基于Fisher分类和自适应阈值的分形图像编码方法

根据分割的迭代函数系统(PIFS)理论,在Fisher分类方法的基础上,依据分类后图像块的特征使用自适应阈值搜索与range块属于同一类的相匹配的domain块来进行分形图像编码,并对典型测试图像进行实验,与传统的固定阈值方法的性能进行比较。结果,在相同比特率上,相对于传统固定阈值方法,自适应阈值方法极大地提高了压缩比,减少了编码的时间,自适应阈值方法得到的解码图像质量明显好于传统的固定阈值方法。

基于四叉树的自适应门限分形图象IFS压缩方法

为了克服四叉树分块 IFS编码过程中 ,排列块与区域块的匹配误差不考虑输入图象特点这一缺点 ,提出了一种新的基于迭代函数系统 (IFS)进行静止灰度图象压缩的方法 .该方法是根据当前排列块的方差来确定它与区域块的匹配门限 .经分析证明 ,这种基于自适应门限的 IFS编码方法与人类视觉系统的特性基本相符 ,而且实验也证明 ,这一自适应门限的编码方法提高了 IFS图象压缩的适应性 .

基于Krawtchouk矩的自适应门限四叉树分形编码

编码时间过长是分形图像压缩存在的主要问题,同时固定匹配门限影响着编码效率。本文首次将Krawtchouk矩引入到自适应分形编码中,提出了基于Krawtchouk矩的自适应门限四叉树分形编码方法。该方法计算图像块的12个Krawtchouk矩不变量,将这些矩不变量构成特征向量,并用这样的特征向量取代Range块和Domain块的灰度值矩阵进行匹配计算。文中给出了实验结果,并与基于四叉树的自适应门限分形图像IFS压缩方法进行了比较。结果表明,本文方法不仅大幅度减少了编码时间,而且同时也能提高图像恢复质量。