多媒體技術(shù)量化和變換編碼和預測編碼-wenkub
2023-02-07 08:22:22 本頁面
【正文】 為兩類： (1) 標量量化： 輸入信號的所有分量使用同一個量化器進行量化，每個分量的量化都和其它分量無關(guān)，也稱為零記憶量化。 一個量化器只能取有限多個量化級，從而量化過程不可避免地會引起量化誤差。為什么要量化一般先是行程編碼，然后 Huffman編碼或算術(shù)編碼進一步提高壓縮比 216。為什么要量化通過時間軸上采樣和幅度量化將連續(xù)信號變成離散數(shù)字信號一個典型的信號壓縮系統(tǒng)如圖所示。為什么要量化通過時間軸上采樣和幅度量化將連續(xù)信號變成離散數(shù)字信號一個典型的信號壓縮系統(tǒng)如圖所示。 量化之前需要規(guī)定 量化級 ，比如 8級， 16級等216。 量化原理量化器定義 設(shè)編碼操作在 Rk上進行， X為在 Rk上給定了概率分布函數(shù)的一個隨機向量。 (2)矢量量化： 從碼本集合中選出最適配于輸入信號的一個碼字作為輸入信號的近似，這種方法以輸入信號與選出的碼字之間失真最小為依據(jù)。 量化分類 標量量化標量量化 : 均勻量化 （恒定量化步長） 非均勻量化（量化步長可變）帶死區(qū)的量化： 當 稱 為死區(qū) 均勻量化標量量化標量量化的輸入 /輸出特性采用階梯形函數(shù)的形式 帶死區(qū)的量化器標量量化非帶死區(qū)的量化器輸出代表點集 Y = {y1,y2,…, yN} 存在一種最優(yōu)分割 φ依 Y將 R劃分為 N個子空間 R1, R2, …, RN，且 Ri的區(qū)間表示為 Ri=[xi, xi+1） , i = 1, 2, …, N 如果 φ是最優(yōu)的， yi是 Ri的質(zhì)心。 重復這個過程我們?nèi)ふ?Y2, Y3, …, Ym1) 初始化，給定 N, ε 0，假設(shè)初始碼本及訓練集分別為 2) 對于 ，對 訓練集進行劃分，將訓練集分為3) 如果 停止，并令 為最終碼本4) 令 形成新的碼本 否則繼續(xù)。由于優(yōu)化分割的過程并沒有依據(jù)什么數(shù)據(jù)結(jié)構(gòu)方面的規(guī)則或限制，而是自由進行，這就使得對碼本進行有效組織時遇到了極大的困難。變換是信號實現(xiàn) 時域 和 變換域 (頻域 )映射關(guān)系的運算216。216。 變換是對信號改造和加工的過程，它有助于去除信號中冗余 （相關(guān)性）和實現(xiàn)信號 能量集中 ，正是圖像 /視頻編碼技術(shù)的理論基礎(chǔ)。 圖像 /視頻壓縮處理中常用的變換包括： 離散傅里葉變換 DFT 離散余弦變換 DCT Karhunen—Loeve 變換 KL 離散小波變換 ……216。 人們發(fā)現(xiàn)在信號滿足 一階馬爾科夫過程 時， DCT是 KL變換的很好的逼近。 靜止圖像壓縮編碼的國際標準 JPEG和視頻編碼標準 都采用了 DCT變換編碼 為什么變換216。216。KL變換的目的：去圖像的相關(guān)性216。 每個 88 的塊按照行（或列）的順序排成一個 64維 的向量 向量 的維數(shù) 定義隨機向量 使得其取值范圍為 KL變換 KL正變換 KL逆變換 A是正交矩陣， mx是向量 X的平均值 KL變換 KL正變換 KL逆變換 A是正交矩陣， mx是向量 X的平均值 如何選取 A向量 X的協(xié)方差矩陣為 Cx的特征向量和相應的特征值，特征向量已正交化處理A的定義實對稱矩陣可正交相似對角陣， Cx是實對稱矩陣不妨將特征值按照遞減的順序排列降維重構(gòu)的誤差？原圖像的重構(gòu)（無損）原圖像的降維重構(gòu)（有損）KL變換說明216。KL變換是在 最小方差意義 下最優(yōu)。離散余弦變換 (DCT)編碼原是圖像數(shù)據(jù) 變換系數(shù)后的量化表 量化后的結(jié)果離散
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1