补充-常用压缩编码方法(共64张PPT).pptx

第五章补充常用压缩编码方法;;变换编码：属于有失真的编码。变换编码是将原始数据从初始空间或时间域进行数学变换，变换为更适合于压缩的抽象域。;分析/合成编码：

是基于某种模型的编码方法，这些模型可以是声道模型、语音模型、人体模型等。通过分析模型的具体特征，确定与之匹配的编码。;其他编码方法常见的有：

混合编码（HybridCoding）、

矢量量化（VectorQuantize，VQ）、

LZW算法等。

人工神经元网络（ArtificialNeuralNetwork，ANN）算法、

分形（Fractal）算法、小波（Wavelet）算法、

基于对象（Object-Based）的算法、

基于模型（Model-Based）的算法等。;数据压缩的性能指标;压缩速度;压缩质量;统计编码;预测编码;预测编码;预测编码非常适用于声音和图像方面的压缩。对于声音来讲，预测的对象是声波的下一个幅度、下一个音色。对于图像而言，预测的对象是下一个像点、下一条线或下一帧。声音和图像中通常都存在冗余的信号，而且在相邻的音色或相邻像点之间的相关性比较强，它们的差值比较小，这样任何音色或像点都可以通过已知样本值进行预测。对于连续的多帧图像，上下帧通常具有一些相同的部分内容，如背景和静止的物体，可以预计在一定的时间内将不会发生变化。主要对其差值进行编码，可以达到压缩的目的。;预测编码时首先要存储的是当前内容，接着以把当前内容作为样板，预测下一个信号，将预测所得的不同内容进行存储或传输，如内容相同则是数据冗余，予以剔除。这样数据量将会大幅度减少，达到压缩效果。;差分脉冲编码（DPCM)的抽样速率通常是与PCM相同，因此在编码器中的带限滤波器和解码器中的平滑滤波器基本上与PCM系统中的滤波器是一样的，但是它不是对每个采样值进行量化的，而是根据前一个样值预测下一个样值，并量化实际值和预测值之间的差值。差分脉冲编码的基本原理如下，在发送端输入的采样信号，经量化器后传送到编码器，DPCM编码器将产生不同抽样值，简单的抽样方法就是将前一个输入抽样直接存储在抽样保持电路中，并使用模拟减法器来测试抽样有无变化。如果信号有变化，则差值被量化、被编码和传输。;;ADPCM编码;ADPCM主要用于对中等质量的音频信号进行高效率压缩。例如语音的压缩、调幅广播音质的信号压缩等。CCITT的32kbit／s语音编码标准G.721采用ADPCM编码方式，每个语音样值相当于用4个二进制位进行编码。;变换编码;图像变换编码不是直接对空间域图像信号编码，而是首先将当前所表达的空间域图像信号经过变换映射到另一个正交矢量空间，将得到一系列变换系数，然后对这些变换系数进行编码处理。结果是重要的系数在变换到其他空间域后，其编码的精确度高于次重要的系数。变换本身是一种无损且可逆的技术，为了能获得更好的编码效果，忽略了一些不重要的系数，由此成为了有损的技术。;变换编码原理如下。图中，输入信号经过适当的正交变换到另一个频域空间，相关性就会明显减少，能量集中在频域的少数低频系数上，这样就达到了数据压缩的效果。如果保留频域中系数大的元素，忽略小的系数，然后辅以非线性量化来提高压缩程度，最后进行编码，可获得很高的压缩比。;ADPCM自适应差分编码，它具有自适应编码的特性，该编码包括自适应量化和自适应预测两种形式。

(b)两次二维DWT；

压缩质量的好坏与压缩算法、数据内容和压缩比有密切的关系。

基于对象（Object-Based）的算法、

如果信号有变化，则差值被量化、被编码和传输。

1988年，Daubecies在NSF的小波专题研讨会进行了讲座。

根据信源符号出现概率的分布特性进行编码，让概率大的信源符号用短码字表示，让概率小的信源符号用长码字表示，从而去除数据之间的冗余而达到压缩的目的。

1822年Fourier变换,在频域的定位最准确，无任何时域定位能力。

例如，多媒体CD-ROM的制作过程可以不是实时的，但解压缩必须是实时的，否则用户看到的就不是连续的图像。

分形（Fractal）算法、小波（Wavelet）算法、

1822年Fourier变换,在频域的定位最准确，无任何时域定位能力。

1987年,Mallat统一了多分辨率分析和小波变换，给出了快速算法。

例如语音的压缩、调幅广播音质的信号压缩等。

预测编码是一种有失真的编码，DPCM编码和ADPCM编码是两种较典型的预测编码，它们比较适用于声音和图像数据的压缩。

这些图像没有特定

的结构，左上角到

右下角有一条斜线，

它可能是由帽子和

头发之间的边线产

生的

其他编码方法常见的有：;图像傅立叶变换;图像傅立叶变换;图像傅立叶变换;图像傅立叶变换;图像傅立叶变换;图像傅立叶变换;图像傅立叶