尤其用于編碼壓縮圖像的方法，尤其通過“距離編碼器”或算術壓縮的制作方法
【技術領域】
[0001] 本發(fā)明主要涉及二進制熵編碼領域，尤其是使用"距離編碼器"型編碼模型、即使 用間隔或者算術的編碼領域。
【背景技術】
[0002] 距離編碼器類型或算術編碼器使得能夠編碼而不損失一系列符號。這些符號可以 是所有類型的，尤其是字母數(shù)字字符或者標點字符。在圖像壓縮方法的情況下，符號是數(shù)， 這些數(shù)由通常在顏色轉換之前的對所述圖像的預壓縮，例如通過差分壓縮或者小波壓縮產(chǎn) 生。
[0003] 稱為熵的二進制編碼使得能夠減少編碼信號所需的位數(shù)，在此由將編碼的一系列 符號表示，而不損失其內容。減少程度取決于符號在信號中的出現(xiàn)率。尤其，稱為"算術"和 "距離編碼器"的編碼，使用概率模型，其中每個符號與一個概率值相關。在"距離編碼器"類 型或算術編碼類型的編碼器的范圍內，編碼符號所需位的理論數(shù)值為_l〇g2(P)，其中P是該 符號在信號中的出現(xiàn)概率。
[0004] 在對符號編碼或解碼時，距離編碼器類型的編碼器或算術編碼器應當始終具有概 率模型，其包括一個或多個符號，以及其出現(xiàn)概率，至少是該當前符號的出現(xiàn)概率。使用該 符號的概率來進行編碼。為了編碼同一信號，許多概率模型是可行的。最為適宜的是信號被 壓縮最大的模型，即編碼形成的代碼權重量最小。
[0005] 為了二進制編碼性能良好，應當使得：
[0006] -解碼數(shù)據(jù)與輸入數(shù)據(jù)相同；
[0007] -壓縮數(shù)據(jù)權重量盡可能最??；
[0008] -編碼時間盡可能最短；
[0009] -編碼時間盡可能最短；
[0010]這取決于兩個主要因素：
[0011] -編碼自身，對于給定的概率P，應當在盡可能最接近-l〇g2(P)的位數(shù)上編碼符號， 如果提供相同的模型，則通過解碼可以獲得相同的符號；
[0012] -模型計算，其應當使得能夠提供最適于每個符號的模型，且盡可能最快；
[0013] 還可以對整個信號使用一個模型。因而，獲得接近Shannon熵的壓縮水平。相反地， 一些編碼器使用完全自適應模型，諸如PPMd方法，即英語："Predicion by Partial Matching(通過局部匹配進行預測），