分形图像压缩的快速编码算法

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:smoking11
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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。
其他文献
实际中,随着获取数据的技术和方式的日新月异,越来越多的领域所采集到的观测数据都具有函数型的特点,也正因为此,致使函数型数据的理论研究成为目前统计领域的热点问题之一。
在赋范线性空间中利用广义高阶锥方向邻接导数研究集值优化问题的超有效解。在近似锥-次类凸假设下,借助凸集分离定理和Henig扩张锥的性质,得到了集值优化问题取得超有效元的Fr
近年来,时滞随机神经网络的动力学问题引起了学术界的广泛关注.尤其是时滞随机神经网络平衡点的各种稳定性即随机稳定性、几乎必然指数稳定性、p阶指数稳定性得到了深入研究,也
微分方程是经典数学和实际应用之间的重要纽带之一。经过几个世纪的发展,微分方程理论产生了非常明显的跨越。最近一个世纪内,依靠数值模拟,微分方程的数值计算得到了空前的
Local Cut Lemma(简写成LCL)是近来由Bernshteyn在Lovasz Local Lemma(简写成 LLL)的相关算法-熵压缩方法对组合问题应用的基础上,对其进行了推广,它主要是用概率方法来解决图
本文主要研究非自反空间中自对偶的Lagrange型凸泛函与极大单调算子的对应关系.全文共分三章。   第一章是绪论,分别详细的介绍了凸分析,单调映象,变分方法成为一门学科的历