一、基于分形理论的图像压缩编码技术（论文文献综述）
颜心如[1]（2020）在《基于图像的编码技术分析研究》文中研究指明近年来,随着信息网络技术的不断发展,各种类型的多媒体网络和移动应用终端迅速推广普及,各种类型多媒体网络视频直播内容在网络社交与多媒体、医疗、调查以及休闲娱乐等各个领域随处可见。为了解决图像传输和存储问题,研究者们提出了多种图像编码算法。然而,现有的图像编码和图片后处理编码算法工作效率有待提高,仍具备较大的技术改进空间。如何有效控制压缩图像存储数据量,并且保证图像质量不明显降低是当前图像压缩领域亟待解决的重要问题。图像编码压缩技术通过有效消除原始编码图像压缩信号内的空间冗余来压缩原始图像中的数据。通常,图像的压缩率越高,质量上的损失就越大。高效的图像编码压缩算法要求保持高压缩率的同时,可以拥有高质量的压缩编码图像。本文关注于研究图像编码相关技术,总结了现有高效图像编码的主要方法,并在此基础上,对图像压缩算法进行了创新,研究内容主要包括:（1）基于相关系数的分形图像编码算法。本文提出一种基于相关系数的分形编码算法,通过相关系数来优化分形理论中压缩时间过长的问题。结合实验结果的分析表明,在保证一定图像编码质量的前提下,减少图像编码所需时间,即降低了编码过程的计算量。（2）基于移动最小二乘法的图像恢复算法。该算法总结了变换域编码的优缺点,应用了一种新的图像恢复算法,并运用在图像的下采样编码方案中,实现图像信号的有效恢复。仿真实验表明,该编码可以有效减少高压缩率下的图像失真现象,是一种高效的图像编码方法。（3）新型误差补偿量化算法。该算法旨在减少RGB彩色图像的高度失真。将彩色图像的整个RGB空间像素通过一种量化转换算法进行转换,表示为YCb Cr空间,减少了整个YCb Cr空间中每个像素的平均值和误差,从而提高彩色图像的整体图像质量。该压缩算法能够保证主体图像不会因为经过滤波器而自动产生新的图像失真。经实验验证,通过该压缩算法优化处理后的图像可以具有较好的主客观图像质量。
赵蓉[2]（2019）在《基于小波变换的分形图像编码压缩算法》文中研究表明分形图像压缩编码方法以压缩比高,解码快速等优点成为图像压缩领域的一大热点。但传统的分形编码使用全局搜索,占用了大量时间,同时,编码易造成“方块效应”,从而影响重构图像的清晰度。因此,改善重构图像质量,缩短编码时间,是本文的主要研究的方向,具体工作内容如下:首先,在充分研究后,文中提出了一种新的分类方法,将父块预先分为三类,对于任一块,在其对应的类里选用适合的特征,搜索其最佳匹配块。实验结果表明,该算法是有效的。其次,在研究特征向量法快速分形编码的基础上,提出一种新特征———九块和特征,并给出其可行性分析。该算法将全局搜索变为局部搜索,从而缩短了编码时间。实验结果表明,该算法在保证图片质量的同时,还能实现加速。最后,在研究小波变换的原理和优点的基础上,提出将小波变换和九块和特征相结合的编码算法,进一步提高重构图像质量,缩短图像编码的时间。实验仿真验证,该算法在改善重构图像质量的同时,还能实现加速。
牛天婵[3]（2019）在《基于分形与特征向量法的快速分形图像压缩编码算法》文中研究指明信息时代,巨大的数据信息量成为社会的主要特征之一,大量数据信息如何存储问题也日益受到社会的关注。因此,作为方便数据信息存储的核心技术之一的图像压缩技术成为众多学者的主要研究方向,同时,分形图像压缩技术因其所实现的高压缩比成为极具优势的图像压缩技术之一。然而,传统的分形图像压缩编码算法需要消耗大量时间,这严重阻碍了分形理论在图像压缩领域的实际运用。针对这一弊端,文中提出了基于特征向量和分形理论的四种新算法,提高编码速度,提高解码图像的质量。主要研究过程如下:（1）通过对分形算法和特征算法的研究,文中提出四线和特征的编码算法,该算法根据匹配均方根误差与四线和特征值之间的关系,将全局搜索转化为局部搜索（近邻搜索）,限定搜索空间,减少定义域块的搜索。仿真实验结果表明:该算法解码图像在客观质量上优于1-范数特征算法;与基本分形编码算法相比,四线和特征算法不改变重构图像的主观质量,但在编码速度上却得到极大提高。（2）针对四线和特征算法解码图像客观质量不够理想的问题,提出子块均点特征算法,减少图像块像素点信息的缺失。