等方面的研究,取得了较好的效果.     

分形和基于C~(++)的分形参数化绘图

对分形图形技术进行了一些研究.在分析分形图形形成的理论上,研究了分形图形的几种生成方法:基于L-系统的分形图形、复变函数迭代.通过研究各种方法的基本思想和生成过程,归纳筛选出决定其形态的参数,用Delph i语言实现分形绘图系统.     

一种简化的分形压缩编码方法

分形编码是一种很有潜力的图像压缩算法,Jacquin在1989年提出了一种基于局部迭代函数系统（PIFS）,可以真正自动实现图像压缩算法——分形块编码算法,在此基础上形成了基本的分形编码方案．衡量一种压缩算法好坏的标准之一是该算法是否容易硬件实现,基本算法由于计算复杂,计算量大,硬件实现需要较多的资源．比例因子是该算法中的一个重要变量,本文给出了一种求比例因子的方法,该方法简化了求比例因子的计算,从整体上减小了基本分形算法的计算量．由于比例因子计算的简化与计算量的减小,该算法将会有利于分形压缩的硬件实现．     

使用分形维数对超高强度钢断裂韧性的研究

作者应用分形理论研究了超高强度钢D6AC断口的分形维数DH与断裂韧性的关系,并按测定DH的数字图像法原理,试验得出试样的断裂韧性与分形维数DH成正相关,从物理角度解释了断口分形维数与材料性能之间的关系。可为分形理论拓宽其应用提供基本依据。     

一种新的局部图像放大方法

基于分形图像编码的基本思想和分形吸引子的特点，通过对图像的局部进行分形编码，然后进行分形插值解码，实现了图像的局部放大．实验表明，这种方法是一种有效的局部图像放大方法，克服了现有方法的缺点