【正文】 心理聲學(xué)模型中一個(gè)基本的概念就是聽覺系統(tǒng)中存在一個(gè)聽覺閾值，低于這個(gè)閾值的聲音信號(hào)就聽不到。 三、感知編碼 感知編碼將感知知識(shí)應(yīng)用于編碼中。樹搜索的過程是逐步求近似的過程，中間的碼字是起指引路線的作用，其復(fù)雜度比全搜索算法顯著減少，搜索速度較快。在給定速率下其復(fù)雜度隨矢量維數(shù) K 以指數(shù)形式增長，全搜索矢量量化器性能好但設(shè)備較復(fù)雜。 矢量量化中最常用的搜索方法是全搜索算法和樹搜索算法?？梢宰C明，當(dāng)信源是矢量平衡且遍歷時(shí)，若訓(xùn)練序列充分長則兩種算法是等價(jià)的。若 k=16，N=256，則比特率為 ，關(guān)鍵是碼本的建立和碼字搜索算法。衡量兩個(gè)矢量之間接近程度的度量標(biāo)準(zhǔn)可以用均方誤差準(zhǔn)則： ?? ?? kj ijji yxYXd 1 2)(),( （ ） 也可以用其他準(zhǔn)則，如： ?? ?? kj ijji yxYXd 1),( （ ） 傳輸時(shí)，只需傳輸碼字 Yi的下標(biāo) i 在接收端解碼器中，有一個(gè)與發(fā)送端相同的碼本 C，根據(jù)下標(biāo) i 可簡單地用查表法找到 Yi 作為對(duì)應(yīng) X 的近似。碼本 C是一個(gè) k維矢量的集合，即 C={Yi}，i=1， 2， … ， N，它實(shí)際上是一個(gè)長度為 N的表，每個(gè)表的每個(gè)分量是一個(gè) k維矢量，稱為搜索 傳輸矢量下標(biāo) 信道 查表 輸入矢量 回本 回本 輸出矢量 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 22 碼字。圖 編碼的原理框圖。矢量量化是一種限失真編碼，其原理仍可用信息論中的率失真函數(shù)理論來分析。在傳統(tǒng)的預(yù)測和變換編碼中，首先將信號(hào)經(jīng)某種映射變換變成一個(gè)數(shù)的序列，然后對(duì)其一個(gè)一個(gè)地進(jìn)行標(biāo)量量化編碼。 1976年子帶編碼技術(shù)首次被美國貝爾實(shí)驗(yàn)室的 R. E. Crochiere等人應(yīng)用于語音編碼。 通過頻帶分裂，各個(gè)子帶的取樣頻率可以成倍下降。而話音中的摩擦音和類似噪聲的聲音，通常出現(xiàn)在高頻子帶中，對(duì)它分配較少的比特?cái)?shù)。對(duì)每個(gè)子帶分別編碼的好處是： 分 接 譯碼 譯碼 譯碼 頻率搬移 頻率搬移 頻率搬移 帶通濾波 帶通濾波 帶通濾波 ? 1W? 2 Wm? 1fs 2fs fsm 頻率搬移 頻率搬移 頻率搬移 量化編碼 量化編碼 量化編碼 帶通濾波 帶通濾波 帶通濾波 Wm? 2W? 121s WF ?? 221s WF ?? WmF ??22s 復(fù) 用 1? 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 21 可以利用人耳（或人眼）對(duì)不同頻率信號(hào)的感知靈敏度不同的特性，在人的 聽覺（或視覺）不敏感的頻段采用較粗糙的量化，從而達(dá)到數(shù)據(jù)壓縮的目的。圖 、解碼的工作原理圖。取樣后的信號(hào)經(jīng)過量化編碼 ，并合并成一個(gè)總的碼流傳送給接收端。 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 20 第五節(jié) 其它編碼 一、子帶編碼 子帶編碼（ SBC， Sunband Coding）是一種在頻率域中進(jìn)行數(shù)據(jù)壓縮的方法。這是由于對(duì)每塊確定仿射變換時(shí)，要對(duì)整幅圖像進(jìn)行相似性搜索，因而較慢。