分形圖像壓縮方法研究.pdf

1、非線性科學(xué)是一門研究非線性現(xiàn)象共性的基礎(chǔ)科學(xué)，其中分形理論是非線性科學(xué)的一個重要分支。本文利用理論推導(dǎo)和實驗仿真相結(jié)合的方法研究了幾種提高分形編碼性能的方法：
　　 ⑴引入紋理特征相關(guān)和智能分類算法來加快分形圖像編碼的速度和提高壓縮率。紋理特征是描述圖像特征的一個重要屬性，由灰度共生矩陣獲得的熵和最大熵用來計算圖像塊的紋理特征值。對于給定的待編碼值域塊，只在同其具有相同紋理特征的相鄰值域塊對應(yīng)的連續(xù)定義域塊中搜索。并且，在智能分

2、類搜索中，只有同當(dāng)前待編碼的值域塊具有相似的紋理特征的定義域塊才被搜索，這樣充分利用了圖像塊間的紋理相關(guān)性，并且加速了編碼過程。
　　 ⑵提出了一個更優(yōu)的基于擬合平面的灰度級變換。同自適應(yīng)平面灰度級變換相比，對于一個給定的值域塊，該灰度級變換能降低值域塊和其相對應(yīng)定義域塊間的匹配誤差，提高兩者之間成功匹配的概率。另外，我們可以用更少的比特來存儲編碼參數(shù)。因此能夠減少待編碼值域塊的數(shù)量，提高壓縮率，提高重構(gòu)圖像質(zhì)量。實驗結(jié)果表明，

3、該方法在各個方面都優(yōu)于自適應(yīng)平面無搜索方法；該方案重構(gòu)圖像質(zhì)量在壓縮率較低時，要優(yōu)于Furao的無搜索方法；在壓縮率較高時，幾乎與Furao的無搜索方法相同。雖然擬合平面無搜索方案使用了較多的編碼參數(shù)，但是它能加快編碼，提高重構(gòu)圖像質(zhì)量。
　　 ⑶提出了一個新穎的基于圖像拆分的無搜索分形圖像編碼方法。我們并不是直接對原始圖像進(jìn)行分形編碼，而是將其拆分為兩幅特殊的圖像。然后對這兩幅圖像運用改進(jìn)灰度級變換的無搜索方法分別進(jìn)行編碼。在