基于分形理论的图像编码方法

论文摘要

近年来,分形图像压缩作为一种新的压缩方法,因其具有压缩比高、解码速度快、解码图像与分辨率无关等优点,引起了众多学者的关注和研究。但是,这种方法存在一个最大的问题:编码时间过长,主要是因为编码时分形块的搜索量非常可观。这实际上已成为改方法走向高效实用化的最主要障碍,因此分形编码加速方法已成为了近些年来分形压缩的一个研究热点。本论文首先从分形图像压缩编码的理论基础出发,其次介绍几种经典的分形图像编码方案和目前分形编码取得的进展,然后探讨了如何提高分形图像压缩编码的速度问题,提出了两种加快分形图像编码速度的解决方案:（1）提出了一种基于改进K-均值聚类的快速分形图像编码算法。本文首先分析了K-均值聚类的初始聚类中心选取问题,给出了基于均值-标准差的初始聚类中心选取新方案,并据此提出了一种新的快速分形图像编码算法.该算法不仅其压缩效果明显优于传统K-均值聚类分形图像压缩方案,而且具有较短的编码时间。（2）提出了一种基于FCM的改进快速分形图像编码算法。算法将先进的模糊C-均值聚类（FCM）理论引入到分形图像编码领域,通过对经过八种分形基本变换后产生的父块组进行FCM聚类,选取取得最大隶属度的父块变换为唯一的确定变换进行分形编码,有效的减少了子块与父块的比较次数,从而对编码过程进行加速。该算法在压缩效果和编码时间两方面均明显优于传统基于全局搜索的算法和现有的基于K-均值聚类的分形图像压缩方案。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 数据压缩简介
• 1.1.1 数据压缩的必要性及可能性
• 1.1.2 数据压缩的基本方法
• 1.1.3 图像压缩编码系统的性能评价
• 1.2 本文的研究内容
• 第二章 分形图像压缩概述
• 2.1 引言
• 2.2 分形概论
• 2.3 分形图像编码的基本原理
• 2.4 自动分形图像压缩算法
• 2.4.1 分块及变换
• 2.4.2 分形压缩方法的实现
• 2.4.3 算法复杂度分析
• 2.5 分形图像编码的改进方法
• 2.5.1 提高压缩比和编码效果
• 2.5.2 提高编码速度
• 2.5.3 提高解码速度
• 2.5.4 与其他方法相结合的分形编码
• 2.6 小结
• 第三章 一种基于改进K-均值聚类的快速分形图像编码算法
• 3.1 引言
• 3.2 K-均值聚类方法
• 3.3 初始聚类中心选取问题分析
• 3.4 基于改进Ｋ-均值聚类的快速分形图像编码
• 3.4.1 基于均值-标准差的初始聚类中心选取
• 3.4.2 基于改进Ｋ均值聚类的快速分形图像编码
• 3.5 实验结果与讨论
• 3.6 小结
• 第四章 基于FCM 的快速分形图像编码算法
• 4.1 引言
• 4.2 模糊C-均值聚类算法及其初始聚类中心选取
• 4.2.1 模糊C-均值（FCM）聚类算法简介
• 4.2.2 初始聚类中心选取
• 4.3 基于FCM 聚类的快速分形图像编码
• 4.3.1 K-均值聚类分形图像编码方案性能分析
• 4.3.2 基于FCM 聚类的快速分形图像编码
• 4.4 实验结果与讨论
• 4.5 小结
• 第五章 总结与展望
• 5.1 已完成工作与创新点
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文及科研