-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 .     

一种双三次插值与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。     

分形及分形图像编码

分形图像编码方法以其高压缩比的潜在能力 ,近年来颇受关注 ,是最有前途的图像编码方法之一 ,目前其研究已取得了很大进展。本文概述分形学的产生、发展 ,简述分形几何与图像压缩结合的理论基础及编码方法。并对分形图像编码的研究现状和发展前景进行了介绍和评述     

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。     

分形图像压缩的研究进展

分形图像压缩是一种具有独特优势且极有前途的数据压缩技术 ,至今未能广泛应用是由于其面临着高计算复杂度的困难。文中提出了克服这一困难的一些有效方法 ;同时 ,提出了改善重建图像视觉效果的措施 ,并探讨了分形图像编码的未来研究方向     

分形图像编码的研究

分形图像编码是近几年发展起来的一种新的图像编码方法,目前对它的研究比较广泛。主要介绍 了分形图像编码的理论基础、码方法、基本特征及其发展现状和发展方向,并分析了目前编码方案所存 在的缺点以及产生的原因,其分形图像编码定将在图像压缩领域中发挥其更大的作用。     

分形图像编码的研究

分形图像编码是近几年发展起来的一种新的图像编码方法，目前对它的研究比较广泛。主要介绍了分形图像编码的理论基础、编码方法、基本特征及其发展现状和发展方向，并分析了目前编码方案所存在的缺点以及产生的原因，其分形图像编码定将在图像压缩领域中发挥其更大的作用。     

基于分形的图像分层编码方法

提出将基于对称短核滤波器（ＳＳＫＦ）的子带编码和基于迭代函数系数（ＩＦＳ）的分形图像编码相结合的图像编码方法。实验结果表明,与基本的自动分形图像编码方法相比,信噪比提高而运算时间和码率均下降。     

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BP神经网络的分形图像压缩技术研究

通过分析传统的基于四叉树分形的压缩算法,提出将BP神经网络模型应用到基于四叉树的分形图像压缩中,同时给出这种改进压缩的基本思想,并用堆栈实现其算法的步骤。在改进压缩算法中,引入基于BP神经网络的可并行性方法,并用数学思想推导证明。在用算法加以实现时,采用了数据结构中的堆栈思想并用算法实现。通过执行时间的长短和算法复杂度来整体评价改进算法和传统算法的异同,得出结论:此种方法通过神经网络的并行性能,可获得高质量的解压缩图像,使图像的压缩和解压缩可以并行的快速的执行。     

一种基于分类的改进BP神经网络图像压缩方法

探讨了神经网络用于图像压缩和解压缩技术,实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比.同时,对3层BP神经网络进行优化,提高了网络的收敛速率,实验结果证明本算法在取得较大的压缩比的同时能保证图像的恢复质量.     

基于二进神经网络的稀疏编码架构的图像无损压缩新方法

视频图像的高效无损压缩在海量的航空和遥感图像传输、珍贵的文物信息的保存等方面具有重要的应用价值,而目前的研究热点主要针对有损压缩,为此通过对现有的无损压缩方法的分析和研究,提出一种在稀疏编码与二进神经网络相结合的框架下建立新的图像无损压缩方法.首先借助二进神经网络中的线性可分结构系建立冗余字典,获得有效的稀疏分解基;再借助二进神经网络学习算法将图像映射为以线性可分结构系为神经元的二进制神经网络,在此基础上建立相应的模式匹配算法将每个神经元与冗余字典简历映射关系,通过稀疏系数建立原始图像的编码形式,进而实现了图像的无损压缩,并从理论上分析了该方法可以有效地提高压缩比,最后通过实验验证了该算法的有效性和通用性.     

基于自适应四叉树的一种分形图像压缩方法

分形图像压缩方法由于其压缩比高、解压方法简单等原因越来越收到重视，但是它的压缩质量不是很令人满意．在基于自适应的四叉树方法上通过加入不同方向矩形的区域块匹配，在原有基础上扩充了代码库，可以根据值域块的的几何特性来选择合适形状的匹配块，实验证明这种方法在进行图像压缩时得到了很好的压缩性能．     

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．     

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     

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。     

一种基于联想神经网络的矢量编码

利用种经网络稳定记忆的吸引战能把输入矢量聚类的特性，本文讨论了一种改进的Hopfield离散神经网络用作矢量编码，这种方法能获得较高的数据压缩比和较小的压缩失真。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩     

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。