本文对分形图像压缩的理论基础和实现的关键技术进行了全面综述,介绍了具有代表性的各种新方法,阐明了各个方法的特点,最后简要总结了分形图像压缩的改进以及发展趋势。
别从不同的角度、使用不同的工具对图像块分类,各自保持了自己的特点,对加速编码有不同程度的作用。
搜索法 匹配搜索耗时最长,常用的加速搜索方法有:局部搜索法、提取特征追踪法、基于方差搜索法、FFT搜索法。
3.1.3提高解码速度
分形解码速度相对于编码要快得多,一般它迭代10次左右即可完成。然而对于一些实际应用来说,仍然希望迭代次数越少越好,这样可以进一步加快解码速度。常用的加速方法有金字塔式解码器、去均值解码算法、非迭代算法、BCC和ICC算法。
3.2 分形图像编码的优点
10多年来，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，压缩效果还不十分理想，在当前图像压缩编码中还不能占据主导地位。国际标准MPEG-4中已经把小波列了进去，但分形不在其中。静态图像压缩标准JPEG2000是完全使用小波的图像编码方法，也没有把分形列进去。但我们应该看到分形图像压缩方法的优势和巨大潜力。
分形图像压缩既考虑局部与局部，又考虑局部与整体之间的相关性，适合于自相似或自仿射的图像压缩，而自然界中存在大量的自相似或自仿射的几何形状。因此，它的适应范围很广。
分形图像压缩（当前尚须人工干预）能获得相当高的压缩比(10000：1甚至更高)和很好的压缩效果，具有很大的潜力。
分形解码时能放大到任意大的尺寸，且保持精细的结构。
在高压缩比的情况下，分形图像压缩自动编码能有很高的信噪比和很好的视觉效果，这是其它方法不能相比的。
因此．分形图像压缩是一个有潜力、有发展前途的压缩方法。
3.3 分形图像编码的发展趋势
分形图像压缩编码研究发展趋势将有如下几个方面：
分形编码在人工干预条件下能够达到相当高的压缩比。但对于如何去掉人工干预则需研究给定的图像，实现计算机自动确定分形生长模型、 L系统、IFS码和RIFS码等，寻找新的压缩模型和新的突破点。
综合分析当前自动编码的各种改进算法，在此基础上，继续寻找加快编码速度、提高压缩比、改善压缩效果的突破性的改进方法。
研究按分形维数分割图像、将分形维数相同的区域块用分形方法进行编码的理论、方法和实现的算法。
继续研究分形编码与其它编码方法相结合的新的编码方法。
研究新的度量相似性的准则，在保持压缩比的前提下，降低恢复图像的失真率。
参考文献
10