一、基于分形理论的图像压缩算法的JAVA实现（论文文献综述）
曹健[1]（2020）在《分形理论在图像压缩及图像检索中的应用研究》文中指出分形图像压缩编码作为近年来热门的研究领域,在保证了高压缩比的同时具有较高的重建图像质量。然而,基本分形压缩编码在构造灰度匹配时需要从海量的虚拟码本中进行选择,造成了编码耗时较长的问题。因此,为平衡编码时间,重建图像质量和压缩比三者之间的关系,本文以提高重建图像质量与编码速度为核心,针对目前分形编码算法中存在的问题展开研究,主要的研究工作包括:（1）针对一些结构相似性较差的图像,提出一种基于图像纹理的正交稀疏分形图像压缩编码。通过引入稀疏分解和正交分形编码的思想来提出一种正交稀疏灰度变换,提高图像的重建质量。同时,对于灰度匹配阶段计算复杂度较高的问题,根据图像块的方差特征,定义Range块池和虚拟码本池的方差特征向量构造相似性度量矩阵来减少冗余和编码时间。本算法相比基本分形图像压缩编码算法的编码质量大大提高,相比其他基于稀疏分解的算法编码效果也有所增加,较好地处理了纹理复杂的图像。（2）借助小波域分形图像编码,提出一种基于小波变换的快速稀疏分形图像编码算法。结合小波系数稀疏性较强的特点,引入稀疏分解的思想对小波域分形算法上的灰度变换进行改进。然后,通过提取图像块的偏度和峰度作为特征向量来进行相似性计算,从而减少了虚拟码本中的冗余来达到降低计算复杂度的目的。实验结果表明,在前一章算法的基础上进行推广,新算法的性能更优,达到了预期效果。（3）针对分形图像压缩编码在图像分割时易损失内在结构信息这一弊端,借助张量的Tucker分解方法来改善,提出了一种基于块稀疏张量的分形图像压缩编码算法。将待编码Range块池和虚拟码本池视为高阶张量,然后根据图像纹理特征训练具有块稀疏特性的虚拟码本池,最后将张量Tucker分解与分形编码相结合进行灰度匹配。仿真实验表明,新算法在获得较高压缩率的同时既可以得到较好的重建图像质量,也大大加快了图像编码的速度,具有广阔的应用前景。
王丽[2]（2020）在《基于分形的图像压缩编码方法研究》文中研究指明实际生活中众多图像都具有相似性,利用图像部分与整体之间相似性来实现图像的压缩编码算法,还有后续提出的利用图像部分与部分之间相似性,都可以被认为是基于分形理论的图像压缩编码算法,算法因其高的压缩比和良好的图像恢复质量而备受关注。然而,在编码过程中,基本分形图像编码算法需要消耗大量的时间去进行全局搜索,不利于编码效率的提高,同时,采用的减少码本数量的方法来优化编码时间,会给恢复图像带来块效应的不良效果。因此,如何在既保证分形图像解码恢复质量前提下,又能使用越少的编码时间,是研究者们一直以来不懈努力的方向。本文基于上述问题进行课题研究,具体工作如下:首先,在基本分形块图像编码基础上,利用质心特征来实现对图像块的分类,将值域块与定义域块之间相似性匹配转化为值域块与定义域块之间质心特征的匹配,简化匹配过程,有效剔除不符合条件的定义域块。并据此提出基于质心特征分类的快速分形图像压缩编码算法,通过公式证明了算法的可行性。其次,改进图像质心特征,采用一种加权质心特征,相较于质心特征可以更加细致地刻画图像块纹理细节特征,提高精准分类,并通过公式证明了算法的可行性。加权系数为2的实验表明,基于加权质心特征的分形图像压缩编码算法相较于质心特征具有更强的质量提升能力,在提高恢复图像质量上具有优势。最后,在医学图像的压缩处理过程中加入分形压缩的概念,人体医学图像中具有明显的分形相似特征,利用本文提出的特征算法,实现对医学图像的特征压缩,经过试验结果表明,相较于其他压缩算法,本文提出的基于特征分类的分形图像压缩编码算法在编码阶段具有少的时间消耗,同时恢复图像质量也有保证。
颜心如[3]（2020）在《基于图像的编码技术分析研究》文中研究指明近年来,随着信息网络技术的不断发展,各种类型的多媒体网络和移动应用终端迅速推广普及,各种类型多媒体网络视频直播内容在网络社交与多媒体、医疗、调查以及休闲娱乐等各个领域随处可见。为了解决图像传输和存储问题,研究者们提出了多种图像编码算法。然而,现有的图像编码和图片后处理编码算法工作效率有待提高,仍具备较大的技术改进空间。如何有效控制压缩图像存储数据量,并且保证图像质量不明显降低是当前图像压缩领域亟待解决的重要问题。图像编码压缩技术通过有效消除原始编码图像压缩信号内的空间冗余来压缩原始图像中的数据。通常,图像的压缩率越高,质量上的损失就越大。高效的图像编码压缩算法要求保持高压缩率的同时,可以拥有高质量的压缩编码图像。