基于新的父块库分类的自适应图像分形编码算法

图像编码在数据存储和传输领域有着广泛的应用,全自动分形图像压缩算法是实现高压缩比图像编码的有效途径之一.本文在自适应四叉树分形编码基础上提出了一种改进的父块库分类的算法.该算法将父块划分为四个部分,以各部分的灰度均值和平稳阈值为判定标准,将父块库划分为两个大类和六个小类,大幅度降低了父块库的冗余程度.通过对图像的编码与解码计算,发现改进算法在加速搜索的同时,可以大幅度地提高图像的峰值信噪比.其中,平稳阈值是影响编码时间的主要因素,适中的平稳阈值能够保证最短的编码时间.     

一种几何形状比例可变的分形图像压缩编码方法

在分析了图像压缩的分形几何形状比例变化可行性的基础上,提出一种基于分形几何形状比例可变的分形图像压缩编码方法,以分形几何比例分别为2：1和3：2的最佳父块逼近子块程度的实验为例,得出父块越大,父块逼近子块程序越差的结论,因此,分形图象压缩必须考虑几何形状比例,进一步给出了4种父块越大,父块逼近子块程度越差的结论。因此,分形图象压缩必须考虑几何形状比例,进一步给出了4种分形几何比例的灰度平均采样公式,并模拟这4种分形比例,分别单独进行了分形编码实验,根据同一图像不同部位的具体情况,采用不同的分形几何比例进行混合几何比例的分形编码方法实验,结果表明：分形几何比例可变的混合分形编码方法与其他单一几何比例分形编码方法相比,黑种人铁压缩比和峰值信噪比均有提高,编码时间也有所减少。     

一种快速小波子带分形图像压缩编码方法

在小波变换相邻子带块预测编码的基础上 ,提出了一种快速小波子带分形图像压缩编码方法 .根据小波子树结构性相似的特点 ,把块预测搜索范围限制在子树附近 ,大幅度减少图像小波子带分形编码时间 ;然后采用在上一级恢复子带的基础上进行分形预测编码、对较低分辨率子带中分形预测误差较大的块直接进行编码等新的编码方法 ,以提高恢复图像质量 .实验结果表明 ,该方法在图像压缩编码时间大幅度缩短的同时 ,恢复图像质量也有所提高     

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     

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·     

数据压缩字典与快速图像分形映射压缩算法

针对分形编码算法压缩时间过长 ,以至于该算法很难达到实际应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 ,从而大大在减少了图像压缩过程中的搜索范围和压缩时间·此外 ,对这一思想的可行性在理论上也进行了有益的探索 ,给出了建立数据压缩字典的理论基础 ,并依此思想给出了一个新的具体实现分形编码的算法·实验表明 ,在提高压缩比的同时 ,运算时间也大大缩短 ;同时还表明 ,数据压缩字典的建立是在压缩速度上对分形编码方法的重大革新·…     

基于迭代控制搜索策略的分形图像压缩算法

针对分形图像压缩算法编码时间较长的问题,提出了一种基于迭代控制搜索策略的快速分形图像压缩(ICSS)算法.当值域块寻找匹配的定义域块时,通过分形码的迭代更新次数来控制搜索过程,设置搜索终止条件,去除搜索过程中的低效搜索和无效搜索;同时计算图像块相似度时采用等距采样图像进行降维处理,进一步降低计算复杂度.实验结果表明:与经典算法文献算法相比,本文算法在保持图像压缩比不变的情况下,能获得更好的重建图像质量,且编码速度显著提升.     

分形图像压缩编码速度的提高方法及实现

分形技术以其高压缩比等优越特性引起世人瞩目，针对其压缩编码速度有待提高的问题，提出了改进的分形图像压缩方法，该方法在定义父块与子块对比自身而得到的特征值的基础上，证明了匹配父块存在的条件，并使得子块只搜索那些特征值符合条件的父块，从而降低了搜索的复杂度。实验表明，有特征值的搜索速度是无特征值搜索速度的5倍以上，而图像的压缩质量却没有受到很大的影响。     

基于分形集的多层子块匹配图像压缩算法

提出一种基于分形集和迭代函数系统的多层子块匹配图像压缩算法．通过高层次的子块匹配结果限定低层次子块的搜索范围,多层子块匹配能减少搜索复杂度,实验结果表明该算法能够在保证图像质量的情况下取得较好的压缩效果．     

基于超分辨率分形解码和误差补偿的图像插值算法

插值是图像处理中的基本问题,现有的插值算法无法对具有复杂结构和丰富纹理的图像进行准确有效插值.对图像进行四叉树分形编码,确定相应的最优线性变换参数,建立具有相似关系的"子块-父块对";根据块之间的相似关系与图像分辨率无关的特点,以超分辨率分形解码的方式对吸引子进行重建,进而得到插值图像;对分形编码的拼贴误差进行双立方插值,并以此作为补偿项对插值图像进行修正,进一步提高插值精度.标准测试图像的实验结果表明:与经典算法相比,分形插值能够对图像的结构细节实现准确有效的恢复,不会造成边缘模糊和锯齿效应,具有较高的插值精度和图像质量.     

