A Novel Fractal Wavelet Image Compression Approach

By investigating the limitation of existing wavelet tree based image compression methods, we propose a novel wavelet fractal image compression method in this paper. Briefly, the initial errors are appointed given the different levels of importance accorded the frequency sublevel band wavelet coefficients. Higher frequency sublevel bands would lead to larger initial errors. As a result, the sizes of sublevel blocks and super blocks would be changed according to the initial errors. The matching sizes between sublevel blocks and super blocks would be changed according to the permitted errors and compression rates. Systematic analyses are performed and the experimental results demonstrate that the proposed method provides a satisfactory performance with a clearly increasing rate of compression and speed of encoding without reducing SNR and the quality of decoded images. Simulation results show that our method is superior to the traditional wavelet tree based methods of fractal image compression.

结合K均值聚类和KD-Tree搜索的快速分形编码方法

利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码:首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量.

一种使用HVS的快速分形图像压缩算法

将人类视觉系统的特性引入对值域块、定义域块的划分以及对定义域池的搜索上来,提出了一个能显著提高编码速度的分形图像压缩算法.根据HVS特性将图像分割后,搜索空间得到了极大的缩减,并且最佳匹配块只在具有相同HVS特性的块间进行,因此能够显著降低计算的复杂性.理论和实验结果表明:与叉迹算法和经典算法相比,在保持图像质量的前提下,本文算法能够显著提高编码速度和压缩比,因而是一种有效的分形图像压缩方法.

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（ＰＩＦＳ）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搜索算法，算法中应用了带分类的编码法、杂交位置概率和自适应的适应度函数．该方法克服了分形图像压缩中分类匹配算法的局部最优性和随机搜索，是一种全局优化的搜索算法．分析结果表明，该方法的图像压缩比高、解码质量好、并行编码的速度快．

基于树搜索的分形图像压缩编码

本文提出基于树搜索的分形图像压缩编码的新算法。该算法在恢复图像信噪比和主观质量较之全搜索算法略有损失的前提下，大大提高了分形图像编码的速度。

基于小波分析的分形图像去噪压缩方法

近十几年来,分形(Fractal)在图像压缩技术中的应用已成为图像数据压缩领域中最为热点的问题之一。其压缩比在理论上可超过经典压缩方法的几个数量级。但实际上,原始图像经常被噪声污染。噪声的存在一方面使得图像编码的时间延长,另一方面降低了图像的信噪比,使图像质量明显下降。本文对小波变换、分形压缩编码的原理和特点进行了分析;结合小波变换和分形压缩编码,利用分形的自相似性,研究了基于小波域的分形图像去噪、压缩方法。该方法有效地减少了计算复杂度和编码时间并获得了良好的图像质量。实验结果表明,该方法在较大的压缩范围内,能够获得好的压缩结果,同时也表明采用这种方法的潜力之所在。

CUDA平台的分形图像压缩方法

考虑到分形图像压缩中,值域块与定义域块之间的匹配能够并行计算这一特点,利用计算统一设备平台CUDA进行GPU加速.提出一种GPU、CPU相结合的四叉树压缩算法,通过GPU加速最耗时的距离计算部分,而四叉树分割、初始化等部分仍采用CPU完成.在GPU加速部分,讨论了单值域块与多值域块的方法,通过分析与实验表明,后者比前者能进一步提高并行性能.与传统的纯CPU方法相比,本文的方法能够显著提高压缩速度.