实际生活中众多图像都具有相似性,利用图像部分与整体之间相似性来实现图像的压缩编码算法,还有后续提出的利用图像部分与部分之间相似性,都可以被认为是基于分形理论的图像压缩编码算法,算法因其高的压缩比和良好的图像恢复质量而备受关注。然而,在编码过程中,基本分形图像编码算法需要消耗大量的时间去进行全局搜索,不利于编码效率的提高,同时,采用的减少码本数量的方法来优化编码时间,会给恢复图像带来块效应的不良效果。因此,如何在既保证分形图像解码恢复质量前提下,又能使用越少的编码时间,是研究者们一直以来不懈努力的方向。本文基于上述问题进行课题研究,具体工作如下:首先,在基本分形块图像编码基础上,利用质心特征来实现对图像块的分类,将值域块与定义域块之间相似性匹配转化为值域块与定义域块之间质心特征的匹配,简化匹配过程,有效剔除不符合条件的定义域块。并据此提出基于质心特征分类的快速分形图像压缩编码算法,通过公式证明了算法的可行性。其次,改进图像质心特征,采用一种加权质心特征,相较于质心特征可以更加细致地刻画图像块纹理细节特征,提高精准分类,并通过公式证明了算法的可行性。加权系数为2的实验表明,基于加权质心特征的分形图像压缩编码算法相较于质心特征具有更强的质量提升能力,在提高恢复图像质量上具有优势。最后,在医学图像的压缩处理过程中加入分形压缩的概念,人体医学图像中具有明显的分形相似特征,利用本文提出的特征算法,实现对医学图像的特征压缩,经过试验结果表明,相较于其他压缩算法,本文提出的基于特征分类的分形图像压缩编码算法在编码阶段具有少的时间消耗,同时恢复图像质量也有保证。