《数据编码》由会员分享，可在线阅读，更多相关《数据编码（3页珍藏版）》请在金锄头文库上搜索。
1、数据编码2.1 预测编码预测编码即可在图像内部进行帧内预测编码, 也可在多帧图像内进行帧间预测编码。预测编码的基本技术是信号的最佳预测。(1) 帧内预测。帧内进行预测编码的理论依据是二维图像中相邻像素间存在很强的相关性, 因此可用已知的前面几个像素值来预测当前像素值。这些像素可以是前几行的或前几帧的, 分别称为一维预测、二维预测和三维预测。然后, 对实际值与预测值的差值( 预测差值) 进行量化和编码。帧内预测编码的优点是方法简单、硬件容易实现; 其缺点是对信道噪声及误差敏感, 会产生误码扩散。对一维预测来说,即使某一位码出错, 将会使该像素后面的同一行所有像素都发生差错。而对二维预测, 误码引
2、起的差错还会扩散到以下各行,从而导致图像质量的明显下降; 同时, 帧内预测编码的压缩比较低, 通常为23倍。随着变换编码技术的发展和广泛应用, 帧内预测编码的作用已经很有限, 目前主要使用帧间预测方法来压缩视频图像。(2) 帧间预测。帧间预测编码理论依据是视频信号的相邻帧间存在着极强的相关性。利用这种时间相关性进行帧间编码, 可获得比帧内预测编码高的多的压缩比。因此, 帧间预测编码广泛应用于各种视频信号压缩编码, 例如MPEG标准、H.261等。帧间预测编码主要应用的技术有: 帧间统计特性、帧重复、帧间内插法、运动补偿预测、自适应帧内/帧间编码等。2.2 变换编码(1) 变换编码的任务。变换编
3、码的任务是要使预测值尽可能接近实际样值, 也就是要寻找一种尽可能接近原信号统计特性的预测方法, 通过相差来除去图像信号的相关性, 从而达到数据压缩的目的。变换编码不是直接对空域图像信号进行编码, 而是首先将空域图像信号映射变换到另一个正交矢量空间(变换域) 产生一组变换系数, 然后对这些系数量化, 编码, 传输。实践证明, 无论对单色图像还是彩色图像, 对静止图像还是运动图像, 变换编码都是一种非常有效的方法。(2) 变换编码的过程。在发送端将原始图像分割成若干个图像块, 对每个子图像块进行某种形式的正交变换, 生成变换域( 频率域) 的系数矩阵, 经滤波、量化、编码和传输到达接受端后作解码,
4、 经逆变换后综合拼接, 恢复出空域图像。由于在此过程中的滤波、量化等环节均会损失信息, 所以变换编码是一种有损压缩编码方法。(3) 变换编码的主要特点。在变换域内描述图像比空间域内简单; 图像的相关性明显下降, 信号的能量主要集中在少数几个变换系数上, 采用量化和熵编码可有效地压缩其数据; 可利用人眼的视觉特性, 例如空间频率特性、视觉心理特性和视觉现象等; 具有较强的抗干扰能力, 传输过程中的误码对图像质量的影响远小于预测编码。通常, 对高质量的图像,预测编码要求信道误码低。(4) 变换编码算法。变换编码一般有快速算法, 能实现实时压缩和解压; 常用的变换主要是正交变换, 其种类很多, 如K
5、- L变换、DCT 和DST 变换、DFT 变换、HARR 变换、WALSH -HADAMARD变换以及用途广泛的小波变换。2.3 统计编码统计编码又称熵编码, 是一种根据信息熵原理, 利用图像概率统计特性的编码方法, 它让出现概率较高的符号分配较短的码字表达, 反之分配较长的码字表述。最常见的统计编码方法如行程编码、哈夫曼编码和自适应编码。哈夫曼编码方法非常便于硬件实现。但是, 哈夫曼树( 哈夫曼表) 作为编码环境, 必须输入, 接受端通过信道传输接受哈夫曼表, 以重建哈夫曼树, 供解码器使用。同时, 要得到最佳压缩效果, 哈夫曼编码必须精确知道图像的统计特性, 不利于实现实时编码。自适应算
