戴芳[1]2001年在《基于特征块的分形图象压缩》文中进行了进一步梳理分形图象压缩是目前研究较广泛的图象压缩方法之一。它以理论新颖，解码快捷而倍受关注。本论文首先对曲线的分形拟合进行了研究，根据分形的特点，提出了滤去局部扰动的概念，在提取曲线整体意义下的特征点的基础上，用分形插值对曲线进行拟合。对CT数据曲线和语音波形曲线拟合的实验结果表明，这是一种对曲线进行分形拟合的好方法。 在对曲线研究的基础上，将曲线的特征点推广到图象的特征块。利用特征块对图象进行分割，对分割后的图象，一方面用Coons型分形曲面片拼接进行仿真，另一方面，对区域进行形状编码和分形相似性匹配，以对图象进行压缩编码。与 Jacquin的方法相比，由于引入了区域形状编码，增加了编码的复杂度，但在解码图象质量相近的情况下，提高了压缩比。与文献[8]中的方法相比，压缩比虽不及它高，但本文的特征块分割图象方法简单、快速。 本论文的安排如下： 第1章 绪论。 第2章 分形图象压缩的数学基础。 第3章 曲线的分形拟合。 第4章 分形图象压缩。
孙保平[2]2001年在《分形图象处理技术研究》文中认为分形图象处理技术是分形理论与图象处理技术结合的产物，已经在压缩编码、区域分割、模式识别等方面得到较多的应用。本文简单介绍了分形图象处理技术的机理，然后较详细地研究了其数学基础和理论基础，接着从以下两方面对分形图象处理技术进行了具体研究。（1）在对数据压缩的基本理论及相关标准研究的基础上，从分形编码存在的缺点出发，本文提出了叁种新的分形图象压缩方法。首先结合人眼的视觉特性，提出了一种基于视觉的快速分形编码方法，在此过程中详细介绍了分形编码的原理，理论分析及实验表明，该方法确实具有解码图象视觉效果好、编码速度快等优点。其次，本文首次将粗集理论引入分形图象处理领域，利用粗集的分类能力和逻辑推理能力，对分形压缩编码进行了仔细的研究，提出了一种基于粗集的自适应分形编码方法，而后又提出了一种基于粗集和区域增长的分形编码方法。理论分析和实验验证说明将粗集引入图象处理领域在编码速度、压缩比、解码质量等方面是有效的。（2）最后，研究了一种基于迭代函数系统的新的模板匹配方法，该方法把迭代函数系统作为图象特征进行提取，并给出了相似定理及其推论。
宋君[3]2003年在《基于迭代函数系统的分形图象压缩算法》文中认为图象在生活中的大量应用，使图象压缩技术的研究变得迫切。分形图象压缩编码技术是由美国数学家Barnsley和Sloan于1987年提出的，此后Jacquin首先实现了完全自动的分形压缩编码，给分形图象压缩领域带来突破性的进展。分形图象压缩技术是在此算法基础上逐渐发展，成为当今图象压缩的一个新领域。 Fisher提出的自适应四叉树编码方法加快了图象编码的速度，提高了图象的压缩比，但是在图象的重建质量上还存在不足。为了改进分形图象压缩算法的重建质量，赵耀等人提出一种非线性的灰度变换，有效的提高了图象重建质量。本硕士论文综合了线性仿射变换和非线性仿射变换的逼近能力，采用混合型的仿射变换既能发扬线性仿射变换的低比特率的优点，又能发扬非线性仿射变换的相似逼近能力，提高重建质量，本算法是一种新型的算法，文献中尚未提及。通过实验表明，该混合型的迭代函数系统更能体现自相似性的多样化，克服了传统的分形图象压缩算法仿射变换单调的缺点，使重建质量和压缩比对比其他算法都能有较好的改进。 全文共分为四章，第一章简要介绍了图象压缩技术，并介绍了近十年来图象压缩的研究成果。第二章给出了分形压缩编码的数学原理和理论基础。第叁章介绍了Jacquin的分形压缩编码方法和Fisher的自适应四叉树编码方法。第四章，在赵耀，袁保宗提出的新型仿射变换的基础上，和自适应四叉树编码方法结合，提出了一种新的压缩编码方法。并介绍了用此算法编写的程序，给出了实验结果，实验结果显示“Lena”256×256×8图象在PSNR等于28.7时，压缩比可以达到22.4，比Fisher，Jacquin，和赵耀等人的结果都有一定程度的改进，文章最后指出了算法和程序的不足，提出了一些改进的方向。