本文关注于研究图像编码相关技术,总结了现有高效图像编码的主要方法,并在此基础上,对图像压缩算法进行了创新,研究内容主要包括:（1）基于相关系数的分形图像编码算法。本文提出一种基于相关系数的分形编码算法,通过相关系数来优化分形理论中压缩时间过长的问题。结合实验结果的分析表明,在保证一定图像编码质量的前提下,减少图像编码所需时间,即降低了编码过程的计算量。（2）基于移动最小二乘法的图像恢复算法。该算法总结了变换域编码的优缺点,应用了一种新的图像恢复算法,并运用在图像的下采样编码方案中,实现图像信号的有效恢复。仿真实验表明,该编码可以有效减少高压缩率下的图像失真现象,是一种高效的图像编码方法。（3）新型误差补偿量化算法。该算法旨在减少RGB彩色图像的高度失真。将彩色图像的整个RGB空间像素通过一种量化转换算法进行转换,表示为YCb Cr空间,减少了整个YCb Cr空间中每个像素的平均值和误差,从而提高彩色图像的整体图像质量。该压缩算法能够保证主体图像不会因为经过滤波器而自动产生新的图像失真。经实验验证,通过该压缩算法优化处理后的图像可以具有较好的主客观图像质量。
赵蓉[4]（2019）在《基于小波变换的分形图像编码压缩算法》文中研究表明分形图像压缩编码方法以压缩比高,解码快速等优点成为图像压缩领域的一大热点。但传统的分形编码使用全局搜索,占用了大量时间,同时,编码易造成“方块效应”,从而影响重构图像的清晰度。因此,改善重构图像质量,缩短编码时间,是本文的主要研究的方向,具体工作内容如下:首先,在充分研究后,文中提出了一种新的分类方法,将父块预先分为三类,对于任一块,在其对应的类里选用适合的特征,搜索其最佳匹配块。实验结果表明,该算法是有效的。其次,在研究特征向量法快速分形编码的基础上,提出一种新特征———九块和特征,并给出其可行性分析。该算法将全局搜索变为局部搜索,从而缩短了编码时间。实验结果表明,该算法在保证图片质量的同时,还能实现加速。最后,在研究小波变换的原理和优点的基础上,提出将小波变换和九块和特征相结合的编码算法,进一步提高重构图像质量,缩短图像编码的时间。实验仿真验证,该算法在改善重构图像质量的同时,还能实现加速。
赵敏[5]（2019）在《基于新特征和小波变换的图像压缩编码算法》文中研究说明图像是对客观世界的一种相似和生动的描述,包含了有关被描述对象的信息。包含的数据量非常庞大,给存储和传输带来了难题。许多专家学者从图像的采集、增强、复原、变换、分割、编码、重建、配准、嵌拼、特征提取和模式识别等方面进行图像处理工作。其中分形图像压缩编码算法突破了传统方法的理论体系,得到了大家的广泛关注。但是由于它的计算复杂度较高、编码时间长等问题,限制了它的广泛应用。针对这些劣势,本文做了如下工作:（1）提出基于仿半叉迹特征的快速分形编码算法。首先定义子块仿半叉迹特征,其次证明了最小均方误差与子块仿半叉迹特征的关系,验证了采用该特征进行搜索的合理性。实验结果表明,提出的算法能有效降低数据的复杂度,在保证重构图像和原图像相似度很大的情况下,加快了编码速度。（2）提出八点和特征快速编码算法。首先给出八点和特征的定义,然后证明了它与最小均方误差的关系,进而验证了它的合理性。仿真结果表明,提出的算法在保证结构相似度很大的前提下,不仅加快了编码速度,而且峰值信噪比也有所提升。（3）提出小波变换与仿半叉迹特征相结合的分形图像编码算法。首先给出了小波变换的相关概念,其次,对原始图像进行二维小波变换,再通过特征编解码,最后通过二维逆小波变换就可以得到重构图像。根据实验结果,可知该混合编码算法的效率较高。
牛天婵[6]（2019）在《基于分形与特征向量法的快速分形图像压缩编码算法》文中认为信息时代,巨大的数据信息量成为社会的主要特征之一,大量数据信息如何存储问题也日益受到社会的关注。因此,作为方便数据信息存储的核心技术之一的图像压缩技术成为众多学者的主要研究方向,同时,分形图像压缩技术因其所实现的高压缩比成为极具优势的图像压缩技术之一。然而,传统的分形图像压缩编码算法需要消耗大量时间,这严重阻碍了分形理论在图像压缩领域的实际运用。针对这一弊端,文中提出了基于特征向量和分形理论的四种新算法,提高编码速度,提高解码图像的质量。主要研究过程如下:（1）通过对分形算法和特征算法的研究,文中提出四线和特征的编码算法,该算法根据匹配均方根误差与四线和特征值之间的关系,将全局搜索转化为局部搜索（近邻搜索）,限定搜索空间,减少定义域块的搜索。仿真实验结果表明:该算法解码图像在客观质量上优于1-范数特征算法;与基本分形编码算法相比,四线和特征算法不改变重构图像的主观质量,但在编码速度上却得到极大提高。