数字音视频原理-许方敏-03c-率失真函数和量化.pptVIP

* 标量量化器的设计 量化器的设计要求，通常设计量化器有下述两种情况： 给定量化分层级数，满足量化误差最小。 限定量化误差，确定分层级数，满足以尽量小的平均比特数，表示量化输出。 标量量化又可分为: 均匀量化、非均匀量化和自适应量化 非均匀量化特性曲线 均匀量化特性曲线 * 有死区（门限）的均匀量化器 * 量化噪声（误差） 输入x与输出 x^ 之间的误差是量化过程中所固有的，称为量化误差 数字小信号失真的主要来源是量化误差 (噪声） 量化处理是多个对一个的处理过程，是个不可逆过程，有信息丢失，或者说，会产生量化噪声。 * 量化的失真测度 均值表示，设输入随机变量 x 的概率分布函数为 fX (x)。 d[x,x^] 用均方误差表示 设量化 Q = { x^i，Ri，i=1，…，M}，则平均失真 D 为: 或 * Lioyd-Max 标量量化器 问题：信号 x 的概率密度函数 pdf 为 fx(x) ，设计一个 M 个输出电平的量化器，以均方误差作为评判标准，使其最小： 结果：Lioyd-Max 最佳均方量化器（MMSE，Lioyd 1957; Max 1960） M-1 个判决门限精确地位于输出电平之间的中点。 M 个 输出电平位于 pdf 函数在两个连续判决门限之间的质心 * Max 量化器迭代设计 先给定输出电平 x^q 的初始集 q=0, 1,2,…, M-1 计算判决门限 计算新的输出电平 重复 ① 和 ②，直到失真（均方误差）不能再减少。 * 当信号 x 的概率密度函数 fx(x) 不是均匀分布时，需要采用上述的反复迭代方法设计最佳均方量化器。 这种迭代过程是比较麻烦的， Max 已经针对不同分布的 fx(x)，计算出了最佳量化电平和判决电平。在某些情况可以直接套用。 Max 量化器迭代设计 判决门限 输出电平 * Max 量化器迭代设计 * Max 量化器特性 零均值量化误差，量化误差无直流分量 量化误差和重建信号不相关，正交 方差减少 * 均匀量化器 当信号 x 的概率密度函数 fx(x) 在整个图像幅度范围内是均匀分布时，即 fx(x) 为某个常数时，上述 Lioyd-Max 最佳均方量化器的输出电平为： 判决电平仍为：（在输入区间上等间隔分布） 表明：对于均匀分布，均匀量化是最佳量化器 对应输入信号区间 (tq＋1，tq）的中值，换言之，量化电平是判决电平 tq+1 和 tq 的算术平均值。量化电平是等间隔分布的。 * 均匀量化器 当输出电平数 M 为偶数时，为中升型均匀量化器；M 为奇数时，为中平型均匀量化器。但是，两种量化器的输入输出特性曲线都是关于原点奇对称。 当输入信号具有直流分量时，总可以将其直流分量减去，再通过图示的具有奇对称特性的均匀量化器，最后将其直流分量再加上。 M M=4 M M=5 * 高分辨率量化近似 在一般高分辨率量化时，M≥32 则在信号 x 的概率密度函数 f(x) 的不同分段区间内，可用常数代替，如下图所示： f(x) 可用分段恒常数代替，每一区间均匀量化 x f(x) xi^ i xi-1 xi f(x)≈f(xi^) 均匀量化对于输入是均匀分布的信号而言是最佳量化器（MMSE）；当输入信号不是均匀分布时，也可以使用均匀量化器，只要量化级数 L 足够高，其效果近似于MMSE。与MMSE量化器相比，均匀量化器的优点是设计实现简单，可以避免求解MMSE的非线性方程组。 * 高分辨率量化近似 假设高分辨率和平坦的 pdf，Max 量化问题的近似 x 的概率密度函数 两个连续量化输出电平之间的距离 量化误差的方差的近似 输出电平的数目 * 高分辨率量化近似 高分辨率 Max 标量量化器的失真率函数 ε2 的数值 均匀 1 Laplacian 4.5 gaussian 2.721 * 熵约束的标量量化器 Max 量化器是对固定码率编码的优化，对于变字长（变码率）编码，怎样更好？ 问题：对于概率密度函数 pdf 为 fx(x) 的信号 x，设计量化器，其码率 而 结果：Lagrangian 代价函数 * 熵约束标量量化器迭代设计 先给定输出电平 x^q 的初始集 q=0, 1,2,…, M-1和相应的概率 pq。 计算 M-1 个判决门限 计算 M 个新的输出电平 重复 ② 和 ③，直到不能再减少 Lagrangian Cost。 * 矢量量化 Vector Quantization 矢量量化编码是近年来图像、语音信号编码技术中采用的一种量化编码方法。矢量量化编码方法一般是有失真编码方法。矢量量化的名字是相对于标量量化而提出的。对于 PCM 数据，一个数一个数地进行量化叫标量量化。若对这些