视觉是人脑获取信息的最主要方式。现如今,随着图像获取技术和计算机网络技术的成熟与普及,海量的数字图像充斥着我们的生活,图像压缩成了重要的研究方向。以降低图像数据的统计相关性为出发点的第一代图像压缩编码方法已经不能满足人们的需求,而小波编码、神经网络编码、分形压缩编码等第二代图像压缩技术已经开始受到越来越多的重视。分形图像压缩充分利用了自然图像局部与局部或局部与整体之间存在的自相似,通过最大程度地消除图像内部的几何冗余来实现图像压缩。由于可以获得较高的压缩率,分形图像压缩被认为是最有潜力的图像压缩方法之一。本论文对分形图像压缩进行了研究,并针对其存在的不足,提出了两种改进算法。论文的主要工作和创新点包括:1.由于分形图像压缩的解码图像容易出现与人眼视觉感知严重不符的方块效应,本文提出了一种改进的分形图像压缩算法,以提高解码图像质量。具体来说,首先修正了基于人眼视觉特性的特征相似性指标,然后将修正后的特征相似性指标用作搜索最佳匹配块的准则,得到了一种基于人眼视觉特性的分形图像压缩编码算法。仿真实验表明,本文提出的算法可以在一定程度上抑制方块效应,有效提高解码图像质量。2.分形图像压缩的另一个重要缺点是编码的时间复杂度高,原因是编码过程中要为每个图像块搜索其最佳的匹配块。为了提高编码速率,本文在分形图像压缩中用Grover量子搜索算法为每个图像块搜索其最佳的匹配块,使分形图像压缩的编码速率得到了提高。仿真实验表明本文提出的算法可以在基本保持解码图像质量的条件下有效降低分形图像压缩的时间复杂度。