（2）针对四线和特征算法解码图像客观质量不够理想的问题,提出子块均点特征算法,减少图像块像素点信息的缺失。将文中算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较,仿真结果表明,文中算法在时间稍逊的情况下,文中算法在客观质量上更优。（3）通过对分形算法和特征算法的研究,文中提出一种新算法。该算法利用方差来反映不同图像块之间的信息,并且取图像块子块与父块间的方差比来反映图像不同部分的信息。经过理论证明与实验仿真可知,该算法不仅在编码速度上优于基本分形编码算法,在解码图像质量上也优于1-范数特征算法。（4）通过对分形算法和特征算法的研究,文中提出了单位欧式积分形算法,该算法不仅将全搜索变为局部搜索,更充分反映了子块与父块之间的联系。仿真实验表明,文中算法在编码速度上比传统分形编码算法加快近100倍,并且文中算法的PSNR值也优于1-范数特征算法。
张晶晶[7]（2019）在《基于小波与分形相结合的图像压缩编码算法》文中研究表明分形图像压缩算法有着在高压缩比下,保证较高的重构图像质量的优点,这使得其在图像压缩研究中占有一席之位。但是,分形图像编码过程中,需要在海量码本中搜索最佳匹配块,这需要耗费大量的时间,不利于分形图像压缩编码的推广和应用。并且在编码过程中会出现“块效应”,这也影响着重构图像质量。所以,在加编解码速度的同时,提高重构图像质量是本文的重点研究内容。本文的具体研究内容如下:（1）利用分形压缩编码的优点,并结合特征向量法,提出一种图像新的子块特征——框点和,并且从理论上证明了该特征与均方误差之间的关系。以这个关系作为该算法的理论依据,提出基于图像块框点和的快速分形图像编码。然后进行仿真实验,实验结果显示,在编解码时间相近的情况下,该算法的重构图像质量高于与其他算法。（2）在定义了新的子块特征——框点和的基础上,结合连续小波变换的平滑特性,提出基于小波与分形相结合的图像压缩编码。实验仿真结果表明,与基本分形算法以及其他算法相比,新算法的性能更优,达到了预期的效果,不仅缩短了编解码时间,同时也提高了重构图像质量。（3）通过对小波变换和特征向量的进一步研究,提出基于图像块差的分形与小波结合的图像压缩编码。通过与其他算法进行对比可知,新算法的性能更优。
张馨[8]（2019）在《基于DCT与DWT的图像渐进压缩算法研究》文中提出为解决对图像进行实时处理、传输时,因需要处理、传输数据量过大,造成带宽拥堵、资源量浪费问题,本文从图像分级压缩着手,利用量化可分级来实现图像的渐进压缩。该方法先对原始图像进行预处理,接着对预处理得到的数据进行变换处理,然后对得到的变换系数进行可分级量化,使用Huffman编码方法对量化的图像数据实行编码,对得到的码流进行累进传输,最后终端根据接收到码流进行解码,并渐进显示传输的压缩重建图像,收到的码流逐渐完善,得到的图像逐步清晰,进而满足实时处理与传输。在不影响图像质量的前提下,图像渐进压缩技术不仅实现了对图像的内容进行了压缩,同时利用码流累进传输,解决了传输占用信道宽的瓶颈。本文利用变换技术去除图像的部分冗余信息,再利用可量化分级,对图像进行Huffman编码实现渐进压缩。本文主要采用的变换方法是离散余弦变换（DCT）和离散小波变换（DWT）两种变换算法,实现基于DCT图像渐进压缩算法与基于DWT的图像渐进压缩算法,并对比上述两种算法,相比DCT变换压缩,基于DWT压缩不仅是在频域,它在时域也有体现,通过平移伸缩,可以完全覆盖整个图像,利用基于DWT压缩可以得到更好压缩效果,峰值信噪比（PSNR）值更高,而且可以解决基于DCT图像压缩时出现的“方块效应”。该论文有图30幅,表14个,参考文献45篇。
李祥鹏[9]（2019）在《基于分形理论的快速图像压缩算法》文中研究表明图像压缩是实现图像高效存储和传输的关键技术。基于分形理论的图像压缩算法因其压缩比高、重构图像质量好以及解码与图像分辨率无关的特性而受到广泛关注。然而,分形图像压缩算法在编码过程中为值域块搜索最优匹配块的过程会消耗大量时间,这阻碍了分形编码技术的现实应用。本论文基于分形理论,提出两个改进的分形图像压缩算法,有效提高分形图像压缩算法的速度。第一个分形编码算法是基于迭代控制搜索策略的分形图像编码算法。现有的分形编码算法存在因定义域块的特征空间分布不均匀而导致的低效搜索或无效搜索问题。此外,它们采用的固定质量允许误差控制搜索策略,会导致图像解码质量上限受限的问题。针对这些问题,本文提出控制分形编码搜索过程中迭代函数系统的更新次数,提前结束匹配过程中的低效搜索部分。