第6章 图像编码3PPT.ppt

(5—120) (5—122) (5—121) 对 求导，并注意到 所以 (5—123) 即 (5—124) 由线性代数理论可知 (5—125) 显然，βi 就是 CX 的特征根， 就是 CX 的特征向量。 如 CX 是对称矩阵，就可找到一个变换[T]，使 CY 成为对角形矩阵。 如果图像信源是一阶马尔可夫模型的话， 那么 将是一个Toeplitz矩阵，即 (5—126) 这是一个对称矩阵。因此，通过正交变换可以使 成为对角形矩阵。也就是说可以找到一个变换矩阵[T]而得到最佳变换结果。这就是K-L变换的核心。 （４）去相关特性。正交变换可以使高度相关的空间样值变为相关性很弱的变换系数。换句话说，正交变换有可能使相关的空间域转变为不相关的变换域。这样就使存在于相关性之中的多余度得以去除。 综上所述，由于正交变换的结果，相关图像的空间域可能变为能量保持、集中且为不相关的变换域。如果用变换系数来代替空间样值编码传送时，只需对变换系数中能量比较集中的部分加以编码，这样就能使数字图像传输或存贮时所需的码率得到压缩。 6．2．2 变换编码的数学模型分析 正交变换编码的编码过程主要是在变换域上进行。在这个基础上可以建立以下变换编码的数学模型。 设一图像信源为一向量 (5—95) 变换后输出一向量 (5—97) (5—96) 取正交变换为[T]，那么[X]与[Y]之间的关系为 由于[T]是正交矩阵，所以 (5—98) 这里[I]为单位矩阵， 是[T]的转置， 是[T]的逆。反之也有 (5—99) 也就是说在编码端利用正变换得到[Y]，在译码端可用反变换来恢复[X]。 (5—100) 如果在传输或存贮中只保留M个分量，MN，则可由[Y]的近似值 来恢复[X]。 当然 是[X]的近似值。但是只要选取得当，仍可保证失真在允许的范围内。 显然，关键问题在于选取什么样的正交变换[T]，才能既得到最大的压缩率，又不造成严重的失真。 因此，有必要研究一下由正交变换得到[Y]的统计特性。[Y]的统计特性中最为重要的是协方差矩阵。下面讨论一下正交变换后得到的[Y]的协方差矩阵采用何种形式。 当然，[X]的统计特性可以测得。 (5—101) 设图像信号是Ｎ维向量 [X] 的协方差矩阵 式中 [CX ] 是[X]的协方差矩阵， 是[X]的均值，E是求数学期望值。 (5—102) 又设变换系数向量为 (5—103) [CY] 为[Y]的协方差矩阵，所以 (5—104) 式中 是[Y]的均值。 由正交变换的定义，有 因此 式(5—105)说明，变换系数的协方差矩阵可以通过空间域图像的协方差矩阵的二维变换得到。由此可以得出结论： (5—105) 即 变换系数的协方差矩阵决定于变换矩阵[T]和空间域图像的协方差矩阵 [CX]。 而 [CX] 是图像本身所固有的，因此，关键在于寻求合适的[T]。 我们希望的两个结果: 1) 、如果 [CY] 是一个对角形矩阵，那就说明系数间的相关性完全解除了。也就是说解除了包含在相关性中的冗余度，为无失真压缩编码打下了基础。 2) 、还希望对角形矩阵中元素的能量尽量集中，以便使舍去若干系数后造成的误差不致于太大，这样，就为熵压缩编码提供了条件。综上所述，变换编码要解决的关键问题是合理地寻求变换矩阵[T]。 3 . 最佳变换问题 在研究各种变换矩阵[T]的过程中，自然要比较它们的优劣，因此，就有一个比较准则问题。下面讨论最佳变换问题。 （１） 最佳变换应满足的条件 1).能使变换系数之间的相关性全部解除； 2).能使变换系数之方差高度集中。 显然， 第一个条件希望变换系数的协方差矩阵为对角形矩阵； 第二个条件希望对角形矩阵中对角线上的元素能量主要集中在前Ｍ项上，这样就可以保证在去掉 N-M 项后的截尾误差尽量小。 （２） 最佳的准则 常用的准则仍然是均方误差准则。