导读:本文包含了分形图像压缩编码论文开题报告文献综述及选题提纲参考文献，主要关键词:图像压缩,子块均点特征,分形压缩编码,全搜索
分形图像压缩编码论文文献综述
牛天婵,张爱华,纪海峰[1]（2019）在《子块均点特征分形快速图像压缩编码》一文中研究指出分形图像压缩根据图像特有的自相似性,利用压缩仿射变换消除图像数据冗余度,进而实现图像压缩,实现较高的压缩比。然而,分形图像压缩编码具有计算复杂度高、运行时间过长的致命缺点,对于图像信息量巨大的当今社会来说不具有实用性。为解决基本分形压缩编码耗时过长的问题,提出了子块均点特征分形压缩编码算法,利用该算法将基本分形压缩编码的全搜索转为局部搜索,限定搜索范围,减少定义域块的搜索,在客观质量稍作牺牲的基础上加快了编码速度。将所提算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较,仿真结果表明,在时间稍逊的情况下,所提算法在客观质量(Peak Signal-to-Noise Ratio,PSNR)上更优。(本文来源于《电讯技术》期刊2019年03期）
汪玮玮[2]（2018）在《基于分形理论与小波变换的图像压缩编码方法》一文中研究指出将分形理论应用到图像压缩编码中一直以来广受世界各地学者们的瞩目,由于其思想的新颖、压缩比高、解码快速等优点吸引了众多研究者不断地探索更新其应用性。但编码过程中的搜索最佳匹配块步骤较复杂,消耗了大量时间,使得分形图像编码的速度降低了,而且在编码时极可能因产生“方块效应”而影响重构图像的清晰度。因此,改善重构图像质量、加快图像编解码的速度即为本文所探讨研究的课题。具体的工作内容如下:首先,在全局搜索分形编码算法的基础之上,利用图像子块本身的自相似性,根据它和匹配均方误差的关系,提出了一个缩减搜索空间的改进算法,可以将寻找最佳匹配块的全局搜索转化为局部搜索,从而可以缩短图像的编码时间,进一步提高重构图像的质量。仿真实验结果表明,该算法不仅减少了图像编解码的时间,还有效地提高了重构图像的质量。其次,利用小波变换先对图像进行处理,再引入分形特征,建立子块与匹配均方误差间的关系不等式。这样将小波变换和分形理论有效地结合起来缩短图像的编码时间,进一步提高了重构图像的质量。经过对比仿真实验,验证了该算法的效率较高。最后,利用图像父块的几何特征预先将父块库分成叁类,在各个类中运用相应的特征将搜索范围限制在与子块特征值相近的邻域内,减少了搜索对象,进一步有效地加快了编码速度。通过仿真对比实验,结果表明,相对于其他算法,在保证重建图像质量的前提下,该算法在图像编码花费的时间明显缩短,较为显着地提高算法编码的速度。(本文来源于《南京邮电大学》期刊2018-11-14）
张璟[3]（2017）在《基于新特征和分形理论的快速分形图像压缩编码》一文中研究指出分形几何作为有力的数学新型工具,可以较好地完成对不规则图形的描画,使得其成为图像压缩编码方法的可选方向之一。然而,分形图像编码需要花费较长时间来搜索匹配块,且由于编码过程中会产生方块效应而影响到图像清晰度,所以,在保证图像质量不降低的前提下,提高图像编码速度成为本文需要讨论研究的课题。具体工作如下:首先,在特征向量法以及基本分形算法的基础上,提出一种新的子块特征表示方法(双交叉和特征)来定义规范块,再通过新特征对码本块进行排序,利用从赋序码本中找到的最佳匹配块进行匹配搜索。提出基于双交叉和的快速分形图像编码算法,由实验结果可得,该算法可在不影响图像质量的同时,可有效提高编码速度与相似度。其次,通过对于每个子块采用一种新的极差特征表示,并结合自适应搜索方法来搜索出最佳匹配块,给出了可行性分析,提出基于极差特征与自适应搜索相结合的分形图像压缩算法,通过对比实验证明,该算法在兼顾到重建图像质量和图像压缩编码耗时的问题上表现优良。最后,在叉迹特征算法以及最小均方误差与叉迹不等式的基础上,提出了一种间隔叉迹作为新特征的算法,分析其可行性,并进行仿真实验,实验结果表明,相对于一般叉迹特征,该算法对图像处理时间更少,而且重构图像质量也有保证。(本文来源于《南京邮电大学》期刊2017-10-26）
