数字化后视频与音频等媒体信息具有海量性.ppt

数字化后的视频和音频等媒体信息具有海量性，与当前计算机所提供的计算机存储资源和网络带宽之间有很大差距，这样对多媒体信息的存储造成很大困难。 因此，多媒体信息以压缩的形式进行存储和传播成为必要，同时因为多媒体数据之间存在大量冗余现象，如空间冗余、时间冗余、结构冗余、知识冗余、视觉冗余、图像区域的相同性冗余和纹理统计冗余，使得多媒体数据压缩成为可能。 本章主要介绍了数据压缩的基本原理和方法，以及数据压缩的编码原理和压缩标准。 ;7.1 数据压缩的基本原理和方法 ;7.1.1 数据压缩方法的分类 ;统计编码：属于无失真编码。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。;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。;其他编码方法常见的有： 混合编码（Hybrid Coding）、 矢量量化（Vector Quantize，VQ）、 LZW算法等。 还有近年来新出现的编码方法： 人工神经元网络（Artificial Neural Network，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。 ;7.1.2 数据压缩的性能指标 ;压缩速度;压缩质量 ;;7.2 统计编码 ;;事件间的统计特性与熵有这样的关系。事件发生的概率越小，则其熵值越大，表示信息量越大，而发生的概率越大，则其熵值越小。 统计编码就是根据信源符号出现概率的分布特性而进行工作的。统计编码需要在信源符号和码字之间确定严格的一一对应关系，以便准确无误地在先原来信源，同时使平均码长尽量小。统计编码对于出现概率比较高的数据分配短码，而对那些出现概率比较低的数据则分配长码。该方法使总数据量降低，达到数据压缩的目的。 常用的统计编码有LZW编码、Huffman编码和算术编码。 ;7.2.2 LZW编码 ;LZW压缩基本原理 ;LZW压缩的特点 ;7.2.3 Huffman编码 ;整个编码过程实际上建立二叉树的过程，所以编码时需要对原始数据扫描两遍，第一遍扫描要精确地统计出原始数据中的每个值出现的频率，第二遍是通过合并最小概率来建立霍夫曼树，同时还要进行编码。由于需要对多层次的二叉树节点进行编码，因此数据压缩和还原速度都较慢。 ;编码过程 ;设信号源为： x={x1，x2，x3，x4，x5} 对应的概率为： p={0.30，0.25，0.22，0.15，0.08 } 则编码过程如图7-2所示，其中第一次将0.15和0.08概率进行合并，结果为0.23。 继续此过程，历遍所有信号，直到概率和为1.0。 ;当前信号源 X1 X2 X3 X4 X5;课后习题：设输入图像的灰度级{a1,a2,a3,a4,a5,a6}出现的概率分别是 0.4、0.2、0.12、0.15、0.1、0.03。试进行哈夫曼编码，并计算平均码长、编码效率。 ;Avg= =0.30×2+0.25×2+0.22×2+0.15×3+0.08×3=2.08 ;7.2.4 算术编码 ;7.3 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。 ;预测编码常见的方法有DPCM、ADPCM、ΔM、Δ－∑M调制编码。预测编码主要采用压缩图像数据的空间冗余和时间冗余的方法，简捷且易于实现，但要求数据传输速度很高。另外，预测编码方法的压缩能力有限。为了进一步提高数据压缩的能力，可采用其它编码方法，例如变换编码。 ;差分脉冲编码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图7-3所示，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