一、分形图像编码的四叉树方法（论文文献综述）
郑菲菲[1]（2014）在《基于数值分类的分形图像压缩算法研究》文中研究说明随着互联网以指数的速度飞速的增长,人们从现场传输数字数据的数量急剧增加。现在比以往任何时候都更需要快速的数据传输方法和更有效的利用内存空间。不幸的是,众所周知,图像需要大量的内存,因此不可能传输很快。分形图像压缩技术的出现就是来解决这个问题的。这些技术允许一个图像存储在比它通常所需要的更少的内存,因此其传播速度会更快。现有的Fisher基于灰度均值分类的分形图像压缩算法将图像分成三个大类,每个大类下有24个小类,一共可将图像分成72个类。该算法存在编码时间长、匹配精度差、搜索时间长等问题。本文主要研究基于数值分类的分形图像压缩算法。文中介绍了分形图像压缩的基本理论、分形的几种基本模型、分形图像压缩算法的分类以及已有的基于灰度均值分类的分形图像压缩算法。针对现有的Fisher基于灰度均值分类的分形图像压缩算法的缺点,本文提出了基于数值分类的分形图像压缩算法。该算法包括了图像的分割方法、图像的旋转-仿射变换操作以及误差的计算等本文的主要工作包括以下两个方面：1.在对图像进行分类的过程中,本文采用了“求和-抽样”变换而不是“平均-抽样”变换,原因是“平均-抽样”变换相对于“求和-抽样”变换多了个除法运算,相对计算量大且有失精度。2.本文的改进方法是在Fisher分类方法的基础上,对灰度值进行排序后,将其灰度值范围分成八个等级。根据排序后的灰度值在八个等级间的不同对应关系,我们可以将图像分成一个相当可观的类的个数,以此来提高搜索速度,解决编码速度慢的问题。仿真实验结果证明,本文提出的改进方法在保证图像质量的前提下,有效的加快了编码速度,缩短了编码时间。
胡扬[2]（2012）在《基于小波变换及ROI的图像压缩算法研究与实现》文中进行了进一步梳理在当今的信息化时代,人们对信息的需求越来越大,图像以其直观、形象、易于理解的特点成为人们重要的信息来源。但是图像数据占据的存储空间较大,给存储和传输带来了巨大的压力,因此,图像压缩具有重要的研究意义和应用价值。图像压缩的目标是在达到高压缩比的同时,保证图像的解码质量能够不影响应用需求。本文在深入研究现有图像压缩技术的基础上,将有损压缩和无损压缩相结合提出了一种新的压缩方法,该方法首先对整幅图像进行小波分解,对分解后的最低频子带进行无损压缩,以保证解码图像中的大部分信息不丢失。然后,利用图像小波分解后高频子带系数矩阵具有的稀疏性质,对各个高频子带采用可变块矢量量化技术进行有选择性的大幅度地压缩。同时,本文提出了一种基于能量排序的初始码书设计方法,对矢量量化技术中的经典码书训练算法LBG进行了改进。提出了排除异常码字的码字搜索算法,在几乎不增加搜索失真的前提下,提高了图像编码的速度。此外,本文提出了一种应用于小波域中的同方向不同分解级次上的高频子带间的预测分块划分方法,来提高在可变块矢量量化过程中对高频子带的分块速度。最后,对于有特殊要求的图像,本文利用矢量量化解码速度快的特点,提出了对感兴趣区域进行追加差图像码流的无损编码算法。本文对本文方法与传统方法进行了对比实验,实验表明本文方法在速度上比传统方法有明显的提升,在进行高压缩比压缩时,图像的解码质量优于传统算法,适合高压缩比的图像压缩。
崔磊[3]（2011）在《数字图像分形压缩编码方法研究》文中研究指明数字图像信息的数据量非常大,更有效地压缩多媒体文件、实现高速的传输与存储成为了研究的关键与热点。分形图像压缩凭借理论新颖、压缩比高、解码快、解码图像可以达到任意分辨率、重建图像质量好等优势,受到相关学者的广泛关注,是一种发展前景广阔的压缩方法。本文简单介绍了图像压缩的基本理论；系统阐述了分形图像压缩的相关理论：迭代函数系统,不动点定理和拼贴定理；分析与仿真了经典的Jacquin编码方案。通过仿真发现,传统分形算法提高重构图像质量的前提是小尺寸的分块,这样增加了编码时间,使这种算法失去了时效性。根据上述算法的缺陷,本文又引入了四叉树的思想来实现分形压缩,用方差作为一致性划分准则,提出一种统计四叉树分形编码算法,使其编码时间缩短；方差描述图像表面灰度的平滑程度。图像中灰度波动较大,细节较丰富的部分,编码的时候应该划分成更小的R块,这样在解码时细节部分失真小；图像中较平滑的部分,可以划分成较大的R块,解码时不影响对图像的识别。这种四叉划分使分块更具灵活性,从而减少编码的值域块个数,减少计算量,加快编码时间。在四叉划分基础上,为了适应于实际应用的时效性,进一步加快编码速度,文章引入了小波图像处理技术,根据小波分解图像能量集中在低频段的特点,在小波低频域上进行分形编码,提出了基于统计特性的小波四叉树分形编码算法,通过几种算法的性能比较,发现这种分形压缩方法更加有效实用。
