分形图像压缩编码作为近年来热门的研究领域,在保证了高压缩比的同时具有较高的重建图像质量。然而,基本分形压缩编码在构造灰度匹配时需要从海量的虚拟码本中进行选择,造成了编码耗时较长的问题。因此,为平衡编码时间,重建图像质量和压缩比三者之间的关系,本文以提高重建图像质量与编码速度为核心,针对目前分形编码算法中存在的问题展开研究,主要的研究工作包括:(1)针对一些结构相似性较差的图像,提出一种基于图像纹理的正交稀疏分形图像压缩编码。通过引入稀疏分解和正交分形编码的思想来提出一种正交稀疏灰度变换,提高图像的重建质量。同时,对于灰度匹配阶段计算复杂度较高的问题,根据图像块的方差特征,定义Range块池和虚拟码本池的方差特征向量构造相似性度量矩阵来减少冗余和编码时间。本算法相比基本分形图像压缩编码算法的编码质量大大提高,相比其他基于稀疏分解的算法编码效果也有所增加,较好地处理了纹理复杂的图像。(2)借助小波域分形图像编码,提出一种基于小波变换的快速稀疏分形图像编码算法。结合小波系数稀疏性较强的特点,引入稀疏分解的思想对小波域分形算法上的灰度变换进行改进。然后,通过提取图像块的偏度和峰度作为特征向量来进行相似性计算,从而减少了虚拟码本中的冗余来达到降低计算复杂度的目的。实验结果表明,在前一章算法的基础上进行推广,新算法的性能更优,达到了预期效果。(3)针对分形图像压缩编码在图像分割时易损失内在结构信息这一弊端,借助张量的Tucker分解方法来改善,提出了一种基于块稀疏张量的分形图像压缩编码算法。将待编码Range块池和虚拟码本池视为高阶张量,然后根据图像纹理特征训练具有块稀疏特性的虚拟码本池,最后将张量Tucker分解与分形编码相结合进行灰度匹配。仿真实验表明,新算法在获得较高压缩率的同时既可以得到较好的重建图像质量,也大大加快了图像编码的速度,具有广阔的应用前景。