将文中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,文中算法在时间稍逊的情况下,文中算法在客观质量上更优。（3）通过对分形算法和特征算法的研究,文中提出一种新算法。该算法利用方差来反映不同图像块之间的信息,并且取图像块子块与父块间的方差比来反映图像不同部分的信息。经过理论证明与实验仿真可知,该算法不仅在编码速度上优于基本分形编码算法,在解码图像质量上也优于1-范数特征算法。（4）通过对分形算法和特征算法的研究,文中提出了单位欧式积分形算法,该算法不仅将全搜索变为局部搜索,更充分反映了子块与父块之间的联系。仿真实验表明,文中算法在编码速度上比传统分形编码算法加快近100倍,并且文中算法的PSNR值也优于1-范数特征算法。
赵敏[4]（2019）在《基于新特征和小波变换的图像压缩编码算法》文中认为图像是对客观世界的一种相似和生动的描述,包含了有关被描述对象的信息。包含的数据量非常庞大,给存储和传输带来了难题。许多专家学者从图像的采集、增强、复原、变换、分割、编码、重建、配准、嵌拼、特征提取和模式识别等方面进行图像处理工作。其中分形图像压缩编码算法突破了传统方法的理论体系,得到了大家的广泛关注。但是由于它的计算复杂度较高、编码时间长等问题,限制了它的广泛应用。针对这些劣势,本文做了如下工作:（1）提出基于仿半叉迹特征的快速分形编码算法。首先定义子块仿半叉迹特征,其次证明了最小均方误差与子块仿半叉迹特征的关系,验证了采用该特征进行搜索的合理性。实验结果表明,提出的算法能有效降低数据的复杂度,在保证重构图像和原图像相似度很大的情况下,加快了编码速度。（2）提出八点和特征快速编码算法。首先给出八点和特征的定义,然后证明了它与最小均方误差的关系,进而验证了它的合理性。仿真结果表明,提出的算法在保证结构相似度很大的前提下,不仅加快了编码速度,而且峰值信噪比也有所提升。（3）提出小波变换与仿半叉迹特征相结合的分形图像编码算法。首先给出了小波变换的相关概念,其次,对原始图像进行二维小波变换,再通过特征编解码,最后通过二维逆小波变换就可以得到重构图像。根据实验结果,可知该混合编码算法的效率较高。
李祥鹏[5]（2019）在《基于分形理论的快速图像压缩算法》文中认为图像压缩是实现图像高效存储和传输的关键技术。基于分形理论的图像压缩算法因其压缩比高、重构图像质量好以及解码与图像分辨率无关的特性而受到广泛关注。然而,分形图像压缩算法在编码过程中为值域块搜索最优匹配块的过程会消耗大量时间,这阻碍了分形编码技术的现实应用。本论文基于分形理论,提出两个改进的分形图像压缩算法,有效提高分形图像压缩算法的速度。第一个分形编码算法是基于迭代控制搜索策略的分形图像编码算法。现有的分形编码算法存在因定义域块的特征空间分布不均匀而导致的低效搜索或无效搜索问题。此外,它们采用的固定质量允许误差控制搜索策略,会导致图像解码质量上限受限的问题。针对这些问题,本文提出控制分形编码搜索过程中迭代函数系统的更新次数,提前结束匹配过程中的低效搜索部分。同时结合了使用特征标准差对值域块进行平滑块与粗糙块的划分技术、对定义域块自适应扩张的码本缩减技术,并在计算图像块相似度时提出等距采样图像降维操作进一步降低计算复杂度,有效加快编码进程。从实践来看,本文所提出的基于迭代控制搜索策略的分形图像编码算法是在损失一定图像解码质量的情况下所能达到的较佳编码加速方案。第二个分形编码算法是基于自适应阈值四叉树分块的分形图像编码算法。针对基本分形编码中固定分块尺寸的设置以及传统四叉树分块中固定阈值的设置,没有考虑不同输入图像的自身特性不同以及同一图像的不同区域特性不同的客观差异,本文提出了自适应阈值的四叉树分块方法,根据图像子块的均值和标准差,动态计算出图像子块的特有阈值,根据特有阈值判断是否对当前图像块进行分割。从实践来看,本文所提的基于自适应阈值的四叉树分块的分形图像编码算法在稍微增加编码时间的前提下有效地提高了解码质量,实现了编码时间和解码质量间更好的平衡。为验证本文所提出的新方法,本文对8幅512*512的常用标准灰度图像进行测试,通过计算编码时间（ET）和图像解码质量（PSNR）进行算法的性能评估。结果表明,对比现有的分形图像编码算法,在解码图像质量损失一定的前提下,本文算法具有更高效的编码速度和获得良好的图像解码质量。