同时结合了使用特征标准差对值域块进行平滑块与粗糙块的划分技术、对定义域块自适应扩张的码本缩减技术,并在计算图像块相似度时提出等距采样图像降维操作进一步降低计算复杂度,有效加快编码进程。从实践来看,本文所提出的基于迭代控制搜索策略的分形图像编码算法是在损失一定图像解码质量的情况下所能达到的较佳编码加速方案。第二个分形编码算法是基于自适应阈值四叉树分块的分形图像编码算法。针对基本分形编码中固定分块尺寸的设置以及传统四叉树分块中固定阈值的设置,没有考虑不同输入图像的自身特性不同以及同一图像的不同区域特性不同的客观差异,本文提出了自适应阈值的四叉树分块方法,根据图像子块的均值和标准差,动态计算出图像子块的特有阈值,根据特有阈值判断是否对当前图像块进行分割。从实践来看,本文所提的基于自适应阈值的四叉树分块的分形图像编码算法在稍微增加编码时间的前提下有效地提高了解码质量,实现了编码时间和解码质量间更好的平衡。为验证本文所提出的新方法,本文对8幅512*512的常用标准灰度图像进行测试,通过计算编码时间（ET）和图像解码质量（PSNR）进行算法的性能评估。结果表明,对比现有的分形图像编码算法,在解码图像质量损失一定的前提下,本文算法具有更高效的编码速度和获得良好的图像解码质量。
李山山[10]（2019）在《基于矿相分形特征的边缘检测改进算法研究》文中研究指明图像边缘轮廓特征是图像识别的重要依据,精准提取清晰的边缘轮廓表征参数是提高图像识别精度的关键环节。球团是高炉必备的入炉原料,其矿相微观结构决定球团冶金性能,搭建矿相微观结构特征与其冶金性能之间的数量关系是球团制备工艺亟需解决的难题。重点研究分形维数与多重分形理论,基于该理论对矿相的边缘特征进行检测,以算法对比实证的方式检验了该算法的优越性,并讨论了多重分形谱谱宽与球团矿冶金性能关键指标（碱度）、表面均匀度的关系。首先,通过实验选取具有代表性结构的球团矿相,采用RGB三色加权方法对其进行灰度化处理,并运用自适应直方图均衡化方法处理灰度化图像,增强矿相的对比效果,奠定后续的矿相处理基础。其次,在离散分形布朗随机场模型下,通过对现有矿相边缘检测方法的分析,设计了一种时间成本较低的改进算法。通过比较选取长度为5的移动窗口,该算法通过判断窗口范围内像素点的灰度值是否均为0,若均为0,则在该窗口范围内计算的三种距离下的灰度值之差的平均值均为0;否则,分别计算不同距离下的灰度值之差的平均值。该算法降低了算法的迭代次数,有效的降低了程序执行时间。将利用改进算法检测的矿相边缘与传统图像边缘检测方法中的Canny算子和Log算子对比,该算法提取的矿相边缘清晰完整,并验证了该算法具有抗噪性。最后,应用多重分形理论中配分函数与窗口大小间的关系,验证出矿相图具有分形结构,并运用多重分形理论的参量对其进行分析。采用多重分形理论计算矿相图的奇异指数与奇异谱,根据这两个重要参数提取矿相的边缘,并与基于分形维数的改进算法提取的矿相边缘进行了对比。研究结果表明:利用多重分形算法提取的矿相边缘更加清晰,提取的边缘信息更完整,可以作为球团矿相视觉特征的直观有效表达;多重分形谱宽与球团碱度、表面均匀度间存在规律性,为确立二者之间定量关系提供了基础。图48幅;表5个;参69篇。
二、基于分形理论的图像压缩算法的JAVA实现（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、基于分形理论的图像压缩算法的JAVA实现（论文提纲范文）
（1）分形理论在图像压缩及图像检索中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 专业术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 图像压缩技术概述 |
| 1.3 分形编码算法研究现状 |
| 1.4 研究内容 |
| 1.5 论文结构安排 |
| 第二章 分形图像压缩编码原理综述 |
| 2.1 分形编码的基本理论 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 分形图像压缩编码算法模型 |
| 2.2.1 图像分割 |
| 2.2.2 压缩仿射变换 |
| 2.2.3 解码 |
| 2.3 本章小结 |
| 第三章 基于图像纹理的正交稀疏分形图像压缩编码 |
| 3.1 稀疏分解基本原理 |
| 3.2 算法模型 |
| 3.2.1 正交稀疏灰度变换 |
| 3.2.2 基于相似性度量矩阵的图像块检索 |
| 3.3 实验结果及分析 |
| 3.3.1 确定参数大小 |
| 3.3.2 算法性能比较 |
