随着计算机网络和通信技术的发展，人们获得信息的需求越来越强烈，然而图像信息包含的巨大数据量若不经过压缩处理，其所需的高传输率和巨大存储空间会严重阻碍数字图像的应用、储存和发展，因此研究更加优秀的数据压缩技术，实现更加高效的图像压缩具有重要的现实意义。
　　从Barnsley首次提出用分形方法进行图像压缩以来，科研工作者不断提出新理论和新观点，使分形压缩技术不断发展进步。分形图像编码以较高的压缩比、解码速度快及解码过程与原图像无光等特性，受到越来越多的关注，它和小波变换、DCT变换一起被誉为第二代编码方法。
　　本文介绍了分形理论的基础知识，介绍了分形图像压缩的理论依据和实现流程，分析了分形压缩基本方法的思想，完成了基本方法的实验及其改进方法-四叉树压缩方法的实验，并对二者进行了比较。
　　本文将遗传算法和分形压缩技术相结合，提出一种基于遗传算法的分形图像压缩方法。基本分形方法将图像分为定义域块和值域块两部分，通过值域块与定义域块之间进行匹配搜索，寻找合适的迭代仿射映射，实现图像压缩。值域块与定义域块之间的匹配搜索通常需要大量的时间，从而使图像压缩编码时间过长。可以把这个匹配搜索问题看成是一个优化过程，这个优化过程是在大空间搜索和具有很多复杂约束的背景下进行的，传统方法难以解决此问题。本文采用遗传算法解决匹配搜索问题，将随机选取的部分定义域块作为种群，通过选择、交叉、变异等进化操作，使定义域块不断进化，最后得到与值域块相匹配的定义域块。
　　本文结合分形的特点进行了染色体的设计，以定义域块坐标和变换因子作为遗传基因，同时设计了适应度函数，经适应度计算后，适应度较低的染色体被淘汰，适应度高的进行交叉运算，交叉方式采用单点交叉，变异方式采用基本位变异。实验结果证明，本文方法与基本方法及其改进方法相比，搜索速度快，匹配效果好，极大的缩短了编码时间，提高了编码效率，同时能够保证重建图像的质量，是一种可行的方法。
　　本文算法可以通过改变参数组合来达到不同的运行效果，通过改变参数，可以达到不同的实验目的。经过实验，选取了各个参数的综合最佳值，同时为实现最大压缩比、最短编码时间、最佳图片质量的目的分别选取了参数组合，并做了分析比较。