该文针对分形图像压缩中存在的问题,完成了下面所列工作:1.提取有效的图像块特 征,快速准确地选取旋转或对称变换.在进行分形快编码的过程中,需要确定在八种 旋 转或对称变换中,哪一种变换最好.该文经过对在量实验结果的分析,提出利用图像 块中各个子块能量等相关特征来决定变换的选取.2.经过对多幅标准图像的多次实验 ,充分认识到聚类过程不依赖于初始图像的现象.3.首次将属性聚类网络用于分形块 编码的聚类过程.首先提取有效的图像块特征得到特征矢量,然后利用属性聚类网络 对图像块按照其特征矢量进行分类,最后搜索人在同类图像块内进行,从而大大减少 了算法复杂度,提高了编码速度;并且属性聚类网络的优势在于聚类过程中同时生成 特征矢量各分量的重要性指标,选取比较重要的分量,舍弃无关冯要的分量作为新的 特征矢量,重新利用属性聚类网络进行聚类.4.进一步提出了分类属性聚类网络,并 将它用于分形块编码的聚类过程.该文在已有的图像块人类算法的基础上,利用视觉 系统的特点,提出了新的改进分类器,将图像块分为若干类;然后分别对每一类图像 块利用属性聚类网络进行聚类,最后实现编码过程.5.有效地提取人形块编码所得数 据的相关性,并利用基于上下文的算术码提取相关性,减少数据的冗余度.该文利用 基于上下文的算术编码,提取此相关性,从而对这些数据进行更高效的编码.