图像、音频、视频等多媒体文件含有直观和丰富的数据信息,如何有效地、安全地管理这些信息一直是多媒体信息管理的目标。分形集合的整体或者局部都很难用欧氏几何规则表示出来。其复杂的内部结构,比如自相似性、伪随机性以及高度复杂等特性,使得分形集合作为一种非线性技术在科学研究中得到广泛关注。如何利用分形理论对图像进行加密,如何利用分形理论中可以描述图像特征的分形维数进行图像识别已经成为研究讨论的热点。本文基于经典分形集合的特征,利用分形字典编码的统计性特征检索纹理图像。同时,利用分形维数可以描绘图像表面纹理特征的特点分类生物细胞图像。主要工作包括如下内容：1、广义Julia集含有丰富且毫无规则的内容,同时,内部Julia集会随着位置的不同而发生显著变化。因此,本文基于Julia集边界点具有更加明显的边界特点,即闭合、稠密、不可微和初值敏感等,提出将Julia集作为初始流密钥并与基于分形字典压缩得到的编码进行加密操作,随后再做扩散。实验结果表明,基于分形字典编码的图像不仅拥有较短的编码时间和重建时间,而且重建后的图像也能得到较好地还原。此外,在该算法的加密系统中,当选择合适大小的Julia集作为初始流密钥时,本算法的密钥空间大,密钥初值敏感性高。同时,密文通过了sp800-22随机测试包的测试,这表明我们的加密系统能抵抗外来攻击,尤其是选择明文攻击和已知密文攻击。最后,加密操作中的压缩操作时间占比不到15%,这一特性使得这个加密系统更加容易实现实时压缩加密。2、基于分形字典的图像编码是将一个公共字典库作为中介,所有的图像编码都反映了编码图像和字典库的区域空间关系。本文利用这种关系作为检索依据,提出基于分形字典编码的纹理图像检索指标,包括拼贴误差特征(DE)、BTC分布特征(DE)和BTC与压缩因子联合分布特征(JDBS)三个检索指标。实验结果表明,相似纹理的拼贴误差特征(DE),BTC分布特征(DB)和BTC与压缩因子联合分布特征(JDBS)三个指标,在分布上基本相似,而不同纹理的指标则非常不一样。同时,本文提出的三种指标均比之前的文献方法要好。JDSE+DB最好能达到79.18%,并且在计算复杂性上也是可以接受的。另外,JDSE+DB和DS+DE+DB两种方案不仅有较小的计算复杂性,而且与之前的文献相比,都具有较高的检索率。3、HEp-2细胞的间接免疫荧光法,在分析反核自身抗体上被认为是一个强大的、敏感的和全面的技术。但是,由于该方法在技术本质上是主观的,因此导致诊断难再现,而计算机辅助诊断系统解决了该方法的局限性。本文基于Minkowski-Bouligand维数,提出一种新的分形维数描述符,并且与形态学特征描述符和像素差描述符相结合,应用在HEp-2细胞分类中。实验结果表明,基于分形维数描述符的分类可以得到54.5%的整体准确率,并且每类的类准确率均在52%以上。同时,当分形维数描述符与像素差描述符和形态学描述符结合时,分类的整体准确率在67%以上,并且实验证明,分形维数描述符使得每类准确率相差不大。与另外两篇文献的方法比较发现,本文提出的混合分类方法拥有最短的特征向量长度,但却能达到较高的整体准确率。