概率统计基础-jdl联合室.ppt

本节课内容 QM编码器 Golomb编码 QM编码器 二进制信源算术编码 只处理二进制信源符号 设计目标：简单、快速 对乘法操作进行近似 定点精度的整数算术编码 不断标定概率区间，使得近似结果接近于真正的乘法 在现代图像和视频压缩算法中广泛应用：JBIG, JPEG, JPEG2000, H.263, H.264 QM编码器 很多二值图像都存在局部结构 在某个部分，大部分向素值为1（如背景区域） 而在另外某个部分，大部分向素值为0（如文字区域） 通过观察邻域状态，可以合理猜测当前像素的值 如邻域像素值为1，则当前像素值极有可能为1； 反之亦然 每种情况都是一个分布很不均衡的概率模型?适合算术编码 对每种情况都分别采用一个算术编码器，以得到更好的性能（与对所有像素只用一个编码器相比） QM编码器 例：像素值为0的概率 ，像素值为1的概率 则熵为： 即只有一个算术编码器编码的话，平均码率将接近0.722比特 若假设分为两个集合，分别包含80%和20%的像素 第一个集合：95%的像素值为1 第二个集合：70%的像素为0 则两个集合的熵分别为0.286和0.881。如果对两个集合分别采用不同的算术编码器，则平均码率接近 JBIG/JPEG中采用多个模型（上下文），每个上下文对应不同的算术编码器，每个算术编码器的计算机制相同，只是概率模型不同。 QM编码器 基本思想：将输入符号（一个bit）分为大概率符号（More Probable Symbol, MPS）或小概率符号（Less Probable Symbol, LPS） 在输入下一位之前，编码器先利用一个统计模型（通常是上下文信息，如在黑-白图像编码中用二维的上下文）来预测MPS是0还是1，然后再输入该位并按其实际值分类 模型预测的MPS与实际值不一致，则编码器将该位归为LPS；否则继续归为MPS 输出流为MPS或LPS的流，MPS和LPS的概率动态更新，为算术编码器所用 解码器所知道的信息也是当前处理的位是MPS还是LPS，然后利用与编码器相同的统计模型得到信源符号的原值 QM编码器 令qc表示LPS的概率，并将较低的区间赋予MPS QM编码器 算术编码中的 的更新用 代替 出现MPS的迭代的规则为： 出现LPS的迭代的规则为 QM编码器 例： 初始化： 注意：当输入序列越来越长，区间越来越窄，l越来越大 重新标定 在上例中，若 ，最后l=0.981，A=0.0081 当A太小，需要很高的精度才能将其与0分开 重新标定：对A和l同时放大一倍（对二进制数左移一位） 若A0.5，可能需要重新标定多次（如上例中A=0.1，需重新标定3次，变成0.8） 输入LPS，肯定需要重新标定；输入MPS，可能需要重新标定，取决于A的具体值。 重新标定 问题：找到一个阈值t，当At时，对A放大一倍； 另：A和2*A应尽量接近1，即： 找到t0.5，使得 (max(1-t, 2t -1))最小 ? t=0.75. 另外，A的更新需要乘法 A := A (1 – qc) 或 A := Aqc JBIG委员会推荐用近似代替乘法 A 接近1时，A (1 – qc) 用 (A– qc)代替，Aqc用qc代替。 当采用最佳阈值t = 0.75, A 的值总是在区间 [0.75, 1.5)内 条件交换 通过重新标定进行近似带来一个问题：分配给MPS的子区间可能比LPS分配的子区间还小 由于用A= A- qc 去近似 A=A(1- qc) 例： qc =0.45，输入4个MPS 初始化：A=1，l=0 第1个MPS：A=0.55 ? A=1.1, l=0 第2个MPS：A=0.65 ? A=1.3, l=0 第3个MPS：A=0.85, l=0 第4个MPS：A=0.40, l=0 分配给MPS的区间为0.4，而分配给LPS的区间为qc =0.45 当接近0.5时会出现这种情况 重新标定 发生这种情况的条件为： 解决办法：有条件交换（conditional exchange） 当满足上述条件时，交换两个区间 由于有条件交换只发生在重新标定时的近似过程中，只需在决定要重新标定后才测试交换的条件是否满足 重新标定 采用标定，修改后的编码器为： 重新标