一种基于属性计算网络的分形图像压缩方法

文摘

英文文摘

声明

第一章 绪论

1.1分形图像背景介绍

1.2属性论方法背景介绍

1.2.1简定性判断的定性映射模型τ(x，[α，β])

1.2.2定性映射与特征函数

1.2.3定性映射诱导的商空间和粒计算

1.2.4定性映射的VC维

第二章 基于分形理论的图像压缩原理介绍

2.1分形的概念

2.1.1复动力系统

2.2分维的概念

2.3分维的计算

2.4分形图像压缩的基本原理和判别标准

2.5收缩仿射变换(Contractive Affine Transformation)

2.6迭代函数系统(Iterated Function System)

2.7基准空间上的映射及Banach不动点定理

2.8采用迭代函数系统的图像压缩方法

2.9分形理论

第三章 国内外研究进展

3.1提高分形的编码速度

3.2提高压缩比和编码效果

3.3提高解码速度

3.4其它方法结合的分形编码

3.5分形图像编码存在的问题

第四章 经典分形压缩算法及改进算法

4.1经典分形图像编码的局限性

4.2四叉树法

4.2.1自适应的四叉树编码方法

4.3小波树法

第五章 基于属性计算网络的分形压缩算法

5.1定性映射和分形分维的关系

5.2模式--向量转化(或特征抽取)与分形特征的识别

5.3识别和形象生成的结构变换定理

5.4自适应块选取上的改进

5.4.1块合并

5.5基于离散型转化程度模型的压缩算子

5.6 IFS吸引子参数的控制

5.7算法及实验

第六章 总结与展望

6.1总结

6.2已取得的好的结果及存在的问题

6.3今后研究工作的展望

参考文献

附录部分源代码

发表论文

致谢