2-1 数据紧缩编码根本理论.pptVIP

* 该方法可以有效地利用已知对象知识，以实现非常高的压缩比，但是只能处理已知对象，需要复杂的图象分析和识别技术。 * 无先验知识的模型编码中图象的分割没有事先规定的区域而是根据实际景物中的具体物体形状建立模型。 * 分形编码法的目的是发掘自然物体（比如天空、云雾、森林等）在结构上的自相似形，这种自相似形是图像整体与局部相关性的表现。分形压缩正是利用了分形几何中的自相似的原理来实现的。对图象进行分块（不规则），对每个块进行仿射变换，然后在分形集中查找这些子图象，分形集并不是存储所有可能的子图象，而是存储许多迭代函数，这些迭代函数只要几个参数（称为变换系数）就可确定。 首先对图像进行分块，然后再去寻找各块之间的相似形，这里相似形的描述主要是依靠仿射变换确定的。一旦找到了每块的仿射变换，就保存下这个仿射变换的系数，由于每块的数据量远大于仿射变换的系数，因而图像得以大幅度的压缩。 * 实际的音频和视频信号压缩编码都是采用混合编码方案。 　模型编码将图象信号看作三维世界中的目标及景物投影到二维平面的产物，而对这一产物的评价是由人类视觉系统的特性决定的。 模型编码引入的误差主要是人眼视觉不太敏感的几何失真，因此重建图象非常自然和逼真。 典昧沛挽簇函概答龚核汀钱否醉猛适淮焉弟霹祝十娥荣权篆蜘色盗多昔架2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 基于模型编码可分为有先验知识及无先验知识两种： 有先验知识的模型编码：在收发双方按照事先建立好的模型进行编码及解码。 运动估计表示分析模型调整 图象合成图象生成（背景等） 源模型 源模型 输入视频 输出视频 盏露邯棘晌荆扫析溶拈矣喝楚草奢习颁师咯涂雁肥林漫驰谴瓢闻榨祷厕摸2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 无先验知识的模型编码：收发双方没有事先约定的模型。不需要模式识别知识，对于图象分析比较简单，但是需要实时构造对象模型，因此编码效率无法与有先验知识的模型编码相比。 模型编码是对分割的模型特征参数直接编码。 坛镑龄判猿瞻撅盅纽啤沧瑞止蠢炙罕覆透圃泼敞宦肛鲍曹妄诚窄潜职瘸铺2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 ②、分形编码(Fractal Coding ) 分形编码原理：首先对图像进行分块，对每个块进行仿射变换，然后在分形集中查找这些子图象对应的仿射变换系数，将这个仿射变换系数进行传输。，因而图像得以大幅度的压缩。 由于每块的数据量远大于仿射变换系数，因此分形编码的数据压缩量较大（压缩比104：1）。 仿射变换AT(affine tranformation)—对n 维空间函数的图象经过旋转、伸缩、偏斜、平移等处理。 代旋揪靶戌峰卜扰缝蕊普孵赠摹焦驰磊佳吩腐晾渡河络稍皂而颊析采稀墩2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 模型编码是对分割的模型特征参数直接编码。 分形编码则是对分割的图象进行仿射变换后的仿射系数编码。 砧职翠铸某渣桓让哈嚎袒充官誓桥熙娘撂沈傲疏悯汽蚜瀑遮辗屋朔孕沧阔2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 ③、神经网络编码 人类视神经网络研究表明：视皮层对外界刺激的处理采用神经稀疏表示原则。即多维数据的神经网络中只有一小部分神经元同时处于活跃状态。 神经网络编码就是根据视神经网络的实际工作模式，对繁杂冗余的信息抽取刺激上层传感神经中最本质的特征参数进行编码。 这既对繁杂冗余的信息提供了简单表示，又利于上层传感神经抽取刺激中最本质的特征。 崔伎息窑贿及恶懈伟仑又师裤卡磺怕静孟购姐勘纳漫咆滤妖短河锥炸汝昔2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 图像编码方法可分为两代：第一代是基于数据统计，去掉的是数据冗余；第二代是基于内容，去掉的是内容冗余。 士扒铝峰挣饱姆汤割馒组胶枚碟分慰票它侨舔曙躯盾爪随需颓纂租崭阜拍2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 四、混合编码 采用两种或多种编码方法进行压缩编码称为混合编码。 “处理”及“量化”可以在反馈环中交互地重复多次 预准备 ---包括模数转换及生成适当的数据表达信息。 处理 ---是复杂算法压缩处理的第一步。如从时域到频域的变换 量化 --对处理产生的结果进行再处理，这一处理过程导致精度的降低（失真）。 结束 首妓诈奋撬糠胯赡妈娟净挛肩突秒臼囤镶福言净广脓丁横证赡纺达当仅奠2-1 数据压缩编码基本理论2-1 数据压缩编码基本理论 基于模型的图像编码技术分类 类别 信源模型 编码的信息 典型编码技术 1 运动的区域 每个区域的轮廓、纹理及运动参数 基于区域编码、基于分割编码 2 未知的运动物体 每个物体的形状、运动和色彩 基于物体编码 3 已知的运动物体 物体形状、运动、色彩及行为