邵豪[4]（2017）在《基于分形法水声图像压缩编码研究》一文中研究指出随着水声技术的广泛应用,由各类水下探测设备直接或间接生成的水声图像数据量急速膨胀,由于水声信道带宽有限,数据传输速率不高,因此,必须对水声图像进行压缩才能满足水下实际需求。传统的图像压缩编码方法主要基于Shannon信息论,通过去除图像中的信息冗余实现压缩,由于受熵的限制,压缩比普遍不高。分形理论的出现为图像压缩开辟了一条全新的思路,分形压缩以图像中普遍存在的自相似性为基础,以去除图像中的结构冗余为基本思想,通过使用较少的压缩仿射参数来表示原图像,从而实现图像高倍压缩,而分形解码过程只需通过几次迭代运算即可完成。分形压缩因其思想新颖、压缩比高、解码速度快、解码图像分辨率无关等特性吸引了众多研究者的目光,成为当今最活跃最有前途的图像压缩编码之一。自Jacquin提出基本分形编码以来,各类改进算法不断涌现,然而目前依然没有一个获得普遍认可的理想算法,分形编码在迈向实用化的路上还有许多问题需要解决。本文在基本分形算法的基础上结合水声图像的特点,对如何进一步加快分形编码速度、提高分形编码对水声图像的适用性等问题进行研究,主要内容如下:(1)介绍了水声图像压缩的意义、传统图像压缩和分形图像压缩的发展过程及特点。(2)研究了基本分形编码算法的实现过程,通过实验分析了不同因素对编码性能的影响,从分类匹配、缩减码本、优化搜索范围、改变值域块分割方式等不同方向研究了当前主流的分形编码改进策略,提出基于方差和相关系数缩减码本改进算法。(3)根据水声图像的特点,提出基于感兴趣区域分形编码算法。按图像中不同区域的重要程度将图像分割为不同尺寸的子块,并分别进行编码,在提高压缩比的同时又保留了图像中感兴趣区域的细节信息。(4)为简化分形编解码过程、提高编码速度,提出基于字典分形编码改进算法。对字典的生成、扩充和分类等过程进行详细分析并提出改进方案,增加字典的多样性和适用性,提高字典编码算法性能。(5)为充分利用以上两种算法的优势,提出基于字典和感兴趣区域综合算法,通过实验验证该算法在水声图像压缩中的有效性和可行性。(本文来源于《哈尔滨工程大学》期刊2017-02-26）
刘建军[5]（2016）在《基于分形的图像压缩编码技术研究》一文中研究指出近年来,基于分形的图像压缩编码方法倍受国内外研究者的关注。分形编码是利用图像自相似性,通过消除图像数据信息的冗余度实现数据信息的压缩。而编码时间过长、计算复杂度高等一直是分形图像编码的缺点。针对这些缺点,本文将基本分形法做出改进,并提出了分形与DCT变换相结合的编码方法,具体工作如下:(1)在基本分形法图像压缩基础上,提出了一种基于相关系数的快速匹配算法的改进算法。该算法将在码本中搜索值域块的最佳匹配块问题转化为搜索与值域块有最大相关系数的定义域块的问题。为了提高编码速度,文中只计算定义域块和值域块的主次对角线上元素之间的相关系数。实验结果显示,在保证一定的图像质量前提下,编码时间大大减少。(2)提出了一种基于离散余弦变换(DCT)编码的改进算法。该算法保留了变换后频域内所有左上角系数及剩下的大于给定阈值的高能量系数,从而降低了图像的信息损失。实验结果显示,图像的恢复质量得到提高。(3)提出了一种基于分形和DCT变换编码相结合的图像压缩算法。该算法利用分形的整体与部分相似的思想,通过较大图像块来补偿较小图像块间的不连续性。实验结果显示,该算法提高了图像的恢复质量,降低了“块效应”现象。(本文来源于《南京邮电大学》期刊2016-11-18）