祝玲,姜海波[4]（2010）在《基于四叉树分形图像压缩的研究实现》文中认为分形压缩技术在图像处理中有着巨大的应用前景。实现基于固定分块和四叉树的分形图像压缩,相比于固定分块法,四叉树分形压缩具有更高的灵活性和更大的压缩比,PSNR和SNR分别高出固定分块3.7%、8.8%,而MSE却降低了29%。
张岩[5]（2009）在《基于分形的图像压缩算法研究》文中研究说明介绍了分形图像压缩理论,传统DCT变换算法和四叉树分形图像压缩算法,改进的分形图像压缩方法,分形与小波相结合的图像压缩算法,彩色图像压缩算法以及对分形图像压缩未来发展的展望.
赵莹[6]（2009）在《基于分形几何学的图像信息表示及其应用研究》文中指出近年来，非线性科学开始逐渐渗透到图像处理方法之中，尤其是基于非线性方法的图像信息表示，从根本上解决了线性方法长期以来无法克服的问题，成为该领域的前沿研究课题之一。分形理论是非线性科学中独树一帜的新颖学科，具有重要理论意义和实际应用前景。它的创立为图像信息的表示提供了一种新途径、新解法。本文以分形几何学为理论基础，以“分形-＞图像建模与表示-＞应用”为研究主线。对图像的形状、纹理以及图像流形的内在结构信息进行表示，构建基于分形的图像信息表示框架。在此框架下，针对图像编码、纹理图像分割以及图像识别等关键问题开展研究。论文的主要工作如下：1．综述了分形几何学的发展历史、研究现状以及在图像处理中的理论背景与应用，归纳总结了图像信息表示方法，分析了采用分形理论进行图像信息表示的可行性以及目前分形图像处理存在的问题，提出了基于分形的图像信息表示框架。2．研究了基于分形几何学的图像信息表示，包括对图像的形状、纹理表示以及对图像集合的内在结构信息表示。介绍了基于分形的图像表示的理论工具，分析了用于图像信息表示的分形参数特性。3．研究了基于分形几何学的图像形状信息表示在图像编码中的应用。针对分形编码存在的速度问题，分析了传统方法在编码速度慢的原因，研究提出一种产生式的稀疏分形图像编码框架。建立超完备分形字典，最终得到了一种基于基元字典的分形图像编码方法。4．研究了基于分形几何学的图像纹理信息表示在纹理图像分割中的应用。针对单一分形维数不足以描述纹理特征的问题，将分形维数与多尺度多通道的方法相结合，提出一种基于分形理论的多尺度多方向纹理特征表示方法。5．研究了基于分形几何学的图像集合内在信息表示在图像识别中的应用。针对目前基于分形的图像识别方法存在的问题，从图像流形的角度出发，研究了图像流形的空间几何形状与嵌入在流形中的内在结构信息。提出了基于高维空间中样本点集分形维数估计的图像识别方法。
张志远[7]（2009）在《基于分形的多描述图像编码》文中提出分形图像编码是近年来提出的一种编码技术,并很快以其思路新颖、压缩比高等优点吸引了广大编码研究者的注意。与此同时,随着网络技术的发展,图像/视频业务在多媒体通信中占据越来越重要的地位。然而,目前的互联网和无线网络存在网络拥塞、网络异构性等问题,严重影响了多媒体数据流实时可靠的传输,因此,设计兼具压缩性和鲁棒性的编码方案成为目前图像/视频编码研究的重点内容。作为一种效率高、容错性能强的编码,多描述编码已经引起了国内外学者的广泛关注。本文以分形图像编码、多描述编码以及两者的结合问题为研究对象,以如何提高分形编码的压缩性能、设计高效的多描述图像编码器为主要研究目的。本文的主要研究工作包括:1.在分形图像编码研究中,提出了利用同尺度自相似性的优化分形编码方案,并给出了该方案可达到最终收敛的合理性证明。该方案采用反馈法和爬山法对迭代函数系统进行优化。同传统的分形编码方案相比,在同压缩比下,解码质量提高1.5dB。与Zhao提出的优化方案相比,本优化方案编解码性能略好,编码复杂度更低,编码速度更快。