通用栅格编码量化在图象压缩量化中的应用.docVIP

通用栅格编码量化在图象压缩量化中的应用Ξ 任 意1 , 任为民2 (1. 云南师范大学计算机科学与信息技术学院, 云南 昆明 650092; 2. 立信会计学校, 云南 昆明 650000) 摘 要: 提出了一种基于栅格编码 T CQ 的图象压缩编码量化方法。 论述了 T CQ 量化方法的理论基 础栅格编码调制 T CM 和维特比算法的基本原理。在研究普通 T CQ 量化方法和其中集合划分存在问题 的基础上, 探讨了另外一种划分方法的可行性, 得到通用栅格编码量化方法U T CQ 。根据对实际图象量 化结果的比较, 证明了U T CQ 的有效性。 关 键 词: 栅格编码调制; 维特比算法; 栅格编码量化; 通用栅格编码量化 中图分类号: T P 399 文献标识码: 文章编号: 1007- 9793 (2003) 05- 0020- 05 A 随着多媒体技术的普及、数字视频的发展和网络上传输图象的增多, 图象压缩编码受到越来越多的 重视。量化是有损压缩关键的一步, 是影响图象编码器性能的关键因素。T CQ 量化方法1 能够在不降低 压缩率的同时, 对图象进行更精细的量化。 该方法是栅格编码调制技术 T CM 1, 2 在信源编码中的运用, 它采用了 T CM 中信号扩展和集合划分的概念, 提出了一种均方误差性能较好且复杂度较低的量化方 法。 本文论述了栅格编码调制和维特比算法的原理, 针对实际图象量化设计了U T CQ 量化系统, 并与 普通均匀量化器的量化结果进行了比较。 实验结果证明U T CQ 对于图象量化是有效可行的。 栅格编码调制和维特比算法 1 栅格编码调制(T CM ) 作为一种有效的数字调制技术, 已经得到了广泛的应用。 T CM 的基本原理 是: 为了在每个码元间隔内传输 2m 个符号中的一个, 传统的 2m 个点的信号星座加倍到 2m + 1 个, 并将它 们划分成 2m + 1 个子集 (mδ 是小于m 的整数)。对输入的mδ 比特用编码率为mδ?mδ+ 1 的卷积码进行扩展, δ 并用来确定当前码元间隔内的信道信号取自哪一个子集。 剩下的m - mδ 个比特用来在所选子集中从 δ 2m - m 个符号中确定一个。假如信道存在加性高斯白噪声干扰, 译码时用维特比算法 (V ite rb i) 3 来寻找和 发送序列间均方误差为最小的符号序列。T CM 编码调制的性能优于普通调制技术的原因是, 它应用卷 积码和集合划分??加了信道符号间的 E u c lidean 距离。 使用V ite rb i 算法对 T CM 编码信号译码, 就是选取与发送序列间 E u c lidean 距离最小的符号序列。 对于两个长度为 n 的序列 X 和 Xδ, 它们之间的距离度量公式由 (1) 式给出: n d E (X , Xδ) = xδ 2 ∑(x i - i ) ( ) 1 i= 1 由式 ( 1) 可知, 对于序列 X 寻找使 dE (X , Xδ) 最小的序列 Xδ, 等价于寻找使 ( 1?n ) d2 X , Xδ 最小的 Xδ E ( ) 序列。 而 (1?n ) d2 X , Xδ 就是均方误差 Ν X , Xδ 。 也就是说, 用V ite rb i 算法可以找出与发送序列间均方 E ( ) ( ) 误差最小的输出序列。因为 T CM 使信号符号间的 E u c lidean 距离增大, 所以符号 xδ 误判的概率就减小, i 使得均方误差也就减小。 Ξ 收稿日期: 2003- 05- 26 作者简介: 任 意 (1962- ) , 男, 山东省聊城市人, 讲师, 从事图形处理方面的研究.  V ite rb i 算法是一种最大似然译码算法。 其基本原理是: 将汇聚在同一状态的 n 条路径的似然函数 累加值进行比较, 把具有较大似然函数累加值 ( 也就是最小 E u c lidean 距离累加值) 的路径保存, 形成幸 存路径, 丢弃其它路径。在比较所有可能的路径后, 把似然函数累加值最大的路径定为最终的幸存路径。 V ite rb i 算法能快速的从栅格中筛选出与接收序列最为相似的路径并给出译码结果。 通用栅格编码 (U T CQ ) 4 量化系统的设计 2 栅格编码量化(T CQ ) 5, 6 方法借鉴了 T CM 差特性, 并且计算量较小。 中信号扩展和集合划分的原理, 能够获得较优的均方误 使用 T CQ 对信源进行量化时, 一个均匀量化器被分为四个分离的子集D 1 , D 2 , D 3 , D 4 , 如图 1: 图 1 T CQ 子集划分 F