李剑[4]2001年在《局部放电灰度图象识别特征提取与分形压缩方法的研究》文中进行了进一步梳理绝缘内部局部放电被广泛认为是导致电气设备绝缘劣化的重要因素，与高电压电气设备运行的安全性和可靠性具有密切联系。局部放电在线监测系统中的放电类型自动识别，能够及时发现绝缘内部局部缺陷及放电发展程度，防止事故发生。针对局部放电模式自动识别的需要，作者系统地研究了局部放电灰度图象自动识别中的基本理论和实现方法：(1)从局部放电分形特征出发，研究了基本分形理论和具体分维数估计方法，首次提出了一种估计分维数的改进盒差维数法，并采用该方法估计出分形布朗运动图象和大量纹理图象的分维数，证明该方法具有较高的估计精确度，估计结果较好地反映出图象实际灰度分布情况，为研究提取局部放电分形特征方法打下了基础；(2)根据变压器局部放电在线监测的要求，设计了放电模型和实验方法，并通过模型实验获得了大量放电样本数据；在对局部放电灰度图象识别进行了比较系统的研究基础上，首次提出了局部放电二阶广义维数和高值灰度图象分维数两种分形特征及提取方法，并研究了矩特征与相关统计特征计算方法，首次提出并研究了由叁种特征构成的识别特征集用于局部放电模式自动识别的方法；(3)研究了局部放电灰度图象的四叉树分形图象压缩方法，通过仿真实验证明采用本文算法能够获得一定的图象压缩比，在局部放电灰度图象压缩应用中显示了良好的压缩效果，进一步研究了局部放电解码图象的识别特征参数计算结果与原始图象之结果的差异程度，研究结果初步表明该方法应用于局部放电模式自动识别系统中是有效的；(4)首次提出了基于上述局部放电灰度图象识别特征和分形压缩方法的局部放电模式远程自动识别方案，设计了反向传播算法前馈人工神经网络分类器，并研究了识别局部放电原始图象的效果，获得了较高的识别率，通过进一步分析对解码图象的识别效果，验证了所设计系统的模式识别方案的有效性，同时表明该方案能够满足实地局部放电模式自动识别和远程数据通讯及自动识别的需要。以上研究表明，提出的局部放电识别特征集与分形图象压缩方法和人工神经网络分类器结合，能够有效地应用于局部放电模式自动识别，并获得了良好的识别效果。
罗中函[5]1998年在《分形图象压缩方法》文中研究说明分形图象压缩方法是近年来迅速兴起的一种高倍率图象压缩方法，而它的最大缺点是速度慢。文章介绍了这种方法的基本思想及若干改进的算法。
盛伟[6]2002年在《基于区域划分的分形图象压缩方法》文中提出分形图象压缩方法是根据图象的自相似性，将一幅数字图象转化为一组收缩的迭代函数系统模型，通过对迭代函数系统参数编码达到图象压缩的目的。分形图象压缩方法具有压缩比高，解码速度快的优点。对于现实生活中的大量非严格自相似图象，常用的是基于子块划分的分形图象压缩方法。这种方法将图象划分为规则形状的不重迭的子块集，根据子块的局部自相似性，找出集中每一个子块的迭代函数系统，由全体子块的迭代函数系统参数形成分形图象压缩编码。 本文设计了一种基于区域划分的分形图象压缩方法。首先在第一章中介绍了分形图象压缩研究的意义和数字图象质量的评价标准。接着在第二章中阐述了分形图象压缩的理论基础，通过对完备空间中迭代函数系统性质的研究，提出了分形图象压缩的两个基本定理：压缩映射的不动点定理和拼贴定理。在第叁章中讨论并实现了基于子块划分的分形图象压缩方法，这种方法将原始图象划分为不重迭的正方形值域块集和四倍大小的正方形定义块集，对于每一个值域块，在定义块集中通过最佳匹配找出最相似的定义块，通过匹配得到值域块的最佳自相似变换，对所在值域块的最佳自相似变换参数编码实现图象压缩。在第四章中讨论并实现了基于区域划分的分形图象压缩方法，这种方法首先采用第叁章中的方法进行初始化，形成最初的由正方形子块组成的最小区域集和相邻区域对队列，并得到每一个区域的多个最佳自相似变换，根据拼贴误差最小的原则，在保证一定性噪比前提下，不断合并最佳相邻值域对，实现区域合并，最终图象划分区域集由一些不规则形状区域组成，对这些区域自相似变换参数和区域形状编码实现分形图象压缩。通过对两种分形压缩方法性能的比较，基于区域划分的分形图象压缩方法可以在相同的性噪比下达到更高的压缩比，压缩性能显着提高。