2.根据分形编码理论——拼贴定理和不动点定理,从迭代函数系统的系统性出发,利用拼贴误差和重建误差,提出了基于拼贴误差和重建误差的分形编码优化算法,并证明了该优化算法的收敛性,使传统分形编码的解码质量提高2.5dB。将该优化算法扩展到四叉树分割算法上,其编解码性能超过JPEG编码标准。3.提出了一种新的正交变换,该变换在频率域意义上实现了去除不同尺度冗余的功能,可以看做是分形编码在频率域上的另一种变换应用。证明了变换矩阵的正交性,最终给出了一个完整的编解码器。为了可以更加容易的构造出上述的变换,本章还扩充了H内积的概念和定理,通过扩充的H内积,很容易构造新的可去除不同尺度冗余的变换矩阵。实验结果表明本章提出的变换其编解码性能比传统的分形编码器平均提高约2dB,可以达到与JPEG相似的编解码性能。4.在基于分形编码的多描述编码研究中,最先提出了针对分形的多描述编码方法。对不同的分形编码系数使用不同的方法分配到多路上,既利用了分形编码在图像编码上的优点,同时又可以实现鲁棒性传输。比起其它一些经典的多描述编码方法,边路重建质量平均提高2.5dB,中心路重建质量也提高近1.5dB。此外结合分形与小波变换,提出了一种基于分形和小波变换的多描述编码算法,对于不同子带的小波系数采用不同的分形编码算法进行编码,加入冗余。当一路描述丢失时,对于这两种改进的分形编码方法有相应的恢复算法,可以很好地将丢失描述信息恢复,并且在本章中,根据多描述的率失真函数给出了加入冗余的方法。实验结果证明该方法取得很好的编解码性能。5.通过对多描述编码的深入研究,提出了一种基于数字隐写的多描述编码算法,将不同描述间的冗余信息采用数字隐写的方法嵌入到主信息中,大大提高了多描述编码的性能。本章提出的算法是一种处理描述间冗余的新颖算法。比起常用的冗余信息拼接方法,本算法在中心路解码质量下降很小的情况下,边路解码质量提高3-4dB,在相同的边路解码质量下,本算法可以节省将近15%的编码比特率。
邵巍[8]（2009）在《基于分形的图像压缩算法研究》文中研究表明在图像压缩编码领域,分形图像压缩以其新颖的思想、高压缩比、分辨率无关性和快速解码等优点受到广泛关注。虽然分形图像自动编码和解码不断改进,但仍然不够成熟,产生的压缩比不够高,编码速度不够快,压缩效果还不十分理想,在当前图像压缩编码中还未能占据主导地位。因此提高编码速度,对分形图像压缩具有重要的现实意义和广阔的发展前景。本文讨论了分形图像压缩编码的基本原理,系统总结了目前的分形图像压缩算法,分析了基本分形图像压缩算法的优缺点。研究并编程实现了自适应四叉树分形图像压缩算法,通过设定不同的误差阈值,选取不同的标准图像实施压缩,测试了编码时间、图像压缩比以及峰值信噪比。本文创新点是针对在基本分形图像压缩算法中,由于定义域块要进行一系列仿射变换,使得每一个值域块编码都要对匹配库中变换后的定义域块进行搜索,从而造成编码时间较长,不利于进行实时处理等问题,提出了一种基于菱形搜索算法的分形图像压缩编码。重点论述了算法中涉及到的菱形搜索算法、就近原则和误差匹配准则。在基于菱形搜索的分形图像压缩算法中,建立了算法的误差匹配公式,即误差判决准则,消除了尺度因子和补偿因子的影响。按照菱形搜索算法的大菱形模板和小菱形模板,利用匹配准则搜索最优匹配块;结合固定分块的分形图像压缩算法进行图像压缩,极大的减少搜索时间,很好的解决存在于分形图像压缩算法中的编码时间长的问题。通过对所提算法分析,与固定分块的分形图像压缩编码相比,降低了编码复杂度;利用本文提出的算法,选取具有代表性的标准图像在相同误差阈值下进行压缩,实验结果表明该算法在特定的误差阈值下,保证了图像的质量,对减少搜索时间,加快编码速度方面,比自适应四叉树分形图像压缩算法具有一定的优势。
