多媒体数据压缩算法研究与实现..docVIP

多媒体数据压缩算法研究与实现 摘要：多媒体数据压缩技术是实现实时有效地处理、传输和存储庞大的多媒体数据的 关键技术。 许多应用领域对多媒体信息的实时压缩提出了更高的要求， 快速、 高效的压缩算 法是解决这一问题的关键。针对多媒体数据在空间、时间、结构、视觉、知识等方面所产生 的冗余 ,利用有损压缩和无损压缩等方法 ,对图像、音频、视频等多媒体数据进行压缩 ,以保留 尽可能少的有用信息。 本文主要是 把所学的数据结构和算法设计的知识应用于实践， 对目前 普遍采用的多媒体数据及其压缩算法加以研究， 同时介绍了数据压缩所采用的分类、 方法及 其标准， 并分析每种算法的优缺点， 并据此选择设计一种多媒体数据的无损压缩算法。 并以 实例加以说明。 关键词：多媒体;压缩; 哈夫曼编码 . 1. 多媒体数据类型 1.1 文字 在现实世界中， 文字是人与计算机之间进行信息交换的主要媒体。 文字主要包括西文与 中文。在计算机中，文字用二进制编码表示，即使用不同的二进制编码来代表不同的文字。 1.2 音频 音频（Audio ）指的是20HZ〜20kHz的频率范围，但实际上“音频”常常被作为“音频 信号”或“声音”的同义语，是属于听觉类媒体，主要分为波形声音、语音和音乐。 1.3 视频媒体 能够利用视觉传递信息的媒体都是视 频媒体。位图图像、矢量图像等都是视 频媒体。 1.4 动画 动画是指运动的画面，动画在多媒体中是一种非常有用的信息交换工具。动画之所以 成为可能，是因为人类的“视觉暂留”的生理现象。用计算机实现的动画有两种，一种是帧 动画，另一种是造型动画。 2. 数据压缩基本原理 2.1 信息、数据和编码 数据是用来记录和传送信息， 或者说数据是信息的载体。 真正有用的不是数据本身， 而 是数据所携带的信息。 数据压缩的理论基础是信息论。 数据压缩技术是建立在信息论的基础 之上的。 数据压缩的理论极限是信息熵。 而信息熵有两个基本概念作铺垫， 这两个基本概念 就是信息、信息量。首先第一个概念“信息” 。 1．信息 信息是用不确定的量度定义的， 也就是说信息被假设为由一系列的随机变量所代表， 它 们往往用随机出现的符号来表示。我们称输出这些符号的源为“信源” 。也就是要进行研究 与压缩的对象。 应该理解这个概念中的“不确定性” 、“随机”性、“度量”性，也就是说当你收到一条 消息之前， 某一事件处于不确定的状态中， 当你收到消息后， 去除不确定性， 从而获得信息， 因此去除不确定性的多少就成为信息的度量。 比如：你在考试过后，没收到考试成绩（考试 成绩通知为消息） 之前，你不知道你的考试成绩是否及格， 那么你就处于一个不确定的状态； 当你收到成绩通知 （消息） 是 “及格”，此时， 你就去除了 “不及格”（不确定状态， 占 50%）， 你得到了消息——“及格” 。一个消息的可能性愈小，其信息含量愈大；反之，消息的可能 性愈大，其信息含量愈小。 2．信息量 指从N个相等的可能事件中选出一个事件所需要的信息度量和含量。 个事件中特定事件所需提问“是”或“否”的最小次数。 例如：从64个数(1~64的整数)中选定某一个数(采用折半查找算法) ，提问：“是否 大于32?”，则不论回答是与否， 都消去半数的可能事件， 如此下去，只要问6次这类问题， 就可以从64个数中选定一个数，则所需的信息量是 6 (bit) 我们现在可以换一种方式定义信息量，也就是信息论中信息量的定义。 设从N中选定任一个数 X的概率为P(x)，假定任选一个数的概率都相等， 即P(x)=1/N， 、 1 则信息量 l(x)可定义为：l(x) =log2N - -log2 log 2P(x) N 上式可随对数所用“底”的不同而取不同的值，因而其单位也就不同。 设底取大于1的整数a，考虑一般物理器件的二态性，通常 a取2，相应的信息量单 位为比特(bit );当a =e,相应的信息量单位为奈特(Nat);当a =10,相应的信息量单位 为哈特(Hart); 显然，当随机事件 x发生的先验概率 P(x)大时，算出的l(x) 小,那么这个事件发生的 可能性大，不确定性小，事件一旦发生后提供的信息量也少。 必然事件的P(x)等于1, I(x) 等于0,所以必然事件的消息报导， 不含任何信息量；但是一件人们都没有估计到的事件 (P(x) 极小)，一旦发生后，l(x)大，包含的信息量很大。所以随机事件的先验概率，与事件发生 后所产生的信息量，有密切关系。 l(x)称x发生后的自信息量，它也是一个随机变量。 现在可以给“熵”下个定义了。信息量计算的是一个信源的某一个事件( X)的自信息 量，而一个信源若由n个随机事件组成，n个随机事件的平均信息量就定义为熵 (Entropy)。 3. 信息熵 信源X