分形图像压缩编码是一种具有高压缩比的新型图像压缩编码方法。这种方法利用了图像的自相似性对图像进行压缩。分形图像压缩编码的数学基础是迭代函数系统(IFS)、拼贴定理,其中以迭代函数系统IFS为理论基础的Jacquin全自动分形图像编码方法具有高压缩比解码迅速且具有分辨率无关性等优点,但其编码过程非常耗时极大地限制了分形编码的实用化进程。本文在A.E.Jacquin提出的基本的基于块的分形图像压缩编码方法上,通过对图像编码理论和对近年来分形图像压缩编码改进算法的研究,发现属性计算网络中的定性映射模型和转化程度函数与仿射变换有着惊人的相似性(在第五章有证明)。于是提出并实现了一种基于属性计算网络的分形图像压缩编码方法。这种基于属性计算网络的分形图像压缩编码方法综合利用了子块划分,子块合并、定性映射、构造转化程度函数和分形图像编码等方法,由分形空间的压缩映射定理可知,对于给定图形的IFS码,利用随机迭代,可以绘出图形的吸引子,也就是说如果以IFS码来建模,用极少量的代码就可以绘制出非常复杂的图形效果。这个过程的逆过程也就是图像的压缩过程,从一个图形出发获得IFS码,就相当于对原始图形作了高度的压缩。本文就是基于这种思想进行压缩。基于属性计算网络的分形图像压缩编码具有压缩比高、重建图像质量较高等特点。本文第二章介绍了分形,分维的基本概念和分形理论的图像压缩基本原理,分形图像压缩的基本原理和判别标准,收缩仿射变换,迭代函数系统以及基准空间上的映射及Banach不动点定理。本文第三章介绍了国内外研究进展,主要集中在提高编码速度、提高压缩比和编码效果、提高解码速度、和其它方法结合的分形编码。本文第四章介绍了经典分形压缩算法及改进算法,包括Jacquin基本算法和四叉树法。本文第五章是全文的重点,介绍了基于属性计算网络的分形压缩算法,重点阐述了属性计算网络中的定性映射跟分形图形的关系,即进行压缩的理论基础,并通过实验得到了比较理想的结果。