胡志军[9]（2009）在《改进的分形图像压缩算法》文中进行了进一步梳理分形图像压缩图像编码方法是一种很新颖的图像编码方法,很多文献显示,分形对自然科学和社会科学的各个领域产生了巨大的影响,不仅具有深刻的理论意义,而且还具有很大的使用价值。最近十几年,由于对图像压缩的需求在不断加大,图像压缩编码的研究很是活跃,分形图像编码技术以新颖的思想冲破了传统编码方法的理论框架,以的高压缩比、解码时间短、与分辨率无关的解码特性,以及良好的重建图像质量,为图像编码开辟了一条新的途径,成为当今图像压缩领域中最新的方法之一。由于分形以及基于分形理论的图像压缩编码技术处于发展的过程中,其理论与技术有待完善。分形图像压缩编码方法要迈向实用化,还有许多问题需要进行深入研究并加以解决。本文对基于分形理论及迭代函数系统（IFS）的分形图像压缩方法进行分析、讨论,主要工作如下:（1）介绍了图像压缩的必要性和目前一些主要的压缩方法（2）介绍了分形图像压缩的所需要的数学基础与具体原理（3）介绍了Jaquin的编码方法,即基本分形编码（4）介绍了几种经典的分形图像压缩的改进方法（5）提出了一种固定图像做码本的分形图像压缩算法,并用实验验证了其可行性。实验表明,固定图像做码本的分形图像压缩算法不仅在解码质量上有所提高,在编码速度上也有所提高,特别是在编码较大图像的时候在速度上有着基本分形编码无法比拟的优越性。
江禹生,邵巍,丁兰欣[10]（2008）在《基于四叉树的分形图像压缩编码算法的C++实现》文中指出该文首先介绍了分形图像压缩的基本理论,如迭代函数系统,拼贴定理等。然后重点研究了基于四叉树的分形图像压缩编码算法。最后通过编写代码实现此算法,并与基本的分形图像压缩算法进行试验比较,进行总结。
二、分形图像编码的四叉树方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分形图像编码的四叉树方法（论文提纲范文）
（1）基于数值分类的分形图像压缩算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 课题意义 |
| 1.1.1 图像压缩 |
| 1.1.2 分形图像压缩 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作和内容简介 |
| 第2章 分形图像压缩的相关理论 |
| 2.1 分形模型 |
| 2.1.1 Cantor三分集 |
| 2.1.2 Koch曲线 |
| 2.1.3 Sierpinski三角形 |
| 2.2 分形理论中的基本概念 |
| 2.2.1 分形概述 |
| 2.2.2 分形编码的理论基础 |
| 2.3 分形图像压缩的理论基础及算法分类 |
| 2.3.1 灰度图像的仿射变换及压缩映射 |
| 2.3.2 分形图像压缩算法的分类 |
| 2.4 本章小结 |
| 第3章 分形图像压缩的算法实现 |
| 3.1 拼贴定理 |
| 3.2 灰度级映射的迭代函数系统及局部迭代函数系统 |
| 3.2.1 灰度级映射的迭代函数系统 |
| 3.2.2 灰度级映射的局部迭代函数系统 |
| 3.3 解码 |
| 3.4 图像压缩的性能评价 |
| 3.5 本章小结 |
| 第4章 基于分类的分形图像压缩 |
| 4.1 四义树分形图像编码方法 |
| 4.2 基于数值分类的分形图像压缩方法 |
| 4.2.1 Fisher的基于灰度均值的分类方法 |
| 4.2.2 改进的分类方法 |
| 4.2.3 实验结果及分析 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间所发表的论文 |
（2）基于小波变换及ROI的图像压缩算法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩技术的研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第2章 相关技术介绍 |
| 2.1 图像压缩的理论基础 |
| 2.1.1 图像数据的冗余 |
| 2.1.2 图像压缩模型 |
| 2.1.3 信息理论基础 |
| 2.2 图像压缩算法综述 |
| 2.2.1 熵编码 |
| 2.2.2 预测编码 |
| 2.2.3 变换编码 |
| 2.2.4 分形图像编码 |
| 2.2.5 感兴趣区域图像编码 |
| 2.3 图像编码的质量评价 |
| 2.3.1 图像保真度 |
| 2.3.2 压缩比 |
| 2.3.3 算法复杂度 |
| 2.4 本章小结 |
| 第3章 基于小波变换及感兴趣区域的图像压缩算法 |
| 3.1 引言 |
