如今,小波技术和分形理论逐渐成为图像压缩方向的两大研究热点。虽然起源于JPEG(Joint Photographic Experts Group)的JPEG2000被业内视为图像压缩的国际标准,但是其较低的压缩比率已经无法满足大数据背景下图像传输和存储的需求。因此,具有高压缩比率且与分辨率无关的分形图像压缩(Fractal Image Compression, FIC)算法开始被广泛研究。传统的FIC算法存在编码时间太长的缺点,后来研究者们提出了许多改进或者加速的FIC方法。这些方法的共同点是以牺牲压缩比为代价来改善编码时间和重建质量。通过对这些方法的研究得出：若FIC算法与其它技术联合使用,如演化算法、小波技术和空间相关策略等,就极有可能在不降低压缩效果的前提下加快编码速度。基于以上猜想,本文从不同的角度提出了三种混合加速FIC算法,具体内容如下：(1)提出了混合小波变换和简单值域块分类的快速FIC算法。首先,原始图像经过一级小波分解后生成四个子带,根据这四个子带的特征,原始图像的值域块被分为四种类型。其中,低频子带类型的值域块采用方差排序的快速FIC方案进行编码,可获得很高的图像重建质量。然后,解码低频类型对应的子图像。解码后的低频子图像再执行一级小波分解操作,首次小波分解得到的高频子带类型的值域块,除了对角线方向,都采用这次小波分解同方向不同频率的子带进行预测编码。实验结果表明,相比其它基于分类的FIC方法,本混合方案能获得更高的压缩比,同时在重建图像质量不降低的前提下消耗更少的编码时间。(2)介绍了混合粒子群优化和四叉树分割方案的快速FIC算法。相比于在整个值域块池使用粒子群优化策略,本算法则是在值域块分类后使用这个方案。这种方法较大幅度地提高了压缩比并且降低了编码时间。同时,为了进一步改进图像的重建质量,在此基础上又混合使用了四叉树分割机制。实验结果表明,基于粒子群优化策略混合值域块分类的方案可以获得非常高的压缩比,同时混合四叉树分割方案的改进算法能够获得很好的重构图像。(3)引入了混合定义域排序和改进的无搜索方案的快速FIC算法。首先采用自适应四义树分割方案将图像分割为不同的图像块；其次,当图像值域块的尺寸大于预设的误差容限值时,使用改进的无搜索方案寻找最佳匹配块；最后,算法给出了计算定义域块和值域块类型的方法,以及不同组合的值域块和定义域块在编码过程中等距变换矩阵的选择表。这种策略下均方误差的计算量有所减少,使得编码速度相应提高。另外,对于最小尺寸的值域块使用本算法提出的定义域排序策略进行编码。对比实验结果显示,引入此混合方案可以大幅提高重建图像质量,同时改进的无搜索方案又保持了合理的压缩比和编码时间。综上,这三种混合加速FIC算法分别使用了三种不同的混合策略,从不同的角度改进传统FIC算法。这三种算法各有特点,使用范围也有所差异。第一种算法主要使用小波技术,相比于其它的加速FIC算法,如基于DCT策略的FIC算法,该算法消除了重构图像的块效应并且减少了编码时间,所以对重建图像质量要求高的情形下可采用本算法；第二种算法主要使用了粒子群优化方案,编码速度加快,比其它的加速FIC算法可获得更高的压缩比,这种算法非常适用于“一次压缩,多次使用”的场合；第三种算法主要使用改进的无搜索方法,与其它的基于传统无搜索策略的FIC算法相比,该算法能得到更高的图像重建质量,并且编码时间很短。因此,此算法适用于对编码时间和编码质量均要求较高的场合。