何雨虹[6]（2016）在《基于小波与分形理论的图像压缩编码算法》一文中研究指出随着互联网技术的迅速发展,信息的交流量与存储量越来越大,而图像压缩技术无疑是方便信息存储,加快信息交流的核心技术之一。分形图像压缩具有高压缩比的特点使得其在图像压缩方面具有无穷的发展潜能,这也使得分形图像压缩成为图像压缩研究的一大热点。然而,分形图像编码过程中码本块匹配占了大量的时间,严重影响了分形图像压缩编解码的速率,同时,分形编码过程中产生的“方块效应”也影响了重构图像的清晰度。为了改善重构图像的质量,提高编解码速度,本文定义了两种子块特征,并将其与小波变换结合。希望能在提高编解码速度的同时提高重构图像的质量。具体工作如下：(1)通过对基本分形算法以及特征算法的的研究,文中提出一种子块特征一欧氏比特征,给出其可行性分析,并提出了基于欧氏比特征的快速分形编码算法,实验结果表明,该算法在尽量保持图像质量的前提下,大大降低了图像编解码的时间。(2)在对基本分形算法及特征算法充分研究的基础上,文中提出了一种子块特征一对应角R-D特征,给出其可行性分析,并提出了基于对应角R-D特征的快速分形编码算法,实验结果表明,该算法能有效的提高编解码的速度。(3)通过对前面提出的两种算法编码缺点和对小波变换优点的研究,提出了小波变换与特征算法相结合的混合图像编码算法,即,基于“对应角R-D”的小波与分形结合的编码算法。实验结果表明,该算法不仅改善重构图像质量还提高编解码速度。(本文来源于《南京邮电大学》期刊2016-11-18）
李龙浩[7]（2015）在《改进分形编码在图像压缩中的应用》一文中研究指出自然界中的物体可以分为两类,一类是具有光滑的、规则的、具有连续函数性质的边界的物体,这种物体可以用经典欧式几何及其推广理论进行描述；另一类是具有粗糙的、不连续的、不具有连续函数性质的物体。而在对自然界中自然形态是不光滑、不规则的,且具有精细的结构或自相似特征,不能用传统的几何语言描述的物体的研究中,诞生了分形理论和分形几何学。分形是一种新型的、通过考察物体自相似性性质而产生的理论,是一门新的学科。目前,分形理论与计算机技术有机结合,并且发展速度十分迅猛,已经成为一门跨学科、非线性并且相当活跃的学科。其理论研究和应用已经覆盖到人类活动的许多方面,取得的成果也十分有影响力。现阶段,随着计算机技术的进一步发展,多媒体技术也随之快速发展起来,随之而来的就是多媒体与网络流量的不匹配问题。因此,多媒体压缩领域成为了近年来的一个研究热点。同时,如今,在多媒体压缩领域,对图像的压缩成为了多媒体压缩的一个基本方法。而在现有的多种图像压缩方法中,分形图像压缩方法逐渐占据了主要的地位。其主要优势在于它是一种与分辨率无关的有效压缩方法。同时,其有效性表现在分形图像压缩方法是一种高压缩比的图像压缩方法。传统的分形压缩方法由于其过高的计算复杂性导致了其压缩时间过长、很难直接被利用在实际工程中。因此本文提出了一种新型的分形编码方法用于降低编码时间。本方法通过提取分形编码过程中的主要附加误差点值,在基本不改变分形编码的压缩比的同时,大大减少了压缩时间。本算法是一种通用算法,即与图像类型无关的算法。本文的主要内容如下：(1)首先,由于传统的分形压缩是有损压缩,因此我们将传统分形编码中的附加误差点值通过原始图像与解压缩图像进行差商进行提取。(2)其次,由于误差点值在图像中的分布不同,导致其误差的重要性在解码时不同,所以我们提出了一种基于权值规则的主要误差点值的提取方法,并对附加误差点值由附近像素进行驱动的进行了加权运算,得到了我们认为的误差点的真实值。