什么是JPEG-LS.pptVIP

JPEG-LS ISO 14495 什么是JPEG-LS 用于连续色调静态图像的无损或近无损的压缩 specifies encoder processes for converting source image data to compressed image data specifies decoder processes for converting compressed image data to reconstructed image data provides guidance on how to implement these processes in practice JPEG-LS从哪里来？ JPEG-LS是一种新的针对连续色调图像的无损/近无损压缩标准， ISO-14495-1/ITU-T.87，该标准是基于LOCO-I算法(LOw COmplexity LOssless COmpression for Images)。(见：/loco/) 近无损是指：一种有损压缩算法，它重建的图像与原图像对应像素的差值，不超过一个预先指定的值(loss, 通常较小)；无损压缩指loss = 0. LOCO-I Marcelo J. Weinberger, Gadiel Seroussi, and Guillermo Sapiro(1996) “LOCO-I: A Low Complexity, Context-Based, Lossless Image Compression Algorithm”, in Proceedings of Data Compression Conference, J. Storer, editor, Los Alamitos, CA, IEEE Computer Society Press LOCO-I 简介 是一种利用Huffman编码和上下文模型的算法。 关于无损压缩 无损压缩包含两个独立的过程：建立模型和编码。 把图像中的像素按时间处理作为一维的数据，xi=x1x2…xi ,模型的目的是希望通过假定的条件概率分布p( .|xi)去推断xi+1. 在新的无损压缩算法中，概率的分配被分成三项工作： 预测，通过xi的一个子集给出xi+1的一个预测xxi+1 确定xi+1的上下文，通常为过去子序列的一个函数 给定xi+1的上下文时预测误差ei+1 = xi+1-xxi+1,的概率模型 LOCO-I的描述 预测 上下文模型 编码分布 上下文的确定 编码 Golomb-Rice编码 序列参数估计 偏差删除 嵌入字母表扩展 Causal Template for LOCO-I LOCO-I所使用的用于预测的因果模版：x是当前像素，a b c d e是其相邻像素。 预测 LOCO-I的预测是在检测水平和垂直边的存在与否基础上做出的。如果没有边，预测值为a+b-c. min( a, b) 若c=max(a,b)X的预测值= max( a, b) 若c=min(a, b) a + b - c 其它 所以预测值是三个预测值a, b, a+b-c 的中间那个 。 上下文模型 在上下文模型中，一个关键的目标是减少参数的数量，以避免上下文稀释作用”context dilution”。 编码分布 一般认为，对连续色调图像的预测误差近似地服从拉普拉斯分布。对每一个上下文，选取适当的Huffman编码表。 上下文的确定 上下文的确定从几个差值：g1=d?a; g2=a?c; g3=c?b, g4=b?e 开始，将g1,g2,g3量化成一些等概率的区域，g4由于远离预测点x，所以量化成较粗的值。 由于对称性，可以假设g1,g2,g3各量化成2R+1个区域，g4量化成2T+1个区域，TR， 所以总共有(2T+1)(2R+1)3个不同上下文，但考虑对称性：Prob{ei+1 = Δ|Ci = [q1; q2; q3; q4]} = Prob{ei+1 = ?Δ|Ci = [?q1;?q2;?q3;?q4]}，所以上下文数量减少到：((2T+1)(2R+1)3+1)/2，所以如果取R=4,T=1，总共有1094个上下文 上下文的确定（续） 由于对称上下文的合并，实际编码的误差可能是预测误差的相反数，不过这是解码器也可以预料的，所以能够正常解码。 对于每像素8位的字母表，g1,g2,g3的量化区域可以是：{0}, {1, 2}, {3, 4, 5, 6}, {7, 8, …, 14},{ e| e = 15},和它们对称的区域。g4的量化区域为：|g4| 5, g4=5, 和 g4=?5. 编码 编码 Gol