| 3.4 本章小结 |
| 第四章 基于小波变换的快速稀疏分形图像压缩编码 |
| 4.1 小波变换基本原理 |
| 4.2 算法模型 |
| 4.2.1 基于小波域的稀疏分形图像编码算法 |
| 4.2.2 基于统计方法的图像块检索 |
| 4.3 实验结果及分析 |
| 4.3.1 算法流程 |
| 4.3.2 实验仿真 |
| 4.4 本章小结 |
| 第五章 基于块稀疏张量的分形图像压缩编码 |
| 5.1 张量的Tucker分解 |
| 5.2 算法模型 |
| 5.2.1 块稀疏字典学习 |
| 5.2.2 块稀疏张量编码和解码 |
| 5.3 实验结果及分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 致谢 |
（2）基于分形的图像压缩编码方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 图像压缩编码原理 |
| 1.3 分形图像编码介绍 |
| 1.4 图像质量的性能评价 |
| 1.5 本文主要工作及创新点 |
| 1.5.1 主要工作 |
| 1.5.2 主要创新点 |
| 1.6 本文结构安排 |
| 第二章 基本分形图像压缩编码 |
| 2.1 分形理论的基础知识 |
| 2.1.1 仿射变换 |
| 2.1.2 压缩映射与不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 基本分形块图像编码的基本原理和算法描述 |
| 2.2.1 分形块算法的基本原理 |
| 2.2.2 分形图像压缩编码算法描述 |
| 2.3 实验结果 |
| 2.4 本章小结 |
| 第三章 基于质心特征分类的快速分形图像压缩编码 |
| 3.1 质心特征 |
| 3.1.1 质心特征可行性理论 |
| 3.1.2 质心特征提取与分类 |
| 3.2 敏感重要区域划分 |
| 3.2.1 敏感区域 |
| 3.2.2 重要区域 |
| 3.3 算法的实现步骤 |
| 3.4 参数选择 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第四章 平方加权质心特征分类的分形图像压缩编码 |
| 4.1 加权质心特征 |
| 4.2 平方加权质心特征 |
| 4.2.1 平方加权质心可行性理论 |
| 4.2.2 质心特征提取 |
| 4.3 算法的实现步骤 |
| 4.4 实验结果 |
| 4.5 本章小结 |
| 第五章 分形图像压缩在医学图像中的应用 |
| 5.1 研究背景 |
| 5.2 研究现状 |
| 5.3 医学图像特点 |
| 5.4 重要敏感区域分 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 :攻读硕士学位期间研究成果 |
（3）基于图像的编码技术分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文主要工作 |
| 1.4 论文的结构安排 |
| 第二章 图像编码技术 |
| 2.1 图像编码技术原理 |
| 2.2 图像编码技术分类 |
| 2.3 图像编码效果的评价 |
| 2.3.1 主观评价方法 |
| 2.3.2 客观评价方法 |
| 2.4 现有编码标准的介绍 |
| 2.4.1 静止图像编码的国际标准 |
| 2.4.2 动态图像编码的国际标准 |
| 2.4.3 其它一些图像格式 |
| 2.5 现有图像编码技术 |
| 2.5.1 预测编码 |
| 2.5.2 哈夫曼编码 |
| 2.5.3 统计编码 |
| 2.5.4 变换编码 |
| 2.6 本章小结 |
| 第三章 基于相关系数的分形编码算法 |
| 3.1 分形理论 |
| 3.2 分形图像压缩理论 |
| 3.2.1 仿射变换 |
| 3.2.2 拼贴定理 |
| 3.2.3 压缩映射 |
| 3.2.4 不动点定理 |
| 3.3 迭代函数系统 |
| 3.4 基本分形编码算法 |
| 3.5 基于相关系数的分形编码 |
| 3.6 仿真结果以及实验分析 |
| 3.7 本章小结 |
| 第四章 基于移动最小二乘法的图像恢复算法 |
| 4.1 基于像素域下采样的编码方法 |
| 4.2 基于变换域的下采样图像编码算法 |
| 4.3 基于移动最小二乘法的图像恢复方法 |
| 4.4 仿真结果以及实验分析 |
| 4.5 本章小结 |
| 第五章 新型误差补偿量化算法 |