(3)然后,基于我们提取出的主要误差点值的加权规则得到的新权重,我们改进了传统的编码和解码规则,将空余的压缩空间分配给提取的高权重的主要误差值重新进行编码,解码时也考虑相应的附加规则进行解码。同时,针对改进的分形编码和解码算法,我们提出相应的定理,并且证明了改进算法相对于普通算法的压缩比和压缩时间比的规模。(4)最后,我们通过实验对本文提出的算法进行了分析和验证,实验结果验证了改进后的分形编码算法相比原有的分形编码算法有更高的压缩比和更好的平均信噪比,实验结果还验证了本文中提出的压缩比和压缩时间比的规模。(本文来源于《吉林大学》期刊2015-06-01）
李伟[8]（2014）在《Hadoop平台下的分形图像压缩编码》一文中研究指出借助Hadoop平台实现了分形图像压缩编码,并将其应用于云渲染中对渲染后的图像进行压缩并传至用户阶段。采用4台PC机搭建Hadoop平台,并在此基础上进行分形图像压缩编码,实验结果表明,采用4台PC机的Hadoop平台并行压缩时间不到单台PC机压缩时间的30%,证实了该方案的现实有效性。采用分形压缩编码将云渲染后的图像传给用户具有压缩比大、传输时间短、解压缩快等特点,对改善云渲染用户体验具有重要意义。(本文来源于《测控技术》期刊2014年04期）
刘立京[9]（2013）在《快速分形图像压缩编码的算法研究》一文中研究指出随着信息化网络的发展,数字图像信息作为重要的信息之一,广泛被使用。如何有效的压缩和存储大量的图像信息已经成为研究的热点问题。分形图像编码是非常有前途和应用价值的新型压缩技术,分形图像压缩以其新颖的思想、潜在的高压缩比、解码图像与分辨率无关等优点受到广泛学者关注。虽然分形图像编码具有良好的视觉效果,但是,在无人干预的情况下固有的编码非常耗时,这极大的限制了它的发展。针对这个问题,本文深入研究分形图像编码的快速算法,在保证解码图像质量同时如何减少编码时间方面做了一些研究工作,主要研究内容概括如下：(1)分析非搜索快速分形图像编码算法,根据值域块与定义域块的匹配关系,将非搜索快速分形图像编码算法思想融入到四叉树分割编码算法中,提出改进四叉树分割算法。分析图像块中像素间的关系,定义差量分析,提出D-R匹配准则,只搜索那些符合差量分析匹配准则的定义域块,从而降低了搜索过程的复杂度。以此提出了差量分析和四叉树结合的分形图像编码算法。本文提出的算法较方差算法和改进四叉树分割算法速度分别提高了5.87倍和7.84倍,解码图像的峰值信噪比基本不变。(2)本文还研究了小波和分形图像编码,在基于小波系数零树结构的分形预测图像编码算法基础上,充分利用不同层上小波系数的权重差异,将D-R匹配准则运用其中。充分考虑小波系数的特点,将小波系数绝对值化处理,避免由简单计算而引起的误差。并对绝对值足够小的小波系数采用了零树编码,提出了基于小波系数零树结构的分形预测图像压缩算法的改进算法。仿真实验表明,改进算法较原算法的编码速度提高了近19倍,同时解码图像的峰值信噪比和压缩比也有所提升。(3)将搜索匹配块的最佳匹配原则进行转换,提出了减少分形编码时间的一种新特征方法,即邻位差值和。阐述了邻位差值的概念,并证明了最小均方误差与邻位差值和的关系。充分分析值域块标准差和定义域块标准差对解码图像的影响,定义匹配搜索半径,提出基于邻位差值和的快速分形图像编码算法。仿真结果表明,本文提出的算法较叉迹算法和方差算法的编码速度分别提高了3.13倍和5.52倍,同时解码图像的峰值信噪比和压缩比略有提高。(本文来源于《东北大学》期刊2013-06-01）