6、法编码方法较哈夫曼编码方法复杂, 但它不需要像哈夫曼编码那样的哈夫曼表。由于其过程的自适应性, 而无需在编码前扫描图像以获得图像的概率统计特性。在一般情况下, 对于很多图像, 自适应算法编码的效果要比哈夫曼编码的效果好5%10%。2.4 量化编码(1) 最佳量化。最佳量化即使量化误差最小的量化方法。最佳量化器的设计有两种: 一种是客观准则设计法, 采用量化均方误差最小为约束条件; 另一种是主观准则设计法, 它根据人眼的视觉特性来设计量化器。客观准则设计法的基本思想是概率大的值进行细量化, 而对概率小的值进行粗量化, 从而使每个样值的平均比特数最小, 达到数据压缩的目的, 而引入平均量化误差对恢
7、复图像质量的影响可以忽略不计。主观准则设计法主要利用人眼视觉特性的视觉特性掩蔽效应。当图像边缘相邻两侧亮度值相差很大时, 即使存在较大的量化误差也不易察觉出来。换言之, 边缘亮度越高, 可见度阈值越大。利用这种视觉特性可以减少量化分层总数。只要干扰值低于可见阈值, 人眼就察觉不出量化误差对图像质量的影响。(2) 矢量量化。矢量量化编码是近年来图像, 语言信号编码技术中颇为流行的一种量化编码方法。矢量量化编码方法一般是失真的编码方法。矢量量化的名字是相对于标量量化而提出的, 是标量量化的多维扩展。将信号序列中每K个样点合为一组, 形成K维空间的一个矢量, 然而根据一定的误差准则对此矢量进行量化。
8、矢量量化的主要特点有: 只需传输或存储矢量的索引, 因此能大大降码率。解码器非常简单, 只需进行查表运算。矢量量化的关键问题是设计一个良好的码本。矢量量化作为一种高效的数据压缩技术, 使图像压缩技术研究的热点问题之一。其目前研究的焦点主要集中在: 最佳码本的设计方法, 各种高效矢量量化方法, 矢量量化器的实现等。2.5 子带编码子带编码是一个实现高质量图像压缩编码的新领域; 是一种在高压缩比下, 信噪比最优的高质量编码方法。子带编码的基本思想是在发送端将图像信号在频率域分裂成若干子带, 而后对每个子带用一个与其统计特性相适配的编码器进行图像数据压缩; 在接受端, 则将解码器后的各子带信号综合成
9、重构图像。子带编码具有以下突出特点: 一个子带内的编码噪音在解码后只限于该子带内, 不会扩散到其它子带。这样, 即使有的子带信号较弱, 也不会被其它子带的编码噪音所掩盖。可以根据主观视觉特性, 将有限的码率在各个子带之间合理分配,有利于提高图像的主观质量。因此, 在相同的压缩比下, 子带编码的图像质量略高于不划子带而直接变换编码的图像质量。通过频带分裂, 各个子带的取样频率可以成倍地下降。例如, 若分成频谱面积相同的N个子带, 则每个子带的取样频率可以降为原始图像信号取样频率的1/N, 因而可以减少硬件实现的难度, 并便于并行处理。2.6 分形编码分形压缩是一种基于分形几何的新的图像压缩方法。
10、分形几何理论研究的对象是那些很不规则而有自相似性的形状。所谓很不规则是指粗糙、不光滑、碎裂、扭曲和缠绕等特性, 典型的问题是“不列颠的海岸线有多长”。分形图像压缩方法是有损压缩, 其失真度大小和压缩比密切相关。虽然具有很大的压缩比, 但是它需要很大的计算量。分形图像压缩技术存在着极大的潜力, 但也有许多问题有待进一步深入研究, 如仿射变换的普遍性、编解码时间过长、实用化算法与硬件实现, 等等。2.7 神经网络编码神经网络具有非线性、自适应性、巨量的并行性和分布存储信息的处理能力等优势, 因此被广泛用于信息处理的各个方面。图像压缩也不例外。神经网络与以上各种编码的优势组合,不仅可以提高图像分类和
11、识别能力, 而且还大大提高了图像编码的快速实时处理能力。2.8 混合编码混合编码方法是指对一幅图像同时使用2种或2种以上的编码方法混合进行编码的方法, 以达到高效压缩数据的目的。如常用的DPCM预测编码和变换编码的混合编码方案。对于视频图像可以有帧内混合编码和帧间混合编码两种情况。帧内混合编码, 可首先对图像沿行方向一维正交变换, 然后对变换后的系数在列方向进行DCPM预测编码。另一种情况是在图像二维空间进行分块正交变换, 然后对其变换系数作帧间预测编码, 或者对帧间块( 沿时间轴) 作预测, 对其预测误差再做正交变换、量化、编码等。混合编码有计算量适度、抗干扰能力强、能得到较大的压缩比等优点, 它们采用离散余弦变换, 行程编码, 预测编码以及基于统计特性的熵编码的混合。