汪玮玮[6]（2018）在《基于分形理论与小波变换的图像压缩编码方法》文中研究说明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三类,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。
汤柱亮[7]（2017）在《基于分形理论图像压缩编码的改进方法》文中研究指明图像可以带给我们最为直观的感受,也丰富了我们的日常生活.我们更倾向于得到高质量的图像,但是如果图像得不到合理的压缩将无法实现这个目标.图像压缩编码可以使比特数表征图像尽量减少,使原图像的质量得到保证.本文将从分形理论角度出发,简要介绍图像压缩编码的改进途径和方法,为之后具体实践应用提供理论借鉴.
牛志永[8]（2015）在《基于分形和小波理论的图像压缩算法研究》文中进行了进一步梳理图像压缩算法一直处于研究当中,近几年提出的新理论包括子带编码、小波变换编码以及基于分形理论的图像压缩技术。基于分形理论的图像压缩算法具有潜在的高压缩比、解码简单高效等优点,引起了各地研究人员的普遍关注。另外,JPEG2000标准还定义了感兴趣区域图像压缩技术的标准,得到了学者的广泛研究。本文首先分析了 Jacquin提出的基本的分形压缩算法和JPEG2000中的感兴趣区域图像压缩算法,针对分形压缩算法速度慢和最大移位法不能调节图像质量的缺点,本文主要做了以下几个方面的工作:（1）提出了基于“梯度和”特征的图像压缩算法。定义了图像块的梯度和特征,对匹配块的梯度和特征与均方误差之间的关系给出了证明,以梯度和意义下的最近邻定义域块的搜索代替均方误差意义上的匹配块的搜索,加快了压缩速度,同时图像质量只有微小变动,通过仿真验证了改进算法的有效性。（2）改进了小波域无搜索分形图像压缩算法。略去空间域分形压缩算法中的等距变换步骤,采取对正负小波系数分别编码的方法提高了算法的压缩比,直接存储标准差较大的值域块,从而保证了解码图像的质量。仿真表明本算法在保证图像解码质量的前提下提高了压缩比。（3）改进了基于SPIHT算法的感兴趣区域图像压缩算法。传统掩膜提取的小波系数含有大量的背景信息,本文通过小波系数对比来确定掩膜,克服了传统掩膜包含大量背景信息的缺点,使得在极低码率下图像前景区域更加清晰,通过仿真验证了改进算法的有效性。
刘立京[9]（2013）在《快速分形图像压缩编码的算法研究》文中进行了进一步梳理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。
国兴[10]（2013）在《基于分形理论的图像压缩方法研究》文中提出在信息技术日益发达的现在,大量信息数据以图像的形式被使用。为了更加高效的存储和传输这些图像数据信息,人们对图像数据的压缩技术的要求也越来越高。因为有着高压缩比和分辨率无关的优良特性,分形图像压缩方法在图像存储效率和传输方面潜力很大。但是,传统的分形图像编码算法费时较长,这一缺点限制了它的应用。本文针对传统分形理论所存在的缺点,做了以下方面的研究,以加速分形编码,提高基于分形理论的压缩算法的压缩能力。本文提出了几种新的基于分形的快速图像编码方法：（1）由于基于传统分形理论的图像压缩算法存在着压缩时间过长,编码效率低等缺点,许多图像压缩领域里的学者们都将其他领域内的一些数学工具与分形理论结合起来,以求得更加高效的压缩能力。例如小波技术以及离散余弦变换技术等,都常被应用于图像压缩技术中。本文实现了几种典型的混合图像压缩方法,并且详细分析了这些典型算法中各参数对整体压缩性能的影响,最后指出了这些算法可改进的地方。（2）提出了一种利用平面拟合来判断给定值域块和定义域块是否足够相似的快速分形图像编码方法。首先,计算出用以描述各定义域块和值域块的三个关键系数,并通过这些关键系数来对定义域块池和值域块池进行分类。然后,通过对各块关键系数的分析来找到各值域块的最佳匹配块。实验结果表明,此算法在保证解码图像质量的前提下,可以显着缩短分形编码时间,并能取得较高的压缩比。另外,在解码时,使用了一种简单的线性拟合算法来减弱方块效应对解码图像质量的影响。（3）提出了一种基于一维元胞自动机理论的图像压缩算法。此算法针对元胞自动机理论的特性,将其应用到灰度图像的压缩技术中。在元胞自动机的理论中,大量元胞可通过简单的相互作用构成复杂的动态系统的演化,从而,可以利用它来对待压缩图像进行模拟近似,当搜索出合适的模拟参数后,仅需存储少量的初始状态以及参数信息,即可在图像解码时近似地恢复出原图像。从而,达到压缩图像信息的目的。实验结果表明,该算法具有计算方法简单,解码速度较快,并且解码图像的质量也较高。此外,由于元胞自动机在理论上有着可并行性的特征,所以可以使用具有并行计算能力的计算机来加快此算法的执行速度。