| 5.1 基于RGB-YCb Cr转换的图像编码 |
| 5.2 RGB与 YCb Cr关系 |
| 5.3 基于新型误差补偿算法的图像编码方案 |
| 5.4 仿真结果以及实验分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于小波变换的分形图像编码压缩算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩的背景知识 |
| 1.2.1 图像压缩编码的原理 |
| 1.2.2 图像压缩质量评价 |
| 1.3 分形图像压缩编码综述 |
| 1.3.1 分形理论提出与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形编码理论 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点及压缩映射 |
| 2.1.3 拼贴定理 |
| 2.1.4 局部迭代函数系统 |
| 2.2 分形编码的算法描述 |
| 2.2.1 分形编码的基本原理 |
| 2.2.2 分形编码的算法描述及实现 |
| 2.3 本章小结 |
| 第三章 基于分类方法的快速分形算法 |
| 3.1 算法理论依据 |
| 3.1.1 D块的分类 |
| 3.1.2 各类特征的选取 |
| 3.1.3 结构比定义及可行性分析 |
| 3.2 算法的分析与实现 |
| 3.2.1 算法的分析 |
| 3.2.2 算法的实现 |
| 3.3 实验仿真结果 |
| 3.4 小结 |
| 第四章 九块和特征的快速分形图像编码 |
| 4.1 基本分形算法 |
| 4.2 算法的理论依据 |
| 4.3 算法分析与实现 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于小波变换的分形图像编码压缩算法 |
| 5.1 算法理论依据 |
| 5.1.1 小波定义和连续小波变换 |
| 5.1.2 小波基的性质 |
| 5.1.3 二级小波分解 |
| 5.1.4 小波发展和小波分解特点 |
| 5.2 算法分析与实现 |
| 5.3 实验结果分析 |
| 5.4 结束语 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 致谢 |
（5）基于新特征和小波变换的图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 图像压缩的背景 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 常用编码算法 |
| 1.2.3 图像压缩编码的性能评价 |
| 1.3 分形图像压缩编码 |
| 1.3.1 分形理论创立与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形图像压缩编码原理 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 分形图像压缩编码算法实现 |
| 2.2.1 编码算法 |
| 2.2.2 解码算法 |
| 2.3 本章小结 |
| 第三章 仿半叉迹特征的快速分形图像编码 |
| 3.1 算法理论依据 |
| 3.2 算法分析与实现 |
| 3.3 实验仿真结果 |
| 3.4 本章小节 |
| 第四章 八点和特征快速编码算法 |
| 4.1 算法理论依据 |
| 4.2 算法分析与实现 |
| 4.3 实验仿真结果 |
| 4.4 本章小节 |
| 第五章 小波变换与仿半叉迹特征相结合的分形图像编码 |
| 5.1 算法理论依据 |
| 5.2 算法分析与实现 |
| 5.3 仿真实验结果 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）基于分形与特征向量法的快速分形图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 图像压缩的背景知识 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 图像质量的性能评价 |
| 1.2.3 图像编码技术的新方法简介 |
| 1.3 文章结构安排 |
| 第二章 分形及分形图像压缩编码 |
| 2.1 分形 |
| 2.1.1 分形几何 |
| 2.1.2 分形举例 |
| 2.2 分形图像压缩编码中的分形理论 |