| 3.2 小波变换 |
| 3.2.1 小波变换的基础知识 |
| 3.2.2 图像的小波分解与重构 |
| 3.2.3 小波变换的特性 |
| 3.3 基于矢量量化的图像压缩 |
| 3.3.1 矢量量化原理 |
| 3.3.2 基于能量排序的LBG初始码书设计 |
| 3.3.3 基于异常码字排除的快速码字搜索算法 |
| 3.3.4 可变块矢量量化 |
| 3.4 基于小波变换和可变块矢量量化的压缩算法 |
| 3.4.1 复杂性分析 |
| 3.4.2 基于小波子带间相关性预测的可变块划分算法 |
| 3.5 渐进式感兴趣区域无损编码 |
| 3.5.1 感兴趣区域的提取 |
| 3.5.2 边界的链式编码 |
| 3.6 本章小结 |
| 第4章 实验结果与分析 |
| 4.1 实验数据 |
| 4.2 矢量量化压缩算法实验 |
| 4.2.1 训练集的生成 |
| 4.2.2 基于能量排序的LBG初始码书设计 |
| 4.2.3 基于异常码字排除的快速码字搜索算法 |
| 4.3 基于小波变换及可变块矢量量化的压缩算法实验 |
| 4.3.1 基于小波子带间相关性预测的可变块划分算法实验 |
| 4.3.2 子带间相关性预测分块的可变块矢量量化与JPEG的对比实验 |
| 4.3.3 ROI无损压缩实验与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
（3）数字图像分形压缩编码方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究目的及意义 |
| 1.2 分形图像压缩的研究概况 |
| 1.3 本文的组织结构 |
| 第2章 图像压缩的基本理论 |
| 2.1 图像压缩的概述 |
| 2.1.1 图像压缩的必要性与可能性分析 |
| 2.1.2 图像编码压缩的理论基础 |
| 2.1.3 图像压缩的系统模型 |
| 2.1.4 图像编码压缩方法的分类 |
| 2.1.5 图像压缩技术的性能评价 |
| 2.2 典型的图像压缩技术 |
| 2.2.1 传统的图像压缩编码技术 |
| 2.2.2 新型的图像压缩编码技术 |
| 2.2.3 图像压缩国际标准的简介 |
| 2.3 本章小结 |
| 第3章 分形图像压缩的相关理论 |
| 3.1 分形理论的概述 |
| 3.1.1 分形理论的发展历程 |
| 3.1.2 分形的特征性定义及其分类 |
| 3.1.3 分形的自相似性与标度不变性 |
| 3.1.4 维数的简介 |
| 3.2 分形图像压缩的理论基础 |
| 3.2.1 豪斯道夫距离与分形空间 |
| 3.2.2 仿射变换 |
| 3.2.3 迭代函数系统 |
| 3.2.4 不动点(吸引子)定理 |
| 3.2.5 拼贴定理 |
| 3.3 IFS码的获取方法 |
| 3.4 IFS码构造分形的实现 |
| 3.4.1 确定性迭代算法 |
| 3.4.2 随机性迭代算法 |
| 3.5 本章小结 |
| 第4章 分形图像压缩的算法实现 |
| 4.1 局部函数迭代系统(LIFS)简介 |
| 4.2 利用LIFS的Jacquin编码方案实现 |
| 4.2.1 分形编码 |
| 4.2.2 分形解码 |
| 4.2.3 实验仿真 |
| 4.2.4 仿真结果分析 |
| 4.3 本章小结 |
| 第5章 基于统计特性的小波四叉树分形压缩算法 |
| 5.1 四叉树图像分割 |
| 5.2 统计四叉树分形压缩算法实现 |
| 5.2.1 统计四叉树图像分割原理 |
| 5.2.2 阈值的确定 |
| 5.2.3 算法实现 |
| 5.2.4 实验仿真 |
| 5.2.5 仿真结果分析 |
| 5.3 基于统计特性的小波四叉树分形压缩算法 |
| 5.3.1 小波变换的基本理论 |
| 5.3.2 算法原理 |
| 5.3.3 算法实现 |
| 5.3.4 实验仿真 |
| 5.3.5 仿真结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 个人简历 |
（4）基于四叉树分形图像压缩的研究实现（论文提纲范文）
| 0 引言 |
| 1 分形图像压缩编码 |
