使用神经网络的分形图像压缩的图像压缩回顾-研究论文

一般来说，分形图像压缩是图像压缩中的一个新过程。 它是一种基于块的图像压缩技术，它检测和解码图像中不同区域之间的现有相似性。 FIC的主要缺点是编码时间比较长，解码时间很短。 使用神经网络等人工智能技术，通过称为“反向传播”神经网络算法的算法减少 MRI 图像的搜索空间和编码时间。 最初，MRI 图像被划分为固定大小的范围和域。 为每个范围块选择最佳匹配域，并产生其范围索引和最佳匹配域索引，作为专家系统的输入，结果减少了匹配域块的集合。 然后用这些结果值训练神经网络。 这个经过训练的网络现在用于压缩其他 MRI 图像，从而减少编码时间。 在解码阶段，变换参数递归地应用于任何随机的原始图像，然后经过一些变化后收敛到分形图像。 仿真结果表明，这种基于神经网络的 FIC 的性能确实不错。 本文展示了基于神经网络的 FIC，与普通 FIC 相比，它在编码时间上产生了更高的发展，而不会破坏图像质量。