盛飞[10]（2013）在《分形图像压缩的快速编码算法》一文中研究指出当今时代信息技术和互联网应用飞速发展，无论是软件还是硬件都以前所未有的速度升级和更新。互联网的发展迫使大量的数字化信息频繁传输于网络之间，同时也提高了对数据图像的存储和传输要求。图像压缩缩减了图像信息从而加快了传输速度，其必然会成为人们研究的一个热点。分形图像压缩就是众多图像压缩方法中的一个分支，其思想非常新颖：利用压缩映射的系数对图像进行编码并用迭代的方式来重建原图像。本文主要工作如下:(1)介绍了分形几何学的相关知识，引入了迭代函数系统的相关理论并与分形进行了有机地结合.针对基本分形算法的编码和解码原理，验证了迭代大约10次就能得到稳定的解码图像接近原图。(2)鉴于基本分形编码费时这一缺点，提出了一种基于相似比的编码算法并给出了可行性分析，该算法将全局搜索转化成了“相似比”接近条件下的邻域搜索。实验结果表明：该算法在保证解码图像质量的前提下，提高了编码速度且优于基本分形编码方法。(3)提出了一种基于子块差的分形编码算法并给出了可行性分析，算法设置了一系列的参数使得算法本身具有一定的灵活性和可控性。实验结果表明该算法可以有效地加快编码时间。(本文来源于《南京邮电大学》期刊2013-04-01）
分形图像压缩编码论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将分形理论应用到图像压缩编码中一直以来广受世界各地学者们的瞩目,由于其思想的新颖、压缩比高、解码快速等优点吸引了众多研究者不断地探索更新其应用性。但编码过程中的搜索最佳匹配块步骤较复杂,消耗了大量时间,使得分形图像编码的速度降低了,而且在编码时极可能因产生“方块效应”而影响重构图像的清晰度。因此,改善重构图像质量、加快图像编解码的速度即为本文所探讨研究的课题。具体的工作内容如下:首先,在全局搜索分形编码算法的基础之上,利用图像子块本身的自相似性,根据它和匹配均方误差的关系,提出了一个缩减搜索空间的改进算法,可以将寻找最佳匹配块的全局搜索转化为局部搜索,从而可以缩短图像的编码时间,进一步提高重构图像的质量。仿真实验结果表明,该算法不仅减少了图像编解码的时间,还有效地提高了重构图像的质量。其次,利用小波变换先对图像进行处理,再引入分形特征,建立子块与匹配均方误差间的关系不等式。这样将小波变换和分形理论有效地结合起来缩短图像的编码时间,进一步提高了重构图像的质量。经过对比仿真实验,验证了该算法的效率较高。最后,利用图像父块的几何特征预先将父块库分成叁类,在各个类中运用相应的特征将搜索范围限制在与子块特征值相近的邻域内,减少了搜索对象,进一步有效地加快了编码速度。通过仿真对比实验,结果表明,相对于其他算法,在保证重建图像质量的前提下,该算法在图像编码花费的时间明显缩短,较为显着地提高算法编码的速度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分形图像压缩编码论文参考文献
[1].牛天婵,张爱华,纪海峰.子块均点特征分形快速图像压缩编码[J].电讯技术.2019
[2].汪玮玮.基于分形理论与小波变换的图像压缩编码方法[D].南京邮电大学.2018
[3].张璟.基于新特征和分形理论的快速分形图像压缩编码[D].南京邮电大学.2017
[4].邵豪.基于分形法水声图像压缩编码研究[D].哈尔滨工程大学.2017
[5].刘建军.基于分形的图像压缩编码技术研究[D].南京邮电大学.2016
[6].何雨虹.基于小波与分形理论的图像压缩编码算法[D].南京邮电大学.2016
[7].李龙浩.改进分形编码在图像压缩中的应用[D].吉林大学.2015
[8].李伟.Hadoop平台下的分形图像压缩编码[J].测控技术.2014
[9].刘立京.快速分形图像压缩编码的算法研究[D].东北大学.2013
[10].盛飞.分形图像压缩的快速编码算法[D].南京邮电大学.2013