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。     

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。     

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。     

一种改进的分形图像的压缩方法及其软件实现

为了提高分形图像压缩方法的效果,采用分割迭代函数系统方法,融合进化算法和四叉树方法,并使用C／C^ 语言,实现了分形图像压缩程序．程序运行结果表明,该方法能够提高图像压缩的质量和速度．     

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。     

分形图像压缩编码及其改进措施的研究进展

分形图像压缩编码是当前图像处理领域的研究热点，是目前较有发展前途的图像编码方法之一。本文介绍了分形图像压缩编码的理论基础及现存的主要问题，在此基础上对分形图像压缩编码的改进方法和措施进行了综述，并认为在传统的压缩算法中引入并行分布计算能取得更好的效果。     

分形图像编码及其改进算法

多媒体已经成为当今通信的发展趋势,而图像以其巨大的数据量,成为压缩的重点。自从Barnsley 1988年首次提出了分形图像压缩的方法以来,分形图像压缩的方法得到了广泛的重视和研究。本文将对分形压缩编码进行介绍,并对相应的改进算法进行探讨。     

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。     

分形理论在图像编码中的应用

采用稳定性分裂结构分割方案,通过最优相似性合并R块的分形图像压缩算法进行编码.相对于传统分割方法,压缩倍数与恢复图像质量都有较大的提高.稳定性分裂和相似性合并的分形图像压缩算法是一种有效的改进算法.     

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。     

分形压缩编码算法的改进

在分析总结分形理论的基础上，提出了一种将小波变换压缩编码与迭代函数系统（IFS）分形编码相结合的图象压缩方法，研究结果表明，与一般的分形图象编码方法相比，运算时间下降而压缩比提高。     

一种基于小波变换的分形图像编码压缩算法

有效的编码压缩算法是图像数据存储和传输的关键。本文在分析基本分形编码压缩算法（FCC）优缺点的基础上，提出了一种新的结合小波变换的分形图象编码压缩算法（DWT－FCC），该算法首先对图像进行二级小波变换分解，然后对分解后的高层子图像进行基本分形编码，并根据不同层子图像结构间的相似性，由高层分形编码构造低层子图像分形编码，实现图像的编码压缩。实验结果表明，该算法在缩短图像编码时间和提高压缩比方面，均取得了良好的效果。     

A Compression Algorithm of Hyperspectral Remote Sensing Image Based on 3-D Wavelet-Fractal Coder

In this paper, the 3-D Wavelet-Fractal coder was used to compress the hyperspectral remote sensing image, which is a combination of 3-D improved set partitioning in hierarchical trees (SPIHT) coding and 3-D fractal coding. Hyperspectral image date cube was first translated by 3-D wavelet and the 3-D fractal compression coding was applied to lowest frequency subband. The remaining coefficients of higher frequency snb-bands were encoding by 3-D improved SPIHT. We used the block set instead of the hierarchical trees to enhance SPIHT's flexibility. The classical eight kinds of affine transformations in 2-D fractal image compression were generalized to nineteen for the 3-D fractal image compression.The new compression method had been tested on MATLAB. The experiment results indicate that we can gain high compression ratios and the information loss is acceptable.     

一种快速、高效的混合小波-分形图像编码方法

结合分形编码和小波编码的优点,提出了一种高效而快速的小波与分形编码相结合的混合图像编码方法。其基本思路为,将小波分解后的图像的低频系数用基于方差的快速分形方法编码,剩余的高频系数用经过修改的SPIHT算法进行编码。实验证明,该混合算法避免了分形编码所固有的方块效应,与传统的分形编码相比,大大节约了编码时间,说明该算法具有一定合理性与优越性。     

基于不规则区域分割的快速分形压缩算法

首先基于序列块和主块之间最小象差的方差信息,提出了一方差排序搜索算法,该算法可产生与满搜索一致的分形编码.该算法能较大程度上减少对每个序列块进行搜索和匹配主块数与相应编码时间.并通过采用不规则区域变换,提出了一种不规则区域的图像分割算法,实际结果表明比传统的基于块的分割有更大的压缩比,并能减少编码时间.图4,表2,参10.     

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。     

方差剔除条件的快速分形图像编码方法

虽然分形图像压缩技术在高压缩比时具有高的重建图像质量,但是它编码过程耗时长导致了它难以在图像压缩领域广泛应用.为了减少寻找range块的最佳匹配domain块的时间,本文提出了基于方差剔除条件的分形编码方法,它利用均方根误差和方差关系的不等式,设置一个range块与domain块匹配搜索的提早结束条件来避免全搜索,从而减少编码过程的时间,实现加快编码速度的目的.计算机仿真显示,对5幅复杂性不同的测试图像,在影响解码图像主观质量很小的情况下,本文方案加快了基本分形编码算法的编码速度27倍.     

基于方向剖分的小波域分形图象压缩

该文提出一种新的分形和小波混合编码方法－基于方向剖分的小波域分形图象压缩方法：在将图象分解到小波域后，对各子图象，根据其所占能量的大小和所代表的方向纹理信息，采用不同大小、形状与类别的定义域块和值域块进行分形编码，经实验证明，这种基于方向剖分的小波域分形编码方法，在保证一定的还原图象质量的前提下，可以大大地提高了分形编码的速度，如果结合多层小波分解的分形压缩编码的预测法和零树法，还能进一步提高压缩率，从而使分形图象编码向实时应用迈进了一步。