分形編碼的主要特點(diǎn)有： 分形編碼的圖像壓縮比經(jīng)典編碼方法的壓縮比高出許多；由于分形編碼可把圖像劃分成大得多、形狀復(fù)雜得多的區(qū)分，故壓縮所得的文件的大小不會(huì)隨著圖像像素?cái)?shù)目的增加即分辯率的提高而變大。 三、分 形編碼的特點(diǎn) 分形編碼的最顯著的特點(diǎn)是自相似性（ selfsimilarity）。于是可得所謂仿射變換 )(mj? ： X(m) X(m)j即通過仿射變換)(mj?，由子圖 X(m)生成 X(m)的仿射圖 X(m)j。在總圖像的分割中，常常把同類或者相近的物體放在同一子圖中，而把不同的景物，如山脈、河流、沙漠、云霧、森林、草地等，分別置于不同的子圖中。 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 19 二、分形編碼的方法和步驟 以平面點(diǎn)集合與圖像為例，迭代函數(shù) [20]系統(tǒng)壓縮編碼大致步驟為： ① 圖像分割： 首先將原圖（集合 X或圖像）預(yù)分割（或預(yù)分解）為若干分形子圖 X(m) (m=1， 2， … ， M)，使得每一個(gè)子圖 X(m)具有一定的分形結(jié)構(gòu)，及其局部與整體之間保持某種相似特征。分形編碼以其獨(dú)特新穎的思想，成為目前數(shù)據(jù)壓縮領(lǐng)域的研究熱點(diǎn)之一。首先對(duì)圖像進(jìn)行分塊，然后再去尋找各塊之間的相似形，這里 相似形的描述主要是依靠仿射變換確定的。分形編碼法 （ Fractal Coding） 的目的是發(fā)掘自然物體（比如天空、云霧、森林等）在結(jié)構(gòu)上的自相似形，這種自相似形是圖像整體與局部相關(guān)性的表現(xiàn)。 目前，基于模型編碼進(jìn)一步的研究方向是把基于物體編碼與基于語義編碼等結(jié)合起來，取長補(bǔ)短。但因未能充分利用景物的知識(shí)，或只能在低層次上運(yùn)用物體知識(shí)，編碼效率不如基于語義方法。 對(duì)于活動(dòng)圖像的基于物體編碼系統(tǒng)的核心技術(shù)是景物的分層次描述、運(yùn)動(dòng)估值和運(yùn)動(dòng)分割。根據(jù)所假設(shè)的物體模型不同，參數(shù)集會(huì)有些變化。因此，假設(shè)模型是一個(gè)具有一般意義的模型，它既可以是二維的，也可以是三維的。對(duì)于分割后得到的每個(gè)實(shí)際三維物體，分別用一個(gè)物體模型來描述，并用該模型物體在二重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 18 維圖像平面上的投影（模型圖像）來逼近真實(shí)圖像?；谖矬w編碼不采用顯示模型，適用于處理更一般的已知或未知的物體，因此預(yù)期有更廣泛的應(yīng)用前景。目前，基于模型法還是多應(yīng)用于特定的場合，如上述的視頻電話?；?于語義常用的人臉部模型見圖 ， 圖 基于語義編碼常用的 3D人臉模型（ Candide模型） 因此，基于語義圖像編碼還不能適合于所有的視頻圖像信號(hào)。系統(tǒng)的關(guān)鍵技術(shù)是：人物頭、臉及肩部（簡稱人臉） 3D 模型的建立；運(yùn)動(dòng)參數(shù)和表情參數(shù)的估計(jì)；圖像綜合。在開始通信時(shí)，首先把雙方的基本特征（例如 3D 模型、臉 部的表面紋理等）傳輸?shù)綄?duì)方，建立一個(gè)與特定人臉匹配的 3D 模型。把許多 AU按照不同的組合方式一起發(fā)生，就形成了臉上的豐富表情。面部表情的變化（例如眨眼、張嘴）可用面部動(dòng)作編碼系統(tǒng)（ FACS， Facial Action Coding System）中的動(dòng)作單元（ AU， Action Unit）來描述。 3D線框模型由 頂點(diǎn)在 3D空間運(yùn)動(dòng)的互連多角形復(fù)合而成，將色彩信息映射到該模型上就能實(shí)現(xiàn)合成。但它僅能夠處理已知物體，并需要較復(fù)雜的圖像分析與識(shí)別技術(shù)。