图像压缩一直是计算机视觉领域的基础问题。其中,分形压缩算法是一种有损图像压缩方法。该算法具有很多优势,如压缩比高、重构不受尺度限制、解码速度快等。但是,现有的分形图像压缩算法仅面向二维图像,对三维图像和二维图像序列的研究比较少。由于三维图像和连续图像序列均存在较强的自相似性,使用分形方法对其进行压缩具备了很好的理论和应用前景。因此本文提出了基于分形的快速压缩连续图像序列的方法。首先,根据时空相似性分割图像序列。图像序列是一种非结构化的数据,它不仅有空间属性而且具有时间属性。在对图像序列压缩之前,可以根据时空相似性将图像序列切分成一个个相互独立的片段。在得到所有图像的颜色直方图后,采用巴氏距离对直方图的相似度进行计算。若两帧图像的相似度大于某一预先设定的阈值,则认为在这两帧图像之间发生很大的变化,因此将二者分在不同的图像片段中。其次,提取一种图像块的自身特征,使得基于图像块自身特征的计算过程取代传统分形压缩中两类图像块的相互计算过程,从而降低计算复杂度。根据图像块自身特征将定义域块进行分类,即通过设定特征值的阈值划分定义域块类。得到所有定义域块类后,计算每个值域块到定义域块类中心的距离,选择距离最小的类进行匹配搜索,使得每个值域块只需在某一类定义域块中寻找最优匹配块。最后,本文对提出的方法分别在两个数据集上进行了实验。(1)以Walter Cronkite moving head、Chemical plant flyover(close view)和Chemical plant flyover(far view)这三个标准灰度图像序列为例进行测试。(2)以ADNI数据集中的MRI图像序列为例进行测试。实验结果表明,我们的方法不仅能有效地降低由于体积问题对压缩图像序列所造成的影响,同时解决了由于定义域块过多造成的压缩时间过长的问题。