于光辉[7]2000年在《基于分形和小波的几种图象编码方法的研究》文中提出随着多媒体技术的不断发展和现代信息社会对通信业务要求的不断增长，图象压缩编码将是正在建设的数字信息化社会所依赖的主要技术基础之一。分形图象编码是目前公认的叁种最有前途的编码方法之一，而小波分析是近年新兴的应用于信号处理的强有力的工具。本文简单阐述了分形图象压缩的基本原理和应用于图象压缩的小波分析的基本理论，并对当前的具有代表性的分形编码的方法进行了综述，说明了各种方法主要的特点，由于各种编码方法之间是交叉的，所以很难给出独立的性能比，但本文在不同的分类方法间进行尽可能的比较。本文讨论了分形图象中的图象模型，分析了分形编码在不同的图象区域起作用的原因，对分形编码的机理有了更进一步的了解。小波分析已经成为图象编码研究的一个热点，小波分析与分形的结合可能成为分形图象编码的一个突破点，因此本文介绍了几种相应的小波和分形相结合的编码方法，代表了当前小波与分形相结合的发展趋势。最后，本文探索性的提出了两种新的改进的算法——BTC与分形的结合和基于码率失真优化的混合编码方法，这两种算法相比于Fisher的四叉树方法在信噪比和压缩比方面都获得了不同程度地提高。
周艳, 吴敏金[8]2002年在《基于方向剖分的小波域分形图象压缩》文中认为该文提出一种新的分形和小波混合编码方法 -基于方向剖分的小波域分形图象压缩方法 :在将图象分解到小波域后 ,对各子图象 ,根据其所占能量的大小和所代表的方向纹理信息 ,采用不同大小、形状与类别的定义域块和值域块进行分形编码。经实验证明 ,这种基于方向剖分的小波域分形编码方法 ,在保证一定的还原图象质量的前提下 ,可以大大地提高了分形编码的速度 ,如果结合多层小波分解的分形压缩编码的预测法和零树法 ,还能进一步提高压缩率 ,从而使分形图象编码向实时应用迈进了一步
张元亮, 郑南宁[9]1998年在《基于感知度量的分形编码》文中研究表明传统的分形编码利用最小均方差准则（ＭＭＳＥ）来度量图象子块的变换匹配，未能充分利用人眼的视觉特征。本文提出了基于人眼视觉模型的分形编码方案。算法中，按视觉上的差异对图象子块进行分类；由“视觉最相似”的准则确定最佳匹配的域块，为此，相似匹配转换到ＤＣＴ域进行，导出了图象块的相似匹配在ＤＣＴ域的形式；算法进一步通过自适应误差校正来消除解码图象中的方块效应。解码图象的视觉质量有了明显的改善。实验结果证实了算法的有效性。
陈晓, 朱耀庭, 朱光喜[10]1998年在《基于预测模型的分形图象压缩编码方法》文中进行了进一步梳理给出了一个基于ρ｜ｒ｜图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围。并以此模型为根据提出一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算。实验结果表明该方案能够有效提高分形图象的编码速度，具有很高的实用价值。
参考文献：
[1]. 基于特征块的分形图象压缩[D]. 戴芳. 西安理工大学. 2001
[2]. 分形图象处理技术研究[D]. 孙保平. 河海大学. 2001
[3]. 基于迭代函数系统的分形图象压缩算法[D]. 宋君. 汕头大学. 2003
[4]. 局部放电灰度图象识别特征提取与分形压缩方法的研究[D]. 李剑. 重庆大学. 2001
[5]. 分形图象压缩方法[J]. 罗中函. 重庆师范学院学报(自然科学版). 1998
[6]. 基于区域划分的分形图象压缩方法[D]. 盛伟. 武汉理工大学. 2002
[7]. 基于分形和小波的几种图象编码方法的研究[D]. 于光辉. 北京工业大学. 2000
[8]. 基于方向剖分的小波域分形图象压缩[J]. 周艳, 吴敏金. 华东师范大学学报(自然科学版). 2002
[9]. 基于感知度量的分形编码[J]. 张元亮, 郑南宁. 中国图象图形学报. 1998
[10]. 基于预测模型的分形图象压缩编码方法[J]. 陈晓, 朱耀庭, 朱光喜. 中国图象图形学报. 1998
标签：计算机软件及计算机应用论文; 分形图论文; 编码转换论文; 迭代计算论文; 仿射变换论文;