河北科技大学多媒体通信技术基础第三章..ppt

第3章 数据压缩的基本技术 数据压缩处理一般由两个过程组成： 编码过程：对原始数据进行编码压缩，以便存储和传输； 解码过程：对压缩的数据进行解压，恢复成可用的数据。 根据解压后数据的保真度，数据压缩技术可分为 无损压缩编码：解码后的数据与原始数据完全相同，无任何偏差。这种编码通常基于信息熵原理，常用的编码有哈夫曼编码、算术编码、行程编码等。压缩比比较低，一般在2:1-5:1。主要用于要求数据无损压缩存储和传输的场合，如传真机 有损压缩编码：解码后的数据与原始数据相比有一定的偏差，但仍可保持一定的视听质量和效果。它主要是在保持一定保真度下对数据进行压缩，其压缩比可达100:1。压缩比越高，其解压缩后的视、音频质量就越低。 分类： a 第一代图像压缩编码方法 基于香农理论，80年代初趋于成熟，主要降低数据之间的相关性，去除冗余。 b 第二代图像压缩编码方法 基于人类视觉特性的压缩方法，其核心思想是力图发现人眼是根据哪些关键特征来识别图像、或图像序列的，然后根据这些特征来构造图像模型。 例如，根据人眼对物体的轮廓比对物体内部细节更为敏感的特点，可以利用物体(而不是像素)的集合来表示图像。 3.2 数据压缩的理论依据 3.2 数据压缩的理论依据 数据压缩的理论基础为Shannon信息论。它一方面给出了数据压缩的理论极限，另一方面又指明了数据压缩的技术途径。 Shannon理论认为：信源中所含有的平均信息量（熵）是进行无失真压缩编码的理论极限。 无记忆信源：如果设计的编码方法的码字平均长度最接近熵，则说明该编码方法是最佳的。 3.2.3信源的相关性与序列熵的关系 3.3信息率-失真理论 率失真函数R(D)：p32,(3-21) 在一定允许失真D条件下的最低平均互信息量。 从信源编码的角度看：率失真函数是在允许失真不大于D时，信源编码给出的平均互信息的下界。即对信源信息率压缩的极限。 从接收端看，就是在满足失真不大于D的情况下，能够再现信源信息所必须获得的最低平均信息量。 限失真信源编码定理 1设离散无记忆信源U的率失真函数为R(D),给定允许失真D，则当信息率RR(D),只要信源序列长度L足够长，一定存在一种编码方法其译码平均失真小于或等于D+ε 逆定理：当RR(D) 时,无论采用什么编译码方法，平均失真总是大于D。 3.5 预测编码 目的： 去除相邻像素之间的冗余度，减小图像信息在时间上和空间上的相关性来达到数据压缩的目的。 “相邻”，可以指像素与它在同一帧图像内上、下、左、右的像素之间的空间相邻关系； 也可以指该像素与相邻的前帧、后帧图像中对应于同一空间位置上的像素(同位像素）之间时间上的相邻关系。 具体如下：对于一个图像信源，首先根据某一模型，并利用以往的样值对新样值进行预测，得出预测值，然后将预测值与实际样值相减，得到误差值，最后对误差值进行量化、编码、传输 图中预测器的输出： N为预测器所采用的样值数，也称为预测器的阶数。 等于各输入样值的线性组合，本预测器称为线性预测器。 在解码器中有一个相同的预测器，收到的预测误差信号经解量化器DQ以后，与预测其的输出相加，从而恢复出原信号。 由于预测误差的量化，解码输出的y(n)是x(n) 的近似值。 修正后的预测编码器 在前面的预测器中，编码端利用原始信号为参考进行预测，而在解码端确是利用量化后的信号进行预测，这种不匹配的情况导致重建信号有y(n)与输入信号x(n) 之间存在较大误差。修正：编码器反馈环模拟了解码端结构。 增加一个反馈环，将量化误差和过去预测函数相加，作为新的预测函数 几个概念： 一维预测：被预测的样值与用作预测的样值在同一行内 二维预测：用作预测的样值位于相邻的不同行上 一维预测利用像素之间在水平方向上的相关性。在水平方向亮度变化缓慢的图像，有较好的预测效果。 如果水平方向上亮度有突变，那么一阶的一维预测经常会 给出错误的预测数值。 在这种情况下，采用下面的二维预测，会有较好的预测值。 N阶预测器的设计问题 在最小均方误差下的最佳预测器。 下式表示预测误差信号e(n)平方值的统计平均。 若上式最小时，表示在最小均方误差意义下，预测最准确，此时色预测器称为在最小均方误差意义下的最佳预测器。 最佳预测器的系数 ai可以通过求极小值的方法求得。 另一个事实 预测误差的平均功率比原信号的功率R(0)要小。在相同的均方量化误差下，e(n)比x(n)要求较少的量化级数，因此，传送e(n)比传送x(n)的数据率要低。 3.5.2 序列图像中运动矢量的估值 1.运动