静止灰度图像分形压缩编码算法的改进与优化-电路与系统专业论文.docxVIP

I I 摘 要 分形图像编码是依据大多数图像中的自相似性消除冗余，从而实现高压缩比。但分形图像编 码算法在理论及应用上存在许多问题，如编码耗时长、重构图像存在方块效应等。本学位论文针 对这些问题，深入研究如何提高解码图像质量和编码速度的问题。本课题受到导师项目资金的支 持。本文主要工作有以下几个方面： 1. 在介绍图像编码和分形理论的基础上，研究并编程实现了分形图像编码的基本算法(即 Jacquin 算法)，通过选取不同的标准图像测试了基本算法的编码时间、图像压缩比及峰值信噪比， 从而客观地分析基本算法的优缺点，并系统总结了目前常见的几种改进策略。 2. 在基于规范块半范数算法的基础上，提出了一种改进算法，主要对其图像分割策略、码本 块抽样收缩方式和搜索最近意义父块方式进行了改进，从而减少子块搜索其最佳匹配父块的范 围，提高匹配准确度，以达到缩短编码时间和提高解码图像质量的目的。仿真实验证明，该改进 算法在保证较快编码时间的同时，能有效的克服分形图像编码的方块效应，提高解码图像的质量。 3. 在研究图像小波系数相关性的基础上，结合提升小波和分形编码各自的优点，提出了一种 快速编码算法。该算法首先采用提升小波将图像进行三级分解，然后利用小波系数间的相关性特 点分别对不同子带图像进行处理：对分解后的低频部分 LL3 采用本文提出的改进算法；对除 LL3 之外的三级和二级子带部分可采用固定码本池的分形编码方法；而一级子带无需进行编码，在解 码时，可利用二级小波系数估算得到。实验表明，该算法能在保证一定图像还原质量的前提下， 提高图像编码的速度和压缩比。 关键词：分形图像编码，规范块半范数，提升小波，系数相关性 II II Abstract Fractal image compressing (FIC) takes advantage of self-similarity which exists in the images commonly. It uses the self-similarity in different scales of image to remove the geometry redundancy and achieve a very high compression ratio. However, the main drawbacks of FIC are the expensive computational cost in the encoding process, the block-effect in decoding image, etc. This author studies mainly how to improve image quality and runtime in the encoding process. The project is supported by the mentor project funds. The main research work can be organized in the following aspects: Based on introducing the image encoding and fractal theory, this paper analyzed the existing FIC algorithm systematically. Then the emphasis was programming for the basic FIC algorithm (Jacquin algorithm). It tested the encoding time, image compression ratio and the peak value signal-to-noise ratio after compressed the selection of different image and objectively analyzed the advantages and disadvantages of the basic FIC algorithm. For resolving the problem author mainly sums up some common strategy. Based on the semi-norm algorithm, this paper presented an improved algorithm on image segmentation strategy, the mode of sampling contraction for the codebook and search for t