| 1.1 固定分块分形图像压缩 |
| 1.2 四叉树分形图像压缩 |
| 2 四叉树算法的具体实现步骤 |
| 3 实验结果及分析 |
| 4 结语 |
（6）基于分形几何学的图像信息表示及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 致谢 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 分形理论的产生与发展 |
| 1.2.1 分形几何学 |
| 1.2.2 发展历史 |
| 1.2.3 研究现状 |
| 1.3 分形图像处理 |
| 1.3.1 理论依据 |
| 1.3.2 处理方法 |
| 1.3.3 存在问题 |
| 1.4 论文的课题来源、研究内容与章节安排 |
| 1.4.1 所选课题的来源 |
| 1.4.2 论文的研究内容 |
| 1.4.3 论文的章节安排 |
| 参考文献 |
| 第二章 基于分形几何学的图像信息表示 |
| 2.1 图像信息表示方法概述 |
| 2.1.1 图像的数据结构 |
| 2.1.2 图像建模和表示方法 |
| 2.2 基于分形的图像信息表示 |
| 2.2.1 分形几何与图像 |
| 2.2.2 基于分形几何学的图像形状信息表示 |
| 2.2.3 基于分形几何学的图像纹理信息表示 |
| 2.2.4 基于分形几何的图像集内在结构信息表示 |
| 2.3 本章小结 |
| 参考文献 |
| 第三章 基于基元字典的分形图像编码 |
| 3.1 分形图像编码 |
| 3.1.1 分形编码的数学基础 |
| 3.1.2 分形编码的基本原理 |
| 3.1.3 编解码的具体步骤 |
| 3.1.4 改进方法 |
| 3.2 分形编码方法的局限性 |
| 3.2.1 速度问题 |
| 3.2.2 现有解决方法 |
| 3.3 基于基元字典块的分形编码 |
| 3.3.1 原理分析 |
| 3.3.2 具体实现 |
| 3.3.3 算法流程及描述 |
| 3.3.4 实验结果及分析 |
| 3.4 本章小结 |
| 参考文献 |
| 第四章 基于分形理论的多尺度多方向纹理分割 |
| 4.1 纹理定义 |
| 4.2 纹理的表达和描述 |
| 4.3 纹理分割方法 |
| 4.3.1 统计方法 |
| 4.3.2 结构方法 |
| 4.3.3 空间频率方法 |
| 4.3.4 模型方法 |
| 4.4 基于分形理论的多尺度多方向纹理分割方法 |
| 4.4.1 特征提取 |
| 4.4.2 纹理分割 |
| 4.4.3 算法流程及描述 |
| 4.4.4 实验结果及分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 基于分形理论的图像识别 |
| 5.1 基于分形理论的图像识别方法 |
| 5.2 图像流形 |
| 5.3 基于高维空间中点集覆盖的图像识别 |
| 5.3.1 算法流程及描述 |
| 5.3.2 实验结果及分析 |
| 5.4 基于高维空间中样本点集分形维数的图像识别 |
| 5.4.1 算法流程及描述 |
| 5.4.2 实验结果及分析 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 攻读博士学位期间发表论文及参加科研情况 |
（7）基于分形的多描述图像编码（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 综述 |
| 1.1 图像数字化 |
| 1.2 图像编码 |
| 1.3 分形图像编码研究 |
| 1.3.1 分形图像编码的发展状况 |
| 1.4 多描述编码 |
| 1.4.1 多描述编码的研究意义和应用 |
| 1.4.2 多描述编码的国内外研究现状 |
| 1.5 本论文的主要工作和组织结构 |
| 第二章 分形与多描述图像编码的理论基础 |
| 2.1 引言 |
| 2.2 分形图像编码的理论基础 |
| 2.2.1 分形的定义 |
| 2.2.2 分形图像编码的基本原理 |
| 2.3 经典分形编码方案 |
| 2.3.1 Jacquin的分形图像压缩方案 |