基于遗传算法的分形图像压缩方法

基于分形和分块迭代函数系统的特点,提出了一种改进的用于求解具有全局最优的自相似分块匹配的遗传索算法,算法中应用于带分类的编码法、杂交位置概率和自适应的适应度函数。     

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.     

矿井监控图像的分形编码

针对井下光照度低,监控图像对比度低,平滑区域较多这一特点,为了提高煤矿井下监控图像的分形压缩编码的效率,采用了基于平滑块处理的分形编码算法。在进行分形编码时,预先设定图像D块及R块的方差阈值,将方差小于其阈值的所有D块剔除在码本之外,对于方差小于其阈值的所有R块不进行搜索匹配,而是直接赋以均值。实验研究结果表明:基于平滑块处理的分形编码算法比基本分形编码算法更有效。该算法的实现提高了分形编码的效率,有助于解决煤矿井下监控图像的低比特率传输问题。     

一种基于灰度评价的图像分块压缩算法

针对分形图像压缩算法中匹配定义域块搜索存在的速度慢,只是局部最优的缺点,提出了一种基于灰度评价的图像分块压缩算法,即用灰度评价的方法来区分图像,同时,对映射集增加对比度和亮度的约束,从而大大提高了图像的可分性,压缩比和压缩速度,最后,用随机迭代的方法完成图像的解码,保真效果良好。优化了分形图像压缩编码方法。     

2-范数结束条件的分形图像编码算法

具有极好质量和压缩比的分形图像编码因其编码耗时而限制了它的应用.针对这个问题,本文提出一种快速分形编码算法,它运用图像块2-范数设计的结束条件来避免编码过程中的全搜索,对一个range块,能够在较小的搜索范围内找到它的最佳匹配domain块,匹配搜索过程可以提早结束,因而编码时间极大地减小.仿真实验显示,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相近的重建图像质量.     

一种基于迭代函数系统的分形图像编码方法

以迭代函数系统(IFS)为编码方法对图像进行压缩处理．IFS的分形编码是将原始图像分割成互不重叠的小方块然后对每个小方块构造迭代函数系统，并保证迭代函数迭代变换的收敛性．由于记录分形变换仅需很少的数据量，这就意味着分形图像编码可以获得很好的压缩效果而且解码速度快．     

Fast Fractal Image Encoding Using an Improved Search Scheme

As fractal image encoding algorithms can yield high-resolution reconstructed images at very high compression ratio, and therefore, have a great potential for improving the efficiency of image storage and image transmission. However, the baseline fractal encoding algorithm requires a great deal of time to complete the best matching search between the range and domain blocks, which greatly limits practical applications of the algorithm. In order to solve this problem, a necessary condition of the best matching search based on an image feature is proposed in this paper. The proposed method can reduce the search space significantly and excludes the most inappropriate domain blocks for each range block before carrying out the best matching search. Experimental results show that the proposed algorithm can produce good quality reconstructed images and requires much less time than the baseline encoding algorithm. Specifically, the new algorithm can speed up encoding by about 85 times with a loss of just 3 dB in the peak signal to noise ratio (PSNR), and yields compression ratios close to 34.     

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.     

Fast Fractal Image Encoding Based on Special Image Features

The fractal image encoding method has received much attention for its many advantages over other methods, such as high decoding quality at high compression ratios. However, because every range block must be compared to all domain blocks in the codebook to find the best-matched one during the coding procedure, baseline fractal coding (BFC) is quite time consuming. To speed up fractal coding, a new fast fractal encoding algorithm is proposed. This algorithm aims at reducing the size of the search window during the domain-range matching process to minimize the computational cost. A new theorem presented in this paper shows that a special feature of the image can be used to do this work. Based on this theorem, the most inappropriate domain blocks, whose features are not similar to that of the given range block, are excluded before matching. Thus, the best-matched block can be captured much more quickly than in the BFC approach. The experimental results show that the runtime of the proposed method is reduced greatly compared to the BFC method. At the same time, the new algorithm also achieves high reconstructed image quality. In addition, the method can be incorporated with other fast algorithms to achieve better performance. Therefore, the proposed algorithm has a much better application potential than BFC.