第七章 图像编码与压缩.ppt

一维线性预测 预测器模型 选ak使σ2d(n)最小。 设x(n)是广义平稳的，且e(n)均值为0，则 预测器模型 (1)最佳线性预测 假设x(n)是各态历经的，且训练样本数N相当大，则x(n)的自相关函数 把(3-1)式写成矩阵形式： 预测器模型 若x(n)是非平稳的，或是分段近似广义平稳，则可采用边送数据边测量与估计x(n)的自相关函数，求出相应的最佳预测系数，随之，相应的最佳预测系数随着x(n)的统计特性的变化而变化，这就是自适应线性预测。 预测器模型 (2) 自适应线性预测 原始图象用f (m,n)表示 预测的差值定义为 Z——对象素f (m,n)进行预测的相关点的集合。 预测器模型 二维线性预测 方程的解 a1, a2, …, am 便是 一组最佳的预测系数。压缩效果可用方差σ2e(n)来衡量， 原始序列相关性越强， R(k)越大，σ2e(n)越小，压缩效果越显著；原始序列互不相关，即R(k) =0，k≠0，则，σ2e(n)= σ2x(n)一点也不能压缩。 预测器模型 主要内容 编码及信息论概述 行程编码 LZW编码 霍夫曼编码 预测编码 变换编码 压缩标准简介 六、变换编码 1、变换编码的基本思想 用一个可逆的、线性的变换(如FFT、DFT)，把图像映射到变换系数集合; 然后对该系数集合进行量化和编码; 对于大多数