| 2.3.2 Fisher的四叉树分形图像压缩方案 |
| 2.4 多描述编码的信息论基础 |
| 2.4.1 传统的率失真函数 |
| 2.4.2 多描述编码的率失真函数 |
| 2.5 多描述编码的实现方法 |
| 2.5.1 基于亚采样的多描述编码 |
| 2.5.2 基于量化的多描述编码 |
| 2.5.3 基于相关变换的多描述编码 |
| 2.5.4 基于FEC的多描述编码 |
| 2.6 本章小结 |
| 第三章 优化的分形图像编码算法 |
| 3.1 引言 |
| 3.2 利用同尺度自相似性的改进优化分形图像编码算法 |
| 3.2.1 改进分形编码方案 |
| 3.2.2 实验结果 |
| 3.3 利用拼贴误差和重建误差的改进优化分形图像编码方法 |
| 3.3.1 IFS的优化可行性分析 |
| 3.3.2 优化算法1:基于重建误差的IFS优化分形编码算法 |
| 3.3.3 优化算法2:基于选择性拼贴误差的IFS优化算法 |
| 3.3.4 实验结果 |
| 3.3.5 本节小结 |
| 3.4 本章小结 |
| 第四章 去除不同尺度间冗余的变换及相应编码方案 |
| 4.1 引言 |
| 4.2 频率域上的自相似性 |
| 4.3 基于H内积的可以去除不同尺度冗余的新变换 |
| 4.3.1 新的变换 |
| 4.4 H内枳内涵扩充及其在构造基函数中的应用 |
| 4.4.1 H内积内涵扩充 |
| 4.4.2 通过扩充的H内积构建去除不同尺度冗余的新变换 |
| 4.5 基于新正交变换的编码器 |
| 4.5.1 新编码器设计 |
| 4.5.2 新变换的量化器 |
| 4.6 实验结果 |
| 4.7 本章小结 |
| 第五章 基于分形的多描述图像编码 |
| 5.1 引言 |
| 5.2 基于IFS的多描述图像编码方法 |
| 5.2.1 改进的分形图像编码方法 |
| 5.2.2 基于分形的多描述编码MDFIC |
| 5.2.3 实验结果 |
| 5.2.4 本节小结 |
| 5.3 基于小波和分形的多描述编码方法 |
| 5.3.1 算法基本思想和相关技术 |
| 5.3.2 算法的实现 |
| 5.3.3 实验结果 |
| 5.3.4 本节小结 |
| 第六章 基于数字隐写的两路描述编码方案 |
| 6.1 引言 |
| 6.2 基本思想及相关技术 |
| 6.2.1 基于小波的细编码和粗编码 |
| 6.2.2 关于嵌入方法--LSB数字隐写方法 |
| 6.3 本节提出的两描述图像编码算法(小波域分割) |
| 6.3.1 粗信息的嵌入 |
| 6.3.2 有区分的量化器 |
| 6.3.3 解码 |
| 6.4 实验结果 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作的总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读博士期间发表和已录用的学术论文 |
| 参加的科研项目 |
| 作者简历 |
| 学位论文数据集 |
（8）基于分形的图像压缩算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 图像压缩编码概述 |
| 1.1.2 图像压缩编码原理及分类 |
| 1.1.3 图像质量的性能评价 |
| 1.2 国内外研究现状 |
| 1.2.1 提高分形图像压缩编解码速度 |
| 1.2.2 提高分形编码的解码图像质量 |
| 1.3 本文内容及安排 |
| 2 分形图像编码理论 |
| 2.1 分形理论的产生和发展 |
| 2.2 分形理论概述 |
| 2.2.1 分形的产生及定义 |
| 2.2.2 分形维数 |
| 2.2.3 度量空间、Hausdorff 距离 |
| 2.3 分形图像压缩理论 |
| 2.3.1 仿射变换 |
| 2.3.2 不动点及压缩映射定理 |
| 2.3.3 迭代函数系统、吸引子定理、拼贴定理 |
| 2.4 本章小结 |
| 3 分形图像压缩算法研究 |
| 3.1 分形图像压缩算法的分类 |
| 3.1.1 分割法 |
| 3.1.2 分类法 |
| 3.1.3 混合编码法 |