二、基于分形理论的图像压缩编码技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于分形理论的图像压缩编码技术（论文提纲范文）
（1）基于图像的编码技术分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文主要工作 |
| 1.4 论文的结构安排 |
| 第二章 图像编码技术 |
| 2.1 图像编码技术原理 |
| 2.2 图像编码技术分类 |
| 2.3 图像编码效果的评价 |
| 2.3.1 主观评价方法 |
| 2.3.2 客观评价方法 |
| 2.4 现有编码标准的介绍 |
| 2.4.1 静止图像编码的国际标准 |
| 2.4.2 动态图像编码的国际标准 |
| 2.4.3 其它一些图像格式 |
| 2.5 现有图像编码技术 |
| 2.5.1 预测编码 |
| 2.5.2 哈夫曼编码 |
| 2.5.3 统计编码 |
| 2.5.4 变换编码 |
| 2.6 本章小结 |
| 第三章 基于相关系数的分形编码算法 |
| 3.1 分形理论 |
| 3.2 分形图像压缩理论 |
| 3.2.1 仿射变换 |
| 3.2.2 拼贴定理 |
| 3.2.3 压缩映射 |
| 3.2.4 不动点定理 |
| 3.3 迭代函数系统 |
| 3.4 基本分形编码算法 |
| 3.5 基于相关系数的分形编码 |
| 3.6 仿真结果以及实验分析 |
| 3.7 本章小结 |
| 第四章 基于移动最小二乘法的图像恢复算法 |
| 4.1 基于像素域下采样的编码方法 |
| 4.2 基于变换域的下采样图像编码算法 |
| 4.3 基于移动最小二乘法的图像恢复方法 |
| 4.4 仿真结果以及实验分析 |
| 4.5 本章小结 |
| 第五章 新型误差补偿量化算法 |
| 5.1 基于RGB-YCb Cr转换的图像编码 |
| 5.2 RGB与 YCb Cr关系 |
| 5.3 基于新型误差补偿算法的图像编码方案 |
| 5.4 仿真结果以及实验分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于小波变换的分形图像编码压缩算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩的背景知识 |
| 1.2.1 图像压缩编码的原理 |
| 1.2.2 图像压缩质量评价 |
| 1.3 分形图像压缩编码综述 |
| 1.3.1 分形理论提出与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形编码理论 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点及压缩映射 |
| 2.1.3 拼贴定理 |
| 2.1.4 局部迭代函数系统 |
| 2.2 分形编码的算法描述 |
| 2.2.1 分形编码的基本原理 |
| 2.2.2 分形编码的算法描述及实现 |
| 2.3 本章小结 |
| 第三章 基于分类方法的快速分形算法 |
| 3.1 算法理论依据 |
| 3.1.1 D块的分类 |
| 3.1.2 各类特征的选取 |
| 3.1.3 结构比定义及可行性分析 |
| 3.2 算法的分析与实现 |
| 3.2.1 算法的分析 |
| 3.2.2 算法的实现 |
| 3.3 实验仿真结果 |
| 3.4 小结 |
| 第四章 九块和特征的快速分形图像编码 |
| 4.1 基本分形算法 |
| 4.2 算法的理论依据 |
| 4.3 算法分析与实现 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于小波变换的分形图像编码压缩算法 |
