随着互联网以指数的速度飞速的增长,人们从现场传输数字数据的数量急剧增加。现在比以往任何时候都更需要快速的数据传输方法和更有效的利用内存空间。不幸的是,众所周知,图像需要大量的内存,因此不可能传输很快。分形图像压缩技术的出现就是来解决这个问题的。这些技术允许一个图像存储在比它通常所需要的更少的内存,因此其传播速度会更快。现有的Fisher基于灰度均值分类的分形图像压缩算法将图像分成三个大类,每个大类下有24个小类,一共可将图像分成72个类。该算法存在编码时间长、匹配精度差、搜索时间长等问题。本文主要研究基于数值分类的分形图像压缩算法。文中介绍了分形图像压缩的基本理论、分形的几种基本模型、分形图像压缩算法的分类以及已有的基于灰度均值分类的分形图像压缩算法。针对现有的Fisher基于灰度均值分类的分形图像压缩算法的缺点,本文提出了基于数值分类的分形图像压缩算法。该算法包括了图像的分割方法、图像的旋转-仿射变换操作以及误差的计算等本文的主要工作包括以下两个方面：1.在对图像进行分类的过程中,本文采用了“求和-抽样”变换而不是“平均-抽样”变换,原因是“平均-抽样”变换相对于“求和-抽样”变换多了个除法运算,相对计算量大且有失精度。2.本文的改进方法是在Fisher分类方法的基础上,对灰度值进行排序后,将其灰度值范围分成八个等级。根据排序后的灰度值在八个等级间的不同对应关系,我们可以将图像分成一个相当可观的类的个数,以此来提高搜索速度,解决编码速度慢的问题。仿真实验结果证明,本文提出的改进方法在保证图像质量的前提下,有效的加快了编码速度,缩短了编码时间。