- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
北京邮电大学信息与通信工程学院多媒体技术中心 北京邮电大学信息与通信工程学院多媒体技术中心 信息与通信工程学院多媒体技术中心 数字音视频原理 Principle of Digital Video Audio 第 3 讲 数字视频取样 数字视频压缩技术 数字视频压缩标准 * 本节内容 3 - 数字音视频取样、压缩和标准 DPCM 1)DPCM 原理、失真、增益和 R(D) 2)帧内 DPCM 3)DPCM 编解码器的稳定性 4)自适应帧内-帧间 DPCM 5)有条件的补充 * 预测编码的基本原理 预测编码( Prediction Coding )是统计冗余数据压缩理论的三个重要分支之一,用预测编码减少数据时间和空间的相关性。 如果模型能够精确的产生数据源,数据源就不需要传输了。 模型 → 利用以往的样本数据 → 对新样本值进行预测 → 将预测值与实际值相差,进行编码 → 这时差值很小,可以减少编码码位。 DPCM 差分脉冲编码调制 Differential Pulse Code Modulation * 无失真的预测熵编码(回顾) 预测+熵编码:更有效减少视频信号冗余 预测编码器: S0 是原始信号 S 的当前样值。 是用先前样值 S0、 S2、…. SN 对 S0 的预测。 e 是预测差值,大大减少相邻样值间的统计相关性。 接收机能无失真地重建 S。 注意:图中的 Coder 是无失真的编码器。 无失真压缩倍数有限 S2 S3 S4 S1 S0 TL TP * DPCM 编/解码原理图 预测差值 重建信号 重建误差 = 量化误差 DPCM 的一个重要方面是预测基于输出(量化后的样值)而不是输入(未量化的样值)。预测器位于量化器所在的反馈环中,以便量化误差在随后的处理中反馈给量化器,防止重建信号的 DC 漂移和误差积累。 内嵌解码器 * DPCM 编码器中量化误差反馈 假设是线性预测器,DPCM 编码器等效于下列结构: 预滤波器的传输函数: 线性预测器的传输函数 量化误差反馈环路的传输函数: q(e)=e’-e * DPCM 量化误差的功率谱 量化误差 q 的功率谱密度(具有 16 级电平量化器的帧内 DPCM) * DPCM 编码的量化噪声(信号失真) 颗粒噪声 (Granular Noise):图象平坦部分处的随机噪声; 边缘忙乱 (Edge Busyness):视频边界处的抖动现象。量化步长大于信号幅度大小的变化,故不能准确反映这种小的幅度变化; 斜度过载 (Slope Overload):边界产生模糊,周期结构的波纹图案。信号幅度变化的斜率大,量化步长小,故不能准确反映这种大斜率的幅度变化。或者当输入信号幅度为无界 (-∞,+∞)或很大 时,在两头会产生过载。 边缘忙乱 斜率过载 量化粗细决定颗粒和边缘噪声 量化器最大输出决定过载噪声 * 帧内 DPCM 编码举例 * 高分辨率标量量化器的性能(回顾) 高分辨率标量量化器的失真率函数 ε2 的数值 Shannon LowBd Lioyd-Max Entropy-coded 均匀 0.703 1 1 Laplacian 0.865 4.5 1.232 gaussian 1 2.721 1.423 * 预测编码的增益 DPCM 的失真率函数: 预测差值的方差 预测增益: 对于 N 维信号,频谱密度 Φxx(Ω) 决定能够达到的预测差值的最小方差: * Gauss-Markov-1 源的预测编码的增益 考虑 1D 高斯一阶Markov过程,其相关系数为 ρ。 自相关函数 预测增益: * Gauss-Markov-1 源的 R-D 曲线 线性预测器阶数: N=1 a = 0.9 熵约束的标量量化器,Huffmman VLC 采用迭代设计算法 * 预测差值图象举例:Test Pattern * 预测差值图象举例:Cameraman * DPCM 差值图象的直方图 *
文档评论(0)