| 5.1 算法理论依据 |
| 5.1.1 小波定义和连续小波变换 |
| 5.1.2 小波基的性质 |
| 5.1.3 二级小波分解 |
| 5.1.4 小波发展和小波分解特点 |
| 5.2 算法分析与实现 |
| 5.3 实验结果分析 |
| 5.4 结束语 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 致谢 |
（3）基于分形与特征向量法的快速分形图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 图像压缩的背景知识 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 图像质量的性能评价 |
| 1.2.3 图像编码技术的新方法简介 |
| 1.3 文章结构安排 |
| 第二章 分形及分形图像压缩编码 |
| 2.1 分形 |
| 2.1.1 分形几何 |
| 2.1.2 分形举例 |
| 2.2 分形图像压缩编码中的分形理论 |
| 2.2.1 度量空间、分形空间 |
| 2.2.2 压缩映射及仿射变换 |
| 2.2.3 迭代函数系统及拼贴定理 |
| 2.3 基本分形图像压缩编码算法 |
| 2.3.1 基本分形图像压缩编码算法简介 |
| 2.3.2 传统的分形算法的主要步骤 |
| 2.4 本章小结 |
| 第三章 四线和分形图像压缩编码算法 |
| 3.1 四线和特征算法 |
| 3.2 算法分析及描述 |
| 3.2.1 算法分析 |
| 3.2.2 算法描述 |
| 3.3 算法实验仿真 |
| 3.3.1 实验参数选取 |
| 3.3.2 实验仿真结果比较 |
| 3.4 本章小结 |
| 第四章 子块均点分形图像压缩编码算法 |
| 4.1 算法理论基础 |
| 4.2 算法分析及描述 |
| 4.2.1 算法分析 |
| 4.2.2 算法描述 |
| 4.3 实验仿真 |
| 4.3.1 实验仿真结果数据表 |
| 4.3.2 仿真实验结果图 |
| 4.4 本章小结 |
| 第五章 单位欧式积分形图像压缩编码算法 |
| 5.1 算法理论基础 |
| 5.2 算法分析与描述 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 方差比分形图像压缩编码算法 |
| 6.1 方差比算法 |
| 6.1.1 算法理论依据 |
| 6.1.2 算法实现 |
| 6.2 仿真实验 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（4）基于新特征和小波变换的图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 图像压缩的背景 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 常用编码算法 |
| 1.2.3 图像压缩编码的性能评价 |
| 1.3 分形图像压缩编码 |
| 1.3.1 分形理论创立与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形图像压缩编码原理 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 分形图像压缩编码算法实现 |
| 2.2.1 编码算法 |
| 2.2.2 解码算法 |
| 2.3 本章小结 |
| 第三章 仿半叉迹特征的快速分形图像编码 |
| 3.1 算法理论依据 |
| 3.2 算法分析与实现 |
| 3.3 实验仿真结果 |
| 3.4 本章小节 |
| 第四章 八点和特征快速编码算法 |
| 4.1 算法理论依据 |
| 4.2 算法分析与实现 |
| 4.3 实验仿真结果 |
| 4.4 本章小节 |
| 第五章 小波变换与仿半叉迹特征相结合的分形图像编码 |
| 5.1 算法理论依据 |
| 5.2 算法分析与实现 |