| 2.2.1 度量空间、分形空间 |
| 2.2.2 压缩映射及仿射变换 |
| 2.2.3 迭代函数系统及拼贴定理 |
| 2.3 基本分形图像压缩编码算法 |
| 2.3.1 基本分形图像压缩编码算法简介 |
| 2.3.2 传统的分形算法的主要步骤 |
| 2.4 本章小结 |
| 第三章 四线和分形图像压缩编码算法 |
| 3.1 四线和特征算法 |
| 3.2 算法分析及描述 |
| 3.2.1 算法分析 |
| 3.2.2 算法描述 |
| 3.3 算法实验仿真 |
| 3.3.1 实验参数选取 |
| 3.3.2 实验仿真结果比较 |
| 3.4 本章小结 |
| 第四章 子块均点分形图像压缩编码算法 |
| 4.1 算法理论基础 |
| 4.2 算法分析及描述 |
| 4.2.1 算法分析 |
| 4.2.2 算法描述 |
| 4.3 实验仿真 |
| 4.3.1 实验仿真结果数据表 |
| 4.3.2 仿真实验结果图 |
| 4.4 本章小结 |
| 第五章 单位欧式积分形图像压缩编码算法 |
| 5.1 算法理论基础 |
| 5.2 算法分析与描述 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 方差比分形图像压缩编码算法 |
| 6.1 方差比算法 |
| 6.1.1 算法理论依据 |
| 6.1.2 算法实现 |
| 6.2 仿真实验 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（7）基于小波与分形相结合的图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 图像压缩的背景知识 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 图像压缩编码的性能评价 |
| 1.3 分形图像压缩发展历程 |
| 1.4 分形图像压缩研究现状 |
| 1.5 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形编码的理论基础 |
| 2.1.1 仿射变换 |
| 2.1.2 压缩映射和不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统和局部迭代函数系统 |
| 2.2 分形图像编码的算法描述与实现 |
| 2.3 本章小结 |
| 第三章 基于图像块框点和的快速分形图像编码 |
| 3.1 基本分形编码算法 |
| 3.2 算法理论依据 |
| 3.3 算法分析与实现 |
| 3.3.1 算法分析 |
| 3.3.2 算法实现 |
| 3.4 实验仿真结果 |
| 3.5 本章小结 |
| 第四章 基于小波与分形相结合的图像压缩编码 |
| 4.1 小波变换 |
| 4.2 图像块框点和特征的理论基础 |
| 4.3 算法分析与实现 |
| 4.3.1 算法分析 |
| 4.3.2 算法实现 |
| 4.4 实验仿真结果 |
| 4.5 本章小结 |
| 第五章 基于图像块差的分形与小波结合的图像压缩编码 |
| 5.1 小波变换 |
| 5.2 理论基础 |
| 5.3 算法实现 |
| 5.3.1 算法步骤 |
| 5.3.2 实验仿真结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（8）基于DCT与DWT的图像渐进压缩算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 主要研究内容及章节构造 |
| 2 图像渐进压缩基本理论 |
| 2.1 图像可压缩理论 |
| 2.2 图像渐进压缩步骤 |
| 2.3 图像渐进压缩关键步骤 |
| 2.4 压缩质量评价方法 |
| 2.5 本章小结 |
| 3 基于DCT与 DWT的图像渐进压缩算法 |
| 3.1 图像渐进压缩与解压缩 |
| 3.2 DCT图像渐进压缩算法 |
| 3.3 DWT图像渐进压缩算法 |
| 3.4 图像渐进压缩与解压具体实现 |
| 3.5 本章小结 |
| 4 实验对比与分析 |
| 4.1 实验环境介绍 |
| 4.2 实验数据 |
| 4.3 DCT与 DWT的对比分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）基于分形理论的快速图像压缩算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩算法本质与分类 |
