随着数字信息化时代的到来和快速发展,人们对于图像压缩性能的要求越来越高,因此分形图像压缩编码因其新颖、高压缩性、和独立分辨率的快速解码优势成为了近年来的热门研究领域,但是由于其在编码方面存在计算复杂度较高的问题,不能有效平衡编码时间和重建高质量图像间的关系仍是实际应用领域的主要障碍。因此,本文以改善图像重建质量和提高图像编码的速度两个方向为核心。主要的研究内容概括如下:（1）针对传统分形图像压缩中由于计算复杂度较高而导致的编码时间过长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵来缩减码本,将全局搜索转化为局域搜索,然后通过定义一个新的规范块作为新的灰度描述特征,简化了块之间的变换过程,其次引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,实现了一个范围块和多个域块之间的匹配关系。最终实验结果表明,所提算法能够在保持更好的图像重建质量的同时,显著缩短编码时间。（2）通过对数字图像压缩理论以及分形算法的研究发现,传统分形图像编码过程特别耗时的原因在于,每个R块都需要在海量码本中寻找最佳匹配块,为了改进这个弊端,在深入研究图像子区域间的相似性后,提出了一种基于Hu矩不变量和K-means聚类相结合的分形图像压缩算法,结合不变矩具有的平移、灰度、尺度、旋转不变性特点,在提取图像特征的基础上,对R块和D块进行相应的聚类处理来缩小匹配空间,实验表明,所提算法获得了较好的效果。（3）基于小波变换系数在变换域分布所具有的结构特性,提出了一种结合小波变换和灰度重心特征相结合的分形图像编码算法,根据小波在变换过程中特有的稀疏性和频带间的相关性,在保留低频图像的前提下,通过在各个高频子图像内引入灰度重心特征的概念进行相似图像块的检索,降低了灰度匹配过程的繁琐,仿真实验表明,本章算法在编码速度快速提升的同时,图像的重建质量保持了较高的水平。