| 5.3 仿真实验结果 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（5）基于分形理论的快速图像压缩算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩算法本质与分类 |
| 1.3 分形产生和定义 |
| 1.4 基于分形理论的图像编码的发展现状 |
| 1.5 图像压缩算法性能评估 |
| 1.6 内容安排 |
| 第二章 分形图像编码理论相关介绍 |
| 2.1 基于分形理论编码的基本概念 |
| 2.1.1 仿射变换 |
| 2.1.2 度量空间 |
| 2.1.3 压缩映射定理 |
| 2.1.4 迭代函数系统,不动点定理,拼贴定理 |
| 2.2 基本分形算法的实现 |
| 2.2.1 引言 |
| 2.2.2 局部迭代函数系统 |
| 2.2.3 基本分形编码 |
| 2.2.4 实验分析 |
| 2.3 本章小结 |
| 第三章 基于迭代控制搜索策略的分形图像编码 |
| 3.1 引言 |
| 3.2 缩减值域池规模 |
| 3.3 更换相似度衡量方式 |
| 3.3.1 相关系数理论基础 |
| 3.3.2 等距采样图像降维 |
| 3.4 更换搜索策略 |
| 3.4.1 缩减码本空间 |
| 3.4.2 迭代控制搜索策略 |
| 3.5 算法编码/解码具体步骤 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 第四章 基于自适应阈值四叉树分块的分形图像编码 |
| 4.1 引言 |
| 4.2 固定阈值四叉树分块方法 |
| 4.3 自适应阈值四叉树分块方法 |
| 4.4 具体编码/解码步骤 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）基于分形理论与小波变换的图像压缩编码方法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 图像压缩的背景 |
| 1.2.1 图像压缩的编解码原理 |
| 1.2.2 图像压缩质量的性能评价 |
| 1.3 分形图像压缩综述 |
| 1.3.1 分形理论的提出与发展 |
| 1.3.2 分形图像压缩的研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形理论的基础知识 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 分形图像压缩编码的基本原理及算法描述 |
| 2.2.1 分形块算法的基本原理 |
| 2.2.2 分形图像压缩编码的算法描述及实现 |
| 2.3 本章小结 |
| 第三章 基于自相似比的改进分形编码算法 |
| 3.1 算法理论依据 |
| 3.1.1 全局搜索分形编码算法 |
| 3.1.2 基于自相似比的改进分形编码算法 |
| 3.2 算法分析与实现 |
| 3.2.1 算法分析 |
| 3.2.2 算法实现 |
| 3.3 实验仿真结果 |
| 3.4 本章小结 |
| 第四章 基于小波变换与相似比特征的分形图像压缩 |
| 4.1 算法理论依据 |
| 4.1.1 小波变换的定义 |
| 4.1.2 小波变换压缩方法 |
| 4.2 算法分析与实现 |
| 4.2.1 算法分析 |
| 4.2.2 算法的实现 |
| 4.2.3 算法的具体过程 |
| 4.3 实验仿真结果 |
| 4.4 本章小结 |
| 第五章 基于分类父块库特征的分形图像压缩 |
| 5.1 算法理论依据 |
| 5.1.1 图像块的几何特征分类 |
| 5.1.2 各类特征的选取 |
| 5.2 算法分析与实现 |
| 5.2.1 算法分析 |
| 5.2.2 算法实现 |
| 5.3 实验仿真结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（7）基于分形理论图像压缩编码的改进方法（论文提纲范文）
| 1 图像压缩编码原理及分类 |
| 1.1 图像压缩编码的原理阐释 |
| 1.2 图像压缩编码的具体分类 |
| 2 基于分形理论图像压缩编码的具体改进方法 |
| 2.1 分形基本理论解释 |
| 2.2 分形理论基础上图像压缩编码方法的具体改进措施 |
