在当今信息社会，图像压缩与解压缩技术在图像存储与传输过程中扮演着越来越重要的角色。其中，分形图像压缩（Fractal Image Compression，FIC）由于其思想新颖、高压缩比、解码速率快和分辨率无关的特性成为当前图像压缩领域最有前途的图像编码技术。然而，分形编码在图像编码的过程中计算复杂性较高。其计算时间主要消耗在各向同性变换以及从大量域池中寻找最优匹配域块来表达图像的对比度和灰度信息的过程中。因此，提高编码速度成为分形图像压缩领域的研究热点问题。研究者们提出了大量编码技术来加速分形编码器，主要可以分为基于分类的技术、基于四叉树的技术、基于空间相关的技术以及基于进化计算的技术。本论文提出了四种方法来减小FIC的计算时间，并且在提高压缩比的同时保证重建图像的质量。所提出的方法为：1、范围排除（Range Exclusion，RE）方法，用来减少匹配过程中的块的数量。RE通过将方差因子作为标准，在匹配过程中来选择和排除同质范围，进而提高压缩比和减少编码时间；2、域图像尺寸约减（Reducing the Domain Image Size，RDIZ）方法，通过将域图像尺寸降到原图像尺寸的1/16来减少域池规模，从而达到影响编码时间、压缩比和图像质量的目的。我们将RE和RDIZ集中在同一个算法框架下，并称为RD-RE算法。实验表明RD-RE算法能够获得较高的压缩比和有效减少编码时间；3、ZM-RDE方法，即RD-RE模型的改进算法，通过将RD-RE算法和零均值灰度水平（Zero Mean Intensity Level，ZMIL）模型。ZMIL模型通过采用非传统仿射参数来替换传统的偏置参数，使得完全搜索问题的变换具有更佳的性能，并且提出了一个新的搜索算法。使用ZMIL模型能够有效地降低匹配过程的复杂度，达到加速编码、提高压缩比和保持图像质量的目的。实验表明，ZM-RDE算法能够获得比RD-RE更好的性能表现；4、自适应分形图像压缩（Adaptive Fractal Image Compression，AFIC）方法，即通过采用自适应四叉树划分技术（Adaptive Quadtree Partitioning Technique，AQPT）和域块选择技术（Domain Block Selection Technique，DBST）扩展ZM-RDE方法而得到的。AQPT将块的一致性作为划分标准，由于划分过程与分形映射相互独立，AQPT因此具有很小的计算代价，能够有效提高算法的性能表现。而DBST模型可以被用来最小化域块的数量。DBST主要包含以下三个步骤：选择具有与范围方差相近方差的域块。利用最小匹配误差作为停止条件来完成搜索过程。应用前四个对称变换（T0，T1，T2和T3）。通过将本文所提的AFIC算法与现有的FIC算法进行比较，实验结果表明，AFIC具有较好的性能。另外，本文还将AFIC算法同JPEG2000算法进行对比实验分析，结果表明对于不同类型图像，这两种方法具有不同的性能表现。总体来说，在大多数图像上，如“Lena”图像，JPEG2000算法具有较高的压缩性能，而对于像“RiceGrains”等具有很多自相似物体的图像而言，AFIC算法则具有较高的压缩性能。