分布式计算是利用网络把成千上万台计算机连接起来,组成一台虚拟的超级计算机,完成单台计算机无法完成的超大规模的问题求解。新世纪信息技术的瓶颈是实时处理和海量存储,而对图像的处理和存储又是重中之重,近些年来兴起的分形图像压缩比传统压缩方法在压缩效果、压缩比以及解码时间方面具有更多优势,通过一定程度的改进能够满足当前信息时代的要求。本文是在基于网络的并行环境中,对规范块半范数快速分形编码算法进行研究的。传统分形图像压缩算法,在编码中的搜索匹配计算量很大,耗用时间太长,限制了实际应用。针对此问题,在文献[5]的基础上,本文对其算法进行了深度研究,首先从理论上分析了算法的可并行性,并把并行算法思想应用到此种编码方法中,并行算法设计内容如下：第一：根据分治原则,将任务按照合适的粒度大小进行分割,粒度分割的大小直接影响着并行系统的性能。第二：采用数据并行读的方法,各运算节点根据自己接收到的任务编号,独立的读取文件中的相关数据,并对数据进行编码,使读取时间随着运算节点数目的增加而减小。第三：控制节点依据动态分配策略,把任务分配给进程,各进程并行处理数据。动态分配策略的应用既减少了进程间的通信量,还减少了运行时的管理开销,使整个系统负载均衡。第四：构建了合适的结果汇总粒度,各运算节点首先独立的在本地汇总结果,达到粒度大小后,再向控制节点传送结果,减少了各进程间的通信时间。本文还在改进的算法中讨论了并行系统的最优拓扑结构,研究出了“能者多劳”的动态任务分配方案,保证系统负载平衡。定义并设计出了一种新型的MPICH数据结构,用于提高系统效率。使用了MPICH中的包传输技术,完成了节点间的高性能数据传输。在MPICH2并行环境下,写出了并行算法,搭建实验平台并进行了实验。实验结果表明：并行算法能够在相对小的搜索邻域内,以较小的时间代价找到输入子块的最佳匹配块,在保证图像质量的前提下,大大降低了分形压缩时间。显示出了并行计算在分形领域的重要应用价值。