| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像压缩技术的研究现状 | 第11-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第2章 相关技术介绍 | 第18-34页 |
| 2.1 分形压缩的理论基础 | 第18-20页 |
| 2.1.1 不动点定理 | 第18-19页 |
| 2.1.2 迭代函数系统 | 第19页 |
| 2.1.3 拼贴图定理 | 第19-20页 |
| 2.2 JPEG压缩 | 第20-21页 |
| 2.3 小波变换理论 | 第21-23页 |
| 2.3.1 小波变换定义 | 第21-22页 |
| 2.3.2 二维图像的多分辨率分析 | 第22-23页 |
| 2.4 基于MRF的图像分割的基本理论 | 第23-26页 |
| 2.4.1 常用的建模模型 | 第23-25页 |
| 2.4.2 常用的随机场参数估计算法和分割准则 | 第25-26页 |
| 2.5 基于分形理论的图像压缩算法 | 第26-31页 |
| 2.5.1 Jacquin的分形块图像压缩 | 第26-28页 |
| 2.5.2 Fisher的加速算法 | 第28-29页 |
| 2.5.3 Saupe的加速算法 | 第29-30页 |
| 2.5.4 Polvere的加速算法 | 第30-31页 |
| 2.6 图像压缩算法的评价标准 | 第31-32页 |
| 2.6.1 主观评价算法 | 第31页 |
| 2.6.2 客观评价算法 | 第31-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 基于混合分形模型的图像ROI压缩算法 | 第34-54页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基于改进的MRF算法的ROI提取 | 第35-40页 |
| 3.2.1 改进的MR算法 | 第35-38页 |
| 3.2.2 ROI提取实验结果与分析 | 第38-40页 |
| 3.3 基于Fractal-SPIHT-WT和Huffman的医学图像压缩算法 | 第40-52页 |
| 3.3.1 基于Huffman的图像感兴趣区域压缩 | 第40-42页 |
| 3.3.2 改进的SPIHT的图像压缩算法 | 第42-45页 |
| 3.3.3 基于Fractal-SPIHT-WT的图像压缩算法 | 第45-49页 |
| 3.3.4 图像压缩实验结果与分析 | 第49-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 基于Gabor变换和分形理论的高速图像压缩算法 | 第54-76页 |
| 4.1 引言 | 第54-55页 |
| 4.2 候选块池的生成 | 第55-58页 |
| 4.2.1 八种等距变换的简化 | 第55-58页 |
| 4.2.2 候选块池中异常值的剔除算法 | 第58页 |
| 4.3 基于Gabor和分形理论的图像压缩算法 | 第58-74页 |
| 4.3.1 基于Gabor变换的纹理特征提取 | 第58-60页 |
| 4.3.2 基于PDS算法的均方误差计算 | 第60-61页 |
| 4.3.3 基于Gabor和分形理论的图像压缩算法 | 第61-65页 |
| 4.3.4 实验结果与分析 | 第65-74页 |
| 4.4 本章小结 | 第74-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间发表论文情况 | 第84页 |
