通过预测编码对图片数据压缩 I：预测算法外文翻译.docVIP

毕业设计外文翻译 原文题目： 　Image Data Compression by Predictive Coding I: Prediction Algorithms 通过预测编码对图片数据压缩 I：预测算法 摘要: 本文论述了运用预测编码技术有效地进行传输或存储二级(黑和白色)数码图像。第一部分探讨了预测算法。预测器将一个依赖于原数据的二维数据转换成能被一维编码技术处理的数据。对于固定预测器、含有有限存储器的自适应预测器以及自适应线性预测器的实现和性能进行了深入的讨论。同时也呈现了对不同类型的扫描图像进行观察所得出的实验结果。 第一部分1讲述了如何运用预测误差模式编码技术来实现数据压缩。 关键词：预测编码；二维；变换域 简介 例如传真发送信号和数字化图像的数据源存储在计算机存储器中时会含有大量的冗余。源编码技术(也称为数据精简或压缩)可以用来有效的编码上述这些来源的输出。这些压缩方法有两个显而易见的应用。第一个是在通信系统上的应用。通过编码数据源我们可以以一个较短的时间在一个通信信道上传输数据源。或者，我们可以以一个频带宽度更小的信道传输编码数据（专业术语为频带宽压缩）。第二种应用是在存储系统上，能够更加有效地减少存储的数据量。 在本文中,我们讨论了一些通过预测编码对二维黑白数据进行压缩的理论和方法。第二部分描述了编码技术是如何实现压缩的。在对采取详细路径作深入讨论前，我们先简短地回顾了一下一般区域图像压缩的新进展。有关压缩二维图片数据艺术方面的技术可以分成以下两类：1）时域（或空间域）编码 ，2)变换域编码。时域编码技术实际出现的主要是在预测比较类型。包括的方案例如增量调制和差值脉冲编码调制。大多数这类系统的研究是基于经典通信理论的方法。关于这个课题第一次在信息理论上的处理时由Elias完成的，他将这项技术称之为预测编码。在预测编码的依赖性中，固有的数据能被转移和通过一个好的预测器将原数据转换成满足连续的数据符号几乎是相互独立的。变换后的数据能通过适用于独立的来源的技术所编码。预测编码在图像压缩编码上的应用已经被Wholey 和Arps所提出。使用预测和差值在数据压缩系统理论上的最新成果已经被Balakrishnan和Davisson所讨论。Kutz和Sciulli报告了他们在气象卫星图片上的应用。 变换域研究方法包括了傅里叶变换、阿达玛-沃尔什变换、卡尔胡宁-勒夫变换以及一些其他的变换。在这些方法中，一块采样数据被分解为一组正交函数系数并且系数被传输。数据的压缩是通过在变换域上消除无关紧要的系数或者降低量子化的数字层次来得到的。当然还有重建图像的降级。随着尤其适用于高速计算机的快速变换方法地出现，变换方法最近受到了越来越多的重视 。 为了能更好地研究该课题，建议读者阅读以下最近出版的书籍Huang and Tretiak , Andres , Rosenfeld和一篇学术论文的特刊。 使用预测编码的图片数据压缩系统 在目前的工作中我们的兴趣主要在于二维数字图像数据的有效源编码，也就是输入源数据在空间和振幅上都是离散的。典型的例子是传真扫描仪输出的量化值和计算机系统的图形显示数据。我们将自己局限于振幅量子化的两个层次的情况下。 图1 一个含有预测编码和译码的图像数据压缩系统 图 2 基于相邻像素点的二维数据和预测 图1举例说明了使用了预测编码的通信系统。假定一个二维数据源s(i, j ) , 1 ≤i ≤ I, 1 ≤j 5≤J,在每个图片像素的数值s能是0（白）或者1（黑）。我们可以得出像素s (i, j )的数值和相邻像素的数值紧密相关，例如s (i - 1,j - l ) , s( i - l,j) , s(i- l,j + I), s(i,j-1)等等（2式）。因此很有可能成功地预测s（i,j）相邻像素的数值。这是在图1中预测器的函数。预测器基于所预测的这类像素（i,j）的点的集合被称作内存集合M。例如，在图2这个4像素预测器的例子中，记忆集合时是 M= {s(i- i , j - l ) , s ( i - l , j ) , s(i- l , j + I ) , s ( i , j - 1)). (1) 预测器模块的输出?(i,j)相比较于实际的数值s ( i , j）和信号e ( i , j )来源进行以下运算: e(i,j)=s(i,j)?(i,j), (2)