信息时代,巨大的数据信息量成为社会的主要特征之一,大量数据信息如何存储问题也日益受到社会的关注。因此,作为方便数据信息存储的核心技术之一的图像压缩技术成为众多学者的主要研究方向,同时,分形图像压缩技术因其所实现的高压缩比成为极具优势的图像压缩技术之一。然而,传统的分形图像压缩编码算法需要消耗大量时间,这严重阻碍了分形理论在图像压缩领域的实际运用。针对这一弊端,文中提出了基于特征向量和分形理论的四种新算法,提高编码速度,提高解码图像的质量。主要研究过程如下:(1)通过对分形算法和特征算法的研究,文中提出四线和特征的编码算法,该算法根据匹配均方根误差与四线和特征值之间的关系,将全局搜索转化为局部搜索(近邻搜索),限定搜索空间,减少定义域块的搜索。仿真实验结果表明:该算法解码图像在客观质量上优于1-范数特征算法;与基本分形编码算法相比,四线和特征算法不改变重构图像的主观质量,但在编码速度上却得到极大提高。(2)针对四线和特征算法解码图像客观质量不够理想的问题,提出子块均点特征算法,减少图像块像素点信息的缺失。将文中算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较,仿真结果表明,文中算法在时间稍逊的情况下,文中算法在客观质量上更优。(3)通过对分形算法和特征算法的研究,文中提出一种新算法。该算法利用方差来反映不同图像块之间的信息,并且取图像块子块与父块间的方差比来反映图像不同部分的信息。经过理论证明与实验仿真可知,该算法不仅在编码速度上优于基本分形编码算法,在解码图像质量上也优于1-范数特征算法。(4)通过对分形算法和特征算法的研究,文中提出了单位欧式积分形算法,该算法不仅将全搜索变为局部搜索,更充分反映了子块与父块之间的联系。仿真实验表明,文中算法在编码速度上比传统分形编码算法加快近100倍,并且文中算法的PSNR值也优于1-范数特征算法。