| 2.2.1 编码的速度进一步提高 |
| 2.2.2 解码图像质量得到改进 |
| 2.2.3 与其他编码方法有效结合 |
| 3 总结 |
（8）基于分形和小波理论的图像压缩算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 图像压缩的背景及意义 |
| 1.2 图像压缩的基本原理 |
| 1.3 图像压缩发展概况 |
| 1.4 图像压缩算法评价标准 |
| 1.5 本文结构 |
| 第2章 分形及小波理论简介 |
| 2.1 分形理论基础 |
| 2.1.1 分形的定义 |
| 2.1.2 度量空间 |
| 2.1.3 分形空间 |
| 2.1.4 压缩映射 |
| 2.1.5 迭代函数系统 |
| 2.1.6 拼贴定理 |
| 2.2 基于小波理论的图像压缩算法简介 |
| 2.2.1 小波理论基础 |
| 2.2.2 应用于数字图像的小波变换算法 |
| 2.2.3 EZW算法 |
| 2.2.4 SPIHT算法 |
| 2.3 本章小结 |
| 第3章 基于分形理论的图像压缩算法研究 |
| 3.1 基本分形压缩算法 |
| 3.1.1 基本分形压缩算法的压缩过程 |
| 3.1.2 基本分形压缩算法的解压过程 |
| 3.1.3 仿真结果 |
| 3.2 基本算法的改进 |
| 3.2.1 Fisher分类法 |
| 3.2.2 无搜索分形图像压缩算法 |
| 3.2.3 基于叉迹特征的分形图像压缩算法 |
| 3.3 一种小波域分形图像压缩算法 |
| 3.3.1 分形与小波理论的结合 |
| 3.3.2 小波域分形图像压缩算法 |
| 3.3.3 算法中参数的选取 |
| 3.4 木章小结 |
| 第4章 基于梯度和特征的分形图像压缩算法研究 |
| 4.1 特征值法研究现状 |
| 4.2 梯度和特征 |
| 4.2.1 搜索方式介绍 |
| 4.2.2 算法描述 |
| 4.3 实验分析与仿真 |
| 4.4 本章小结 |
| 第5章 基于SPIHT算法的感兴趣区域压缩算法研究 |
| 5.1 研究背景及目的 |
| 5.2 研究现状及典型算法 |
| 5.3 ROI压缩算法 |
| 5.4 JPEG2000标准给出的ROI压缩算法及其改进算法 |
| 5.4.1 实验与分析 |
| 5.4.2 基于系数对比的掩膜制作方法 |
| 5.4.3 本文算法与JPEG2000中ROI技术的比较 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（9）快速分形图像压缩编码的算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 图像压缩研究背景及意义 |
| 1.2 图像编码的概述 |
| 1.2.1 理论基础 |
| 1.2.2 系统模型 |
| 1.2.3 技术分类 |
| 1.2.4 性能评价 |
| 1.3 分形图像压缩编码的研究现状 |
| 1.3.1 提高分形图像压缩编解码速度 |
| 1.3.2 提高分形编码的解码质量 |
| 1.4 本文的主要工作及内容安排 |
| 第2章 分形及分形图像压缩编码的技术分析 |
| 2.1 分形学的概述 |
| 2.2 分形理论的数学基础 |
| 2.2.1 度量空间及分形空间 |
| 2.2.2 分形维数 |
| 2.3 分形图像压缩理论 |
| 2.3.1 仿射变换 |
| 2.3.2 不动点及压缩映射定理 |
| 2.3.3 迭代函数系统定理 |
| 2.3.4 拼贴定理 |
| 2.4 本章小结 |
| 第3章 分形图像压缩编码算法研究 |
| 3.1 Jacquin分形图像压缩编码 |
| 3.1.1 Jacquin算法的编码过程 |
| 3.1.2 Jacquin算法的解码过程 |
| 3.1.3 算法实现及仿真结果 |
| 3.2 算法改进方法 |
| 3.2.1 图像分类方法 |
| 3.2.2 图像分割方式 |
| 3.2.3 分形技术与其他编码相结合的混合编码 |
| 3.3 差量分析和四叉树结合的分形图像编码算法 |
| 3.3.1 理论分析 |
| 3.3.2 算法流程 |
