第6讲-多媒体数据压缩编码方法祥解.ppt

数据压缩对变换矩阵的选择有两方面要求: 准确再现信源向量，即要求再现误差尽量小； 尽可能除去相关性。 常见的变换方法有： 最佳变换编码 离散傅立叶变换(DFT)编码 离散余弦变换(DCT)编码 最佳变换编码 K-L（Karhvnen-Loeve）变换编码，即最佳变换编码是建立在图像的统计特性的基础上的一种正交变换，也被称为特征向量变换或主分量变换。 K-L变换的计算比较复杂，必须对不同的信号，先求出其协方差矩阵，然后分别计算其特征根和对应的特征向量。 x向量的协方差矩阵为： 对一幅离散图像数据，在信道上经M次的传送，在接收方得到M个包括噪音在内的信号源Fi(x,y)，可将这些信号源Fi(x,y)写成M个N2维的向量。然后通过向量的协方差矩阵定义Cx=E{(X-mx)(X-mx)^T}，写出x向量的协方差矩阵。其中mx=E{X}是平均值向量，E是期望值。 经过K-L变换核矩阵A可得到新的对称矩阵Y=TX，其中T为变换矩阵。变换后的协方差矩阵为Cy=E{(Y-my)(Y-my)T}，如果变换矩阵为正交矩阵，必有TTT=T-1T=E，则有关系X=T-1Y=TTY。 若λi是Cx矩阵的特征值，由此可以确定K-L变换的核矩阵A，它不是固定不变的。如下面的对称矩阵中，每行表示特征值λi对应的特征向量。 数据压缩主要是要去除信源的相关性，而协方差矩阵能够表征相关性的统计特征。 协方差矩阵主对角线上的各元素就是变量的方差，其它元素就是变量的协方差。当协方差矩阵Cy除对角线上的元素外，其余各元素均为0时，即这些元素间的相关性为0。 变换后矩阵的协方差为对角矩阵，则表示最大限度地压缩数据。因此，在已知输入信号X矩阵的基础上，根据其协方差矩阵去寻找最佳的正交变换矩阵T，使得变换后的矩阵的协方差接近一个对角矩阵，是变换编码的关键所在。 FDCT IDCT 图像的DCT编码：对某一8×8灰度图像像素块进行变换，编码器进行FDCT变换，输出64个DCT系数，空间频率为0的系数称为直流系数（DC）它是块中所有像素的平均值，其余63个系数称为交流系数（AC）。大多数信号集中在低频区。解码器实行IDCT重建8×8数据块。 离散余弦（DCT）变换 DCT编码方法普通使用在JPEG、MPEG和H．261等标准中。音频信号压缩采用一维DCT编码，图像压缩则采用二维DCT编码。 这类编码方法突破了经典数据压缩编码理论的框架，实质上都是通过对原数据的分析，将其分解成一系列更适合于表示的“基元”或从中提取若干具有更本质意义的参数，编码仅对这些基本单元或特征参数进行。而译码时则借助于一定的规则或模型，按照一定的算法将这些基元或参数再综合成原数据的一个逼近。 分为四类：量化编码、小波变换编码、分形编码、子带编码 C、分析—合成编码 量化编码： 矢量量化编码是在图像、语音信号编码技术中研究得较多的新型量化编码方法，它不仅仅是作为量化器设计而提出的，更多的是将它作为压缩编码方法来研究的。 标量量化：在传统的预测和变换编码中，首先将信号经某种映射变换变成一个数的序列，然后对其一个一个地进行标量量化编码。 矢量量化：把输入数据几个一组地分成许多组，成组地量化编码，即将这些数看成一个k维矢量，然后以矢量为单位逐个矢量进行量化。矢量量化是一种限失真编码，其原理仍可用信息论中的率失真函数理论来分析。而率失真理论指出，即使对无记忆信源，矢量量化编码也总是优于标量量化。 矢量量化编码的原理框图 衡量两个矢量之间接近程度的度量标准 子带编码： 语音及图像编码中应用 基本思想：输入信号分解为若干子频带，分别对 其按不同统计特性编码，降低码率。 优点: 利于控制量化误差方差； 量化噪声互不影响； 各子带采样率降低。 小波变换： 用于多分辨率图像描述，起始于1945年。小波图像分解思想属于子带分解的一个特例。小波分解是完备的、正交的，且多分辨率的分解。 空间域里，小波分解将信号分解为不同层次分解运算的同时形成了频率域中的多层次分解。 频率域中，高频分量与低频分量的分布与原数据中频率分布的方向有关。 小波变换原理：将原图像信号分解成不同的频率区域，持续的压缩编码方法根据人的视觉、图像的统计、细节和结构等特性，对不同的频率区域采取不同的压缩编码手段，从而使数据量减少。 小波变换编码方式是子带编码的改进型，原因： 其一，大多数语音和图像信号倾向于非均匀频谱，只集中在某一时间段的某一频段，小波包基表示信号时正好有这种自适应性，可通过选定一个阈值将这此时间段和频段的相应系数保留编码而丢弃其他时间段和频段上的小幅值的系数； 其二，小波包基的