| 1.3 分形产生和定义 |
| 1.4 基于分形理论的图像编码的发展现状 |
| 1.5 图像压缩算法性能评估 |
| 1.6 内容安排 |
| 第二章 分形图像编码理论相关介绍 |
| 2.1 基于分形理论编码的基本概念 |
| 2.1.1 仿射变换 |
| 2.1.2 度量空间 |
| 2.1.3 压缩映射定理 |
| 2.1.4 迭代函数系统,不动点定理,拼贴定理 |
| 2.2 基本分形算法的实现 |
| 2.2.1 引言 |
| 2.2.2 局部迭代函数系统 |
| 2.2.3 基本分形编码 |
| 2.2.4 实验分析 |
| 2.3 本章小结 |
| 第三章 基于迭代控制搜索策略的分形图像编码 |
| 3.1 引言 |
| 3.2 缩减值域池规模 |
| 3.3 更换相似度衡量方式 |
| 3.3.1 相关系数理论基础 |
| 3.3.2 等距采样图像降维 |
| 3.4 更换搜索策略 |
| 3.4.1 缩减码本空间 |
| 3.4.2 迭代控制搜索策略 |
| 3.5 算法编码/解码具体步骤 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 第四章 基于自适应阈值四叉树分块的分形图像编码 |
| 4.1 引言 |
| 4.2 固定阈值四叉树分块方法 |
| 4.3 自适应阈值四叉树分块方法 |
| 4.4 具体编码/解码步骤 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于矿相分形特征的边缘检测改进算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 国内外研究概况 |
| 1.3 论文主要研究内容和结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节结构 |
| 第2章 理论分析 |
| 2.1 分形理论 |
| 2.2 分形的数学基础 |
| 2.2.1 豪斯道夫测度 |
| 2.3 分形维数 |
| 2.3.1 豪斯道夫维数 |
| 2.3.2 信息维数 |
| 2.3.3 相似维数 |
| 2.3.4 关联维数 |
| 2.4 本章小结 |
| 第3章 球团矿相预处理 |
| 3.1 实验数据的收集 |
| 3.2 矿相图预处理 |
| 3.2.1 矿相图灰度化 |
| 3.2.2 矿相图片增强处理 |
| 3.3 本章小结 |
| 第4章 基于分形维数的矿相边缘检测改进算法 |
| 4.1 分形布朗随机场 |
| 4.2 改进算法设计 |
| 4.3 改进算法实现与结果分析 |
| 4.3.1 程序执行时间 |
| 4.3.2 改进算法检测矿相边缘 |
| 4.3.3 改进算法抗噪性检验 |
| 4.4 本章小结 |
| 第5章 基于多重分形理论的矿相边缘检测算法 |
| 5.1 多重分形分析 |
| 5.1.1 多重分形参数的描述 |
| 5.2 模型建立 |
| 5.3 矿相图边缘检测结果 |
| 5.4 多重分形参数分析矿相特征 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 作者简介 |
| 学位论文数据集 |
四、基于分形理论的图像压缩算法的JAVA实现（论文参考文献）
- [1]分形理论在图像压缩及图像检索中的应用研究[D]. 曹健. 南京邮电大学, 2020(03)
- [2]基于分形的图像压缩编码方法研究[D]. 王丽. 昆明理工大学, 2020(05)
- [3]基于图像的编码技术分析研究[D]. 颜心如. 西安电子科技大学, 2020(05)
- [4]基于小波变换的分形图像编码压缩算法[D]. 赵蓉. 南京邮电大学, 2019(02)
- [5]基于新特征和小波变换的图像压缩编码算法[D]. 赵敏. 南京邮电大学, 2019(02)
- [6]基于分形与特征向量法的快速分形图像压缩编码算法[D]. 牛天婵. 南京邮电大学, 2019(02)
- [7]基于小波与分形相结合的图像压缩编码算法[D]. 张晶晶. 南京邮电大学, 2019(02)
- [8]基于DCT与DWT的图像渐进压缩算法研究[D]. 张馨. 辽宁工程技术大学, 2019(07)
- [9]基于分形理论的快速图像压缩算法[D]. 李祥鹏. 华南理工大学, 2019(06)
- [10]基于矿相分形特征的边缘检测改进算法研究[D]. 李山山. 华北理工大学, 2019(01)