分形图像压缩方法是近十几年发展起来的一种新型图像压缩算法,其思想主要来源于分形图像可以用迭代函数系(Iterated Function System,IFS)生成。现实生活中的图像都存在某种自相似性,只要能够找到表示编码图像的一组仿射变换,原始图像用仿射变换得到的不动点来表示,便实现了原始图像的压缩。分形图像压缩文件中存储的是仿射变换参数的量化值而不是图像本身的像素值,从而实现图像数据的高倍压缩。本文针对分形图像压缩算法压缩比较低、编码时间过长等问题,做了以下几方面的工作:首先,提出了一种基于匹配误差阈值的分形图像编码算法。该算法设置了两个剔除条件,用来减少码书容量;然后在搜索最佳匹配块时设置一个匹配阈值来加快编码的速度,同时取消了大多数文献所提到的等距变换;因为等距变换的引入徒增了计算的复杂性,相同甚至更好的图像质量可以通过减小生成定义域块(D块)的步长来达到。实验结果表明,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相同甚至更好的解码图像质量。其次,以传统的四叉树分割和固定块分割为基础,提出了一种基于四叉树分割和方差排序的有效的编码算法。初始时,用四叉树分割方案将原始图像分割为一系列大小为32×32的值域块。对于每一个大于4×4的值域块,我们用无搜索方案来计算它的拼贴误差;如果拼贴误差不满足条件,也就是E(R,D)＞T,那么我们需要用四叉树分割方案将该值域块分割为4个相同的子块并分别处理,如果子块大小大于4×4,我们仍然用无搜索算法计算它的拼贴误差,否则,我们就在事先定义的定义域块池中搜索最佳匹配块。实验结果证明了方法的有效性。最后,介绍了当前流行的基于小波的图像编码算法,详细的描述了基于小波的SPIHT编码算法。同时,提出了一种改进的SPIHT算法,与SPIHT不同的是,该算法初始化时总是以固定的点填充LIP和LIS链表,保证了系数扫描的准确性与完整性。实验结果表明该算法的性能较传统SPIHT相比有一定的提高。