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。
但这样没有充分利用桢间的相似性，压缩性能不佳。此后，又有人提出了自矢量量化的序列图像编码方案，但图像恢复质量、压缩比及编码实时上仍不是很理想。因此分形序列图像编码是当今分形压缩编码的一个重要方向。
2.分形与其他技术相结合的编码方案
分形图像压缩编码的应用已经深入到人类活动的各个方面，并已取得了令人瞩目的成果。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；分形图像压缩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。但是对于编码虽然有许多的改进措施，但是搜索匹配时间过长还是不能满足许多实际的需要，基于此，近两年来, 很多学者和专家把分形与其它的技术和工具、方法混合编码取得了很好的效果。常用的混合方案有与小波变换结合编码、与DCT变换结合编码、与加权有限自动机结合编码、与向量量化结合编码、与遗传算法结合编码、与FFT算法结合编码、与非线性模型结合编码、与算术结合编码。近10年来,人们对于自适应块状分形编码进行了不懈的研究,提出了以上若干改进算法,这些算法在不影响视觉效果的条件下,大大减少了编码时间。而且在高压缩比和解码图像任意放大方面,比现有的静态图像国际压缩标准JPEG好得多,已经开始显露出它的优势。分形图像编码方法的实际应用也初见端倪,如分形图像压缩解码速度很快,当前已经适合于一次写入、多次读出的文档。
2.1小波分形混合图像编码
小波图像编码和分形图像编码是两种不同的图像编码方法。其中，小波图像编码是把图像分解成不同的空间方向和不同分辨率的子带图像，人们可以根据需要，对不同子带图像采用不同的量化策略来进行编码；而分形图像编码则适用于自相似性较强的图像。可惜的是，一般的自然图像自相似性并不是很强，但是经过小波变换后的图像，其相同方向但不同分辨率的子带图像却具有较强的相似性[5,10][9]。因此，人们可以利用这种相似性，结合分形编码的方法来进行编码，以大幅度地提高图像编码的压缩比。因此，小波分形混合图像编码已成为今后的发展趋势。
经过多级小波变换，一幅图像被分解为一系列尺度、方向、空间局部变化的子带。由于小波变换能获得很好的空间-频率多分辨率表示，而且在低频处有很好的频率特性，在高频处有很好的空间选择性，因此符合人类的视觉特性
6[11]，能量主要集中在低频子图像。而