| 3.3.3 实验仿真 |
| 3.4 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 |
| 3.4.1 小波分析理论 |
| 3.4.2 二维图像小波分解 |
| 3.4.3 零树结构分析 |
| 3.4.4 改进算法分析 |
| 3.4.5 改进算法参数选取及结果分析 |
| 3.5 本章小结 |
| 第4章 基于邻位差值和的快速分形图像编码算法 |
| 4.1 特征向量法 |
| 4.1.1 特征方法 |
| 4.1.2 特征向量法改进 |
| 4.2 分析邻位差值和 |
| 4.3 理论分析 |
| 4.3.1 值域块标准差分析 |
| 4.3.2 定义域块标准差分析 |
| 4.3.3 搜索法 |
| 4.4 算法流程 |
| 4.5 参数选取 |
| 4.5.1 参数η的选取 |
| 4.5.2 参数τ的选取 |
| 4.5.3 参数κ的选取 |
| 4.6 实验结果 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间发表的论文及获奖情况 |
（10）基于分形理论的图像压缩方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 数字图像压缩技术 |
| 1.1 数字图像压缩的理论基础 |
| 1.2 数字图像压缩类型 |
| 1.3 图像压缩质量的判断标准 |
| 1.4 数字图像的存储格式 |
| 2 分形图像压缩编码 |
| 2.1 分形 |
| 2.1.1 分形的提出 |
| 2.1.2 分形的生成 |
| 2.2 压缩映射定理 |
| 2.3 迭代函数系统 |
| 2.3.1 图像压缩映射 |
| 2.3.2 拼贴定理 |
| 2.4 分形图像压缩 |
| 2.4.1 图像块的划分 |
| 2.4.2 压缩映射的确定 |
| 2.4.3 图像编码 |
| 2.4.4 图像解码 |
| 2.5 本章小结 |
| 3 基于分形理论的图像混合编码方法 |
| 3.1 分形与小波 |
| 3.1.1 小波分析简介 |
| 3.1.2 小波图像压缩 |
| 3.1.3 基于分形理论的小波图像压缩方法 |
| 3.2 分形与DCT |
| 3.2.1 DCT |
| 3.2.2 基于分形理论的DCT图像压缩方法 |
| 3.3 本章小结 |
| 4 一种基于平面拟合的分形图像压缩方法 |
| 4.1 平面拟合在图像压缩中的应用 |
| 4.2 本文算法 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 5 一种基于一维元胞自动机的图像压缩算法 |
| 5.1 元胞自动机 |
| 5.2 本文算法 |
| 5.3 实验结果及分析 |
| 5.3.1 利用基础的压缩算法 |
| 5.3.2 利用改进的压缩算法 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
四、基于分形理论的图像压缩编码技术（论文参考文献）
- [1]基于图像的编码技术分析研究[D]. 颜心如. 西安电子科技大学, 2020(05)
- [2]基于小波变换的分形图像编码压缩算法[D]. 赵蓉. 南京邮电大学, 2019(02)
- [3]基于分形与特征向量法的快速分形图像压缩编码算法[D]. 牛天婵. 南京邮电大学, 2019(02)
- [4]基于新特征和小波变换的图像压缩编码算法[D]. 赵敏. 南京邮电大学, 2019(02)
- [5]基于分形理论的快速图像压缩算法[D]. 李祥鹏. 华南理工大学, 2019(06)
- [6]基于分形理论与小波变换的图像压缩编码方法[D]. 汪玮玮. 南京邮电大学, 2018(02)
- [7]基于分形理论图像压缩编码的改进方法[J]. 汤柱亮. 赤峰学院学报(自然科学版), 2017(18)
- [8]基于分形和小波理论的图像压缩算法研究[D]. 牛志永. 东北大学, 2015(12)
- [9]快速分形图像压缩编码的算法研究[D]. 刘立京. 东北大学, 2013(03)
- [10]基于分形理论的图像压缩方法研究[D]. 国兴. 大连理工大学, 2013(09)