由于物體模型的有效性，景物中的物體能夠在語義水平描述。 一、基于語 義編碼 基于語義 [19]（ semanticbased）編碼采用顯示模型（如人物的頭肩部分）去分析和合成運(yùn)動(dòng)圖像，景物里的物體三維模型為嚴(yán)格已知。傳統(tǒng)的以像素為單位計(jì)算原始圖像與重建圖像之間 “ 逼真度 ”（如均方誤差、信噪比）不能測量幾何失真和物理失真等，從原理上講根本不適用于基于模型編碼。基于模型編碼所引起的失真已從傳統(tǒng)方法的量化誤差轉(zhuǎn)化為幾何失真，并可能進(jìn)一步轉(zhuǎn)化為物理失真或行為失真。只有這樣，在發(fā)送端才能獲得與接收端相同的綜合后的重建圖像，正變 換 量化器 編碼器 編碼信號(hào) 輸出 原始信號(hào)輸 入 解碼信號(hào)輸入 編碼信號(hào)輸入 反變 換 解碼器 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 16 并將后者與原始圖像進(jìn)行 “ 比較 ” ，以確定圖像失真是否低于 “ 某種閾 值 ” ，以便修正模型參數(shù)?；驹砣鐖D 。 基于模型圖像編碼首先由瑞典 Forchheimer等人于 1983年提出。一個(gè)例子是人類發(fā)音的 “ 清晰聲帶 — 聲道模型 ” （ The Articulatory Vocal CordVocal Tract Model），它把注意焦點(diǎn)從線性預(yù)測編碼（ LPC， Linear Predictive Coding）分析擴(kuò)展到聲道區(qū)分析，原則上為很低碼率矢量量化提供了強(qiáng)得多的定義域，并允許更好地處理聲帶 聲道的相互作用。 ，壓縮編碼的極限結(jié)果原則上 可通過那些能夠反映信號(hào)產(chǎn)生過程最早階段的模型而得到。 圖 變換編碼、解碼原理框圖 第三節(jié) 基于模型編碼 從 80年代中后期開始，科學(xué)家們開始探討基于模型的編碼，并在包括人臉圖像的編碼等應(yīng)用中使用。當(dāng)經(jīng)過正交變換后的協(xié)方差矩陣為一對(duì)角矩陣，且具有最小均方誤差時(shí)，該變換稱為最佳變換，也 稱 KarhunenLoeve變換 [18]（ KL變換）。圖 。變換編碼是一種間接編碼方法。 在變換編碼系統(tǒng)中，用于量化一組變換 樣值的比特總數(shù)是固定的，它總是小于對(duì)所有變換樣值用固定長度均勻量化進(jìn)行編碼所需的總數(shù)，所以量化使數(shù)據(jù)得到壓縮，是變換編碼中不可缺少的一步。變換本身并不進(jìn)行數(shù)據(jù)壓縮，它只把信號(hào)映射到另一個(gè)域，使信號(hào)在變換域里容易進(jìn)行壓縮，變換后的樣值更獨(dú)立和有序。如將時(shí)域信號(hào)變換到頻域，因?yàn)槁曇?、圖像大部分信號(hào)都是低頻信號(hào)，在頻域中信號(hào)的能量較集中，再進(jìn)行采樣、編碼，那么可以肯定能夠壓縮數(shù)據(jù)。小波變換是繼 DCT之后科學(xué)家們找到的又一個(gè)可以實(shí)用的正交變換，它與 DCT各有千秋，因而分別被不同的研究群體所 推崇。直到 20世紀(jì) 70年代后期，研究者發(fā)現(xiàn)離散余弦變換 DCT與 KL變換在某一特定相關(guān)函數(shù)條件下具有相似的基向量，而用 DCT的變換矩陣來做正交變換就可以節(jié)省大量的求解特征向量的計(jì)算，因而大大簡化了算法的計(jì)算復(fù)雜性。 20世紀(jì) 70年代后，科學(xué)家們開始探索比預(yù)測編碼效率更高的編碼方法。 第二節(jié) 變換編碼 預(yù)測編碼的壓縮能力是有限的。為了自適應(yīng)地選擇最佳參數(shù)，通常將信源數(shù)據(jù)分區(qū)間編碼，編碼時(shí)自動(dòng)地選擇一組預(yù)測參數(shù)，使該實(shí)際值與預(yù)測值的均方誤差最小。 ? 差分量化器 量化階調(diào)整 逆量化器 預(yù)測 器 ? ? ? ? ｙ－ bit PCM 樣本 預(yù)測 PCM 樣本 ｘ－ bit ADPCM “差值” 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 14 為了減少計(jì)算工作量，預(yù)測參數(shù)仍采用固定 的，但此時(shí)有多組預(yù)測參數(shù)可供選擇，這些預(yù)測參數(shù)根據(jù)常見的信源特征求得。而采用固定的預(yù)測參數(shù)往往又得不到較好的性能。信號(hào)的估值必須簡單，占用時(shí)間短，才能達(dá)到實(shí)時(shí)處理的目的。 自適應(yīng)量化必須有對(duì)輸入信號(hào)的幅值進(jìn)行估值的能力，有了估值才能確定相應(yīng)的改變量。它的編碼簡化框圖如圖 。它的核心想法是 ： 利用自適應(yīng)的思想改變量化階的大小，即使用小的量化階 (stepsize)去編碼小的差值，使用大的量化階去編碼大的差值。隨著變換編碼的廣泛應(yīng)用， DPCM的作用已很有限。這樣，將使圖像質(zhì)量大大下降。 ??nhH ??nhH 2:1 抽取器 1:2 差值器 編 信 譯 碼 碼 器 道 器 2:1 抽取器 1:2 差值器 ??hH ?hH ? ...... ...... HX LX HX LX 高端子帶 低端子帶 t 0 采樣時(shí)鐘 t 0 t 模擬輸入 0 ? 量化，編碼 x(0) x(1)....x(n)... t 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 13 DPCM的優(yōu)點(diǎn)是算法簡單，容易硬件實(shí)現(xiàn)，缺點(diǎn)是對(duì)信道噪聲很敏感，會(huì)產(chǎn)生誤差擴(kuò)散。 DPCM的 組成如圖 ，其中編碼器和解碼器分別完成對(duì)預(yù)測誤差量化值的熵編碼和解碼。為了壓縮數(shù)據(jù)，可以不對(duì)每一樣值都進(jìn)行量化，而是預(yù)測下一樣值，并量化實(shí)際值與預(yù)測值之間的差值，這就是 DPCM（ Differential Pulse Code Modulation，差分脈沖編碼調(diào)制）。因此，可以說量化也是一 種壓縮數(shù)據(jù)的方法。理論上，標(biāo)量量化也是矢量量化的一種特殊形式。最簡單的是只應(yīng)用于數(shù)值，稱為標(biāo)量量化，另一種是對(duì)矢量（又稱為向量）量化。圖中的 “ 量化，編碼 ” 可理解為 “ 量化階大小 (stepsize)”生成器或者稱為 “ 量化間隔 ” 生成器。PCM的編碼原理比較直觀和簡單，原理框圖如圖 。 一、脈沖編碼調(diào)制 脈沖編碼調(diào)制 [15]（ PCM， pulse code modulation）是概念上最簡單、理論上最完善的編碼系統(tǒng)。在同等精度要求的條件下，就可以用比較少的比特進(jìn)行編碼，達(dá)到壓縮數(shù)據(jù)的目的。 第一節(jié) 預(yù)測編碼 預(yù)測編碼 [14]是根據(jù)離散信號(hào)之間存在著一定關(guān)聯(lián)性的特點(diǎn)，利用前面一個(gè)或多個(gè)信號(hào)預(yù)測下一個(gè)信號(hào)進(jìn)行，然后對(duì)實(shí)際值和預(yù)測值的差（預(yù)測誤差）進(jìn)行編碼。有損壓縮編碼不具有可恢復(fù)性和可逆性，該編碼在壓縮時(shí)舍棄 冗余的數(shù)據(jù)。有損壓縮經(jīng)常用于壓縮音頻、灰度或彩色圖像和視頻對(duì)象等，因?yàn)樗鼈儾⒉灰缶_的數(shù)據(jù)。 重慶郵電大學(xué)移通學(xué)院本 科畢業(yè)設(shè)計(jì)（論文） 11 第 三 章 圖像有損壓縮的主要編碼技術(shù)