ch3多媒体数据压缩技术.pptVIP

第三章 多媒体数据压缩技术 3.1 数据压缩的基本原理 传统上用模拟方式表示声音和图象信息 易出故障，常产生噪音和信号丢失，且拷贝过程中噪音和误差逐步积累； 模拟信号不适合数字计算机加工处理。 数字化处理：巨大的数据量 采样定理: 仅当采样频率≥2倍的原始信号频率时,才能保证采样后信号可被保真地恢复为原始信号。 采用8bit数字化,从而1秒钟电视信号的数据量约为99.2Mbits。 即约为100Mbps。650MB的CD-ROM仅能存约1分钟的原始电视数据。若HDTV(1.2Gbps), 一张CD-ROM还存不下6秒钟的HDTV图象。 人说话的音频一般在20Hz到4KHz, 即人类语音的带宽为4KHz。依据采样定理, 设数字化精度为8b, 则1秒钟信号量为64Kbits。 因此, 人讲1分钟话的数据量为480KB。 数字化处理的关键问题－数据压缩 3.2压缩的基础－数据冗余 空间冗余 时间冗余 信息熵冗余 结构冗余 知识冗余 视觉冗余 其它冗余 空间冗余 这是图象数据中经常存在的一种冗余。 在同一幅图象中,规则物体和规则背景的表面物理特性具有相关性,这些相关性的光成象结构在数字化图象中就表现为数据冗余。 时间冗余 这是序列图象和语音数据中所经常包含的冗余。 图象序列中的两幅相邻的图象之间有较大的相关性,这反映为时间冗余。 人在说话时发音音频是一连续的渐变过程,而不是一个完全时间上独立的过程,因而存在时间冗余。 信息熵冗余 熵 在信息论中，熵表示的是不确定性的量度。信息论的创始人香农在其著作《通信的数学理论》中提出了建立在概率统计模型上的信息度量。他把信息定义为“用来消除不确定性的东西”。 熵在信息论中的定义如下： 如果有一个系统S内存在多个事件S = {E1,...,En}, 每个事件的机率分布 P = {p1, ..., pn}，则每个事件本身的讯息为 Ie = ? log2pi （以2为底，单位是位元(bit)） Ie = ? lnpi （以e为底，单位是纳特/nats） 例如 如英语有26个字母，假如每个字母在文章中出现次数平均的话，每个字母的讯息量为 　　I_e = -log2(1/26) = 4.7 而汉字常用的有2500个，假如每个汉字在文章中出现次数平均的话，每个汉字的信息量为 　　I_e = -log2(1/2500)= 11.3 结论：如果两个系统具有同样大的消息量，如一篇用不同文字写的同一文章，那么中文文章应用的汉字就比英文文章使用的字母要少,中文文章要短。 信息熵冗余 信息熵是指一组数据所携带的信息量,它定义为： H=-∑i=0N-1Pilog2Pi N为数据类数或码元个数, Pi为码元yi发生的概率. 为使信息编码单位数据量d接近于或等于H,应设： d=∑i=0N-1Pib(yi) 其中b(yi)是分配给码元yi的比特数, 理论上应取b(yi)=-log2Pi. 实际一般取b(y0)=b(y1)=…=b(yK-1). 例如, 英文字母编码码元长为7bit, 即b(y0)=b(y1)= … =b(yK-1)=7, 这样d必然大于H, 由此带来的冗余称为信息熵冗余或编码冗余。 结构冗余 有些图象从大域上看存着非常强的纹理结构，我们称它们在结构上存在有冗余. 例如布纹图象和草席图象 知识冗余 有许多图象的理解与某些基础知识有相当大的相关性。 例如,人脸的图象有固定的结构。比如说嘴的上方有鼻子, 鼻子的上方有眼睛, 鼻子位于正脸图象的中线上等等。 这类规律性的结构可由先验知识和背景知识得到, 我们称此类冗余为知识冗余。 视觉冗余 人类视觉系统对于图象场的任何变化,并不是都能感知的。 例如,对于图象的编码处理时,由于压缩或量化截断引入了噪声而使图象发生了一些变化,如果这些变化不能为视觉所感知,仍认为图象足够好。 事实上人类视觉系统一般分辨能力约为26灰度等级,而一般图象量化采用28灰度等级,这类冗余我们称为视觉冗余。 其他冗余 例如由图象的空间非定常特性所带来的冗余。 3.3常用的压缩技术 从信息语义角度分为“熵(平均信息量)编码”和“源编码”两种： (1)熵 (平均信息量)编码(Entropy Coding) 熵编码是一种泛指那些不考虑被压缩信息的性质的编码和压缩技术。它是基于平均信息量的技术把所有的数据当作比特序列，而不根据压缩信息的类型优化压缩。也就是说，平均信息量编码忽略被压缩信息的语义内容。 熵编码分为：重复序列消除编码 (含：消零、行程编码)、统计编码等。 3.3.1行程编码(Run Length Coding) 最简单、最古老