多媒体数据压缩考试要点

1、1、熵对数据压缩编码的理论意义 信源的熵是对该信源进行无失真编码的极限对信源进行无失真编码的最低码率就是该信源的熵如果对信源进行编码的码率小于信源的熵，则这种编码是有失真的2、例：某一信源X有四个符号，其出现概率为： 则该信源的熵为： = 1.75 bit/符号 平均码长L= =1/2*1+1/4*2+1/8*3= 1.75 bit/符号3、启示：只要信源不是等概率分布的，就存在无失真数据压缩的可能性。 启示：既然非负，严格上凸，且等概率时达到最大，任一pj=1时达到最小值0，那么我们可以通过某中变换 T: ，使中某一个符号发生的概率尽可能大（）使其他的尽可能小（），这将有利于压缩，这就是变换

2、编码的途径之一。 4 研究在限定失真下为了恢复信源符号所必需的编码率，简称率失真理论。5.表示输入为，输出为时，整个系统所具有的不确定程度6、7、可见，只要允许误差存在，就可以减少编码输出的字符数，降低码率。输出字符数越少，译码误差失真就越大。8、则平均失真9、10、率失真函数是在允许失真为D的条件下，信源编码给出的平均互信息量的下界。 有失真时的信源编码的逆定理当编码码率R3的一种模式。 编码方法:统计表明，对a1b1编码还不如直接对a0 a1 和a1 a2两个游程长度编码的效率高。 编码之后，a2作为下一次编码时的a0 16、第章量化编码1、量化标量量化（Scalar Quantizati

3、on)矢量量化（Vector Quantization)2、量化就是将连续取值的信号x(n)影射为离散取值的y(n)，即，使得y(n)能够很好地逼近x(n).3、两种方法给定表示值的个数，利用x的pdf来寻找最佳值均匀量化：简单容易实现非均匀量化：复杂，有一定收益选择均匀的量化器，但具有不同的量化步长更实用，JPEG/MPEG使用4、5、第五章 预测编码（Predictive Coding）1、DPCM第六章 变换编码正交变换的性质：熵保持，不丢失信息；能量保持（parseval定理）；能量重新分配；去相关性，可将高度相关的空间样值变为相关性较弱的变换系数。DCT的优点有:全实数运算,处理容易

4、;去相关能力较强,仅次于KLT变换;占用机时较多. JPEG定义了4种操作模式：基于DCT的顺序模式(Sequential encoding)；基于DCT的累进模式(Progressive encoding)；无失真模式(Lossless encoding)；次模式 (Hierarchical encoding)编码过程种类特征基于DCT的基本过程基于DCT的过程源图像 8bit/pixel顺序模式Huffman编码基于DCT的扩展过程基于DCT的过程源图像： 位或12位顺序或累进模式Huffman或算术编码c. 无失真过程预测过程源图像： p bit/pixel, 顺序模式Huffman或算

5、术编码d. 层次过程多帧使用基于DCT的扩展过程编码过程种类JPEG的目标是开发一种用于连续色调图像压缩的方法，满足四种要求：应用当时的先进图像压缩技术，图像质量好；适用于所有的连续色调图像，不受图像尺寸、色彩空间的限制具有适中的计算复杂性，适用于软硬件实现；具有四种操作模式：顺序编码累进编码无失真编码 层次编码 7层次过程把原图像的分辨率按2的倍数降低把降低的子图像采用基本过程编码将压缩数据解码，重建低分辨率图像，使用插值、滤波对其内插，幅度水平和垂直分辨率对二者的差值进行基本过程编码重复第七章序列图像编码1、静止图像编码（Still image coding)：单幅图像，设法去除图像内像素

6、之间的相关性，压缩比较低2、序列图像编码（Sequence image coding)：一系列图像组成，设法去除图像内和图像间的相关性，压缩比较高3、运动估计: 对于当前帧的某块 ,在已编码的前一帧(t-1)中找到对应块的过程。 两块在位置上的差,称为运动矢量4、块匹配的方法-I对于大小的块，其运动矢量通过寻找最小化下式而得到5、 块匹配的方法-II：全局搜索- 运算复杂 - 对噪声敏感 - 估计出的运动矢量场不平滑6、 块匹配的方法-III：N 步寻找方案 7、 块匹配的方法-IV：金字塔式寻找方案8、9、 MPEG可用于通信；在通信中对延迟又较高要求,MPEG在这方面不太注意；ITU制定了类似的标准，但- 较少的延迟 - 更高的鲁棒性 - 在较低的码率上进行了优化10、层次化语法结构语法中的每一层包括：下一层相关参数的文件头：文件大小码率编码方法运动矢量 用于同步的唯一开始码11、图片组(GOP)-I I-帧 ：单独编码；允许解码器随机解码；作为其他图片编码的参考帧 P-帧：使用混合编码器编码；作为其他图片编码的参考帧 B-帧：使用扩展的混合编码