21世纪是一个信息时代,人们在工作生活中大量接触图像,并在彼此之间互相传播,为了使图像传送更快捷便利,图像压缩技术研究变得非常迫切。1987年由美国数学家Barnsley和Sloan[1]提出分形图像压缩编码技术,此后Jacquin [2]首先实现了完全自动的分形压缩编码,给分形图象压缩领域带来突破性的进展。分形图象压缩技术是在此算法基础上逐渐发展,成为当今图象压缩的一个新领域。基于分形的图像压缩编码方法是一种全新的编码方法,它利用的是图像的自相似性及比例特性,通过消除图像的几何冗余度来实现图像数据的压缩。在分形编码中,一幅图像由一个使它近似不变的压缩仿射变换表示,重构图像是压缩变换的不动点,压缩仿射变换的参数组成原始图像的分形码。分形解码是一个相对简单的快速迭代过程,解码图像由分形码表示的压缩变换迭代作用于任意初始图像来逼近。分形图像编码近年来在图像压缩领域引起了人们的极大兴趣。众所周知,编码时间长是这项技术的主要缺点,它已成为该方法走向高效能实用化的最主要障碍,因此分形编码加速方法已成为了近些年来分形压缩的一个研究热点。本文尝试着将基于量子行为粒子群优化算法(QPSO)[3][4]、模糊聚类优化算法,遗传算法[5]与四叉树分割方法相结合应用于分形图像压缩。实验结果表明几类算法的应用对分形图像的压缩速度有较大提高。全文共分为六章,首先介绍了图象压缩技术及近十年来图象压缩的研究成果,分形几何学的创立和发展、分形的几何特征以及分形的测量和性质。分形图像压缩的相关理论,包括压缩映射、拼贴定理、迭代函数系统及分形图像压缩编解码过程。文中对提高分形图像压缩速度进行了分析,简要介绍了粒子群算法、基于量子行为粒子群优化算法及模糊聚类算法,自适应分块的分形图像压缩方法,阐述了四叉树分割方法,将遗传算法与四叉树分割方法相结合用于分形图像压缩中,并对算法优缺点进行了对比,并将算法运用于分形图像压缩中,实验结果表明,算法的应用对分形图像压缩速度有一定的提高,结果表明该算法具有一定的现实意义。最后对全文进行了总结和展望,指出了今后研究方向及工作展望。