随着多媒体技术和计算机通信的日益发展,具有庞大数据量的数字图像极大地制约了图像通信。采用有效的压缩编码技术删除冗余,以尽量少的比特数存储图像,同时保证图像的质量,己成为研究的热点。本学位论文从理论和实践上介绍了不同于传统方法的压缩算法—基于纹理特征的分形图像压缩算法。算法采用迭代函数系统(IFS)对图像进行压缩,主要以不动点定理和拼贴定理作为理论基础。对给定的图像,以图像的统计特征和纹理特征为基础采用分块的思想,寻找一组由压缩仿射变换构成的IFS。图像的解码不依赖于原始图像,对任意初始图像,用IFS反复迭代,就能将原始图像重现。因此,编码文件只需存储IFS码,从而得到较高的压缩比。本学位论文首先在研究图像纹理特征描述方法的基础上,提出了一种改进的纹理图像检索方法,将统计方法和结构分析方法有机地结合起来,既能描述图像的灰度分布信息,又能表达局部细节,弥补了采用单一方法的不足,并且能够以较少数量的特征描述图像。实验结果显示,与其它算法相比具有更好的检索精度;其次,根据图像的统计特征对定义域及值域块进行分类处理,大大减少了编码时间。提出的改进算法弥补了基于熵值的分形编码算法存在的缺点,即值域块与分区间内的定义域块进行匹配时,熵值介于边界附近的值域块容易丢失掉最佳匹配块,从而导致解码图像质量的降低。该算法通过确定阈值δ的范围,避免了最佳匹配域块的丢失,使得重建后图像的质量有所提高。与基本分形算法相比,该算法实现了缩短编码时间,提高解码图像质量的效果;最后,提出了一种改进的混合编码方法,将可以描述图像纹理特征的变差函数理论应用到分形编码中,给出了一种能够描述图像纹理的新特征值,并证明了其在灰度仿射变换下的不变性,为其应用到分形编码中提供了理论依据。将提取出的纹理特征与分形编码相结合是提高解码图像质量有效方法。实验结果表明,本学位论文提出的基于纹理特征的混合分形编码算法与传统分形编码算法相比编码速度快、解码图像质量好。