| 3.1.4 其它分形图像压缩方法 |
| 3.2 JACQUIN 分形图像压缩算法 |
| 3.2.1 局部迭代函数系统 |
| 3.2.2 固定分块算法原理及分析 |
| 3.3 FISHER 分形图像压缩算法 |
| 3.3.1 自适应四叉树分割 |
| 3.3.2 相似块集合的矩分类 |
| 3.3.3 实验结果分析 |
| 3.4 改进的分形图像压缩算法 |
| 3.4.1 随机分形图像压缩编码 |
| 3.4.2 分形与小波相结合的混合编码 |
| 3.5 本章小结 |
| 4 基于DS 的分形图像压缩算法 |
| 4.1 菱形搜索法 |
| 4.1.1 块匹配基本原理及准则 |
| 4.1.2 DS 算法原理 |
| 4.1.3 DS 算法描述及分析 |
| 4.2 基于DS 的分形图像压缩算法 |
| 4.3 实验结果分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 分形图像压缩技术的展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）改进的分形图像压缩算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 问题的提出 |
| 1.2 常用的图像压缩方法 |
| 1.3 分形图像压缩编码的研究现状 |
| 1.3.1 发展概述 |
| 1.3.2 研究现状 |
| 1.4 分形图像编码的发展趋势 |
| 1.5 本文的主要内容 |
| 2 分形图像压缩的数学基础 |
| 2.1 引言 |
| 2.2 分形概述 |
| 2.2.1 分形的定义 |
| 2.2.2 分形空间 |
| 2.3 分形编码的理论基础 |
| 2.3.1 仿射变换 |
| 2.3.2 压缩映射及不动点 |
| 2.3.3 迭代函数系统、吸引子 |
| 2.3.4 拼贴定理 |
| 2.4 本章小结 |
| 3 基本分形编码算法 |
| 3.1 引言 |
| 3.2 局部迭代函数系统(LIFS) |
| 3.3 基本分形编码算法 |
| 3.3.1 分形编码 |
| 3.3.2 分形解码 |
| 3.3.3 编码/解码算法的具体步骤 |
| 3.3.4 试验结果 |
| 3.4 本章小结 |
| 4 改进的分形压缩算法 |
| 4.1 引言 |
| 4.2 分类方法 |
| 4.3 特征向量法 |
| 4.4 自适应四叉树编码方法 |
| 4.5 小波分形混合编码 |
| 4.6 基于固定图像做码本的分形图像压缩算法 |
| 4.7 本章小结 |
| 5 全文总结 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于四叉树的分形图像压缩编码算法的C++实现（论文提纲范文）
| 1 引言 |
| 2 分形图像压缩编码理论 |
| 3 四叉树分形图像压缩编码 |
| 4 四叉树分形编码的实现及分析 |
| 5 结论 |
四、分形图像编码的四叉树方法（论文参考文献）
- [1]基于数值分类的分形图像压缩算法研究[D]. 郑菲菲. 兰州理工大学, 2014(10)
- [2]基于小波变换及ROI的图像压缩算法研究与实现[D]. 胡扬. 东北大学, 2012(05)
- [3]数字图像分形压缩编码方法研究[D]. 崔磊. 哈尔滨工程大学, 2011(05)
- [4]基于四叉树分形图像压缩的研究实现[J]. 祝玲,姜海波. 现代计算机(专业版), 2010(15)
- [5]基于分形的图像压缩算法研究[J]. 张岩. 西安文理学院学报(自然科学版), 2009(03)
- [6]基于分形几何学的图像信息表示及其应用研究[D]. 赵莹. 合肥工业大学, 2009(11)
- [7]基于分形的多描述图像编码[D]. 张志远. 北京交通大学, 2009(10)
- [8]基于分形的图像压缩算法研究[D]. 邵巍. 重庆大学, 2009(12)
- [9]改进的分形图像压缩算法[D]. 胡志军. 重庆大学, 2009(12)
- [10]基于四叉树的分形图像压缩编码算法的C++实现[J]. 江禹生,邵巍,丁兰欣. 电脑知识与技术, 2008(35)