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。
f 遗传及变异策略
g 迭代终止准则
经过许多学者的研究证明，将遗传算法应用于分形图像压缩，效果良好
2[12]，对每一定义域块需匹配的区域数目，穷尽搜索与遗传算法的比值，在O(10)量级，遗传算法较好的
保持了图像的质量，同时利用遗传算法的并行性可以进一步提高运行的速度。
3.结束语
分形图像编码的过程是依据拼贴定理，通过给定的图像，寻找一组收缩映射，使其组成的迭代函数系统的吸引子逼近给定图像，然后记录下相应参数。解码过程是由相应参数确定迭代函数系统，并根据迭代函数系统定理，经过迭代生成图像。分形图像压缩的思想新颖、 潜力很大，其在压缩比达10 000∶1时，解码图像仍有很好的视觉效果，是一个很有发展前途的图像压缩方法。但是，实现自动IFS编码（没有人工干预）仍有相当难度，该领域至今仍存在许多问题有待解决[14]。
3.1分形图像压缩的改进方法
3.1.1提高压缩比和编码效果常用的改进方法
改进分割的方法 [15]有基本四叉树分割法、基于HV分割法。这两种分割方法都是将图像分割成矩形。而图像块的相似性未必都落在矩形内。代替水平或垂直剖分而采用的分割方法有基于三角形分割法、基于六边形分割法、基于边界分割法、基于菱形分割法、基于多边形分割法。
改进覆盖式方法 覆盖式方法有快速覆盖式分形压缩方法和四叉树重组QR算法两种。它们都是采用通过合并值域块来提高压缩比。前者要求合并后不一定规则,后者合并后则是规则的。
提高显示效果的后处理法 分形图像压缩对值域块独立编码,这不能保证块与块之间的连接是光滑的,常有块效应出现,人的眼睛对此比较敏感。消除块效应的一个常用方法是后处理,一般采用加权平均法。
3.1.2提高编码速度
编码过程中最耗时的是搜索最佳匹配的定义域块,要提高编码速度,就必须缩小搜索范围,且保证最佳匹配落在该范围之内。其改进方法有:
分类法 搜索最佳匹配计算量很大,占用了编码的大部分时间,因而限制了它的实际应用。为了缩短搜索时间,在匹配之前按照图像的特征如中值、方差、力矩和其它感知或统计的几何特征,将定义域和值域块进行分类,匹配时只在同一类中进行搜索比较。这样在不降低图像质量的前提下,大大提高了编码速度。常用的分类方法有:基于明暗度的定向分类、基于空域特征的分类、基于相对矩的分类、基于小波的分类、基于人类视觉系统(HVS)分类、
基于模糊分类、原形的分类、自适应码本簇化的分类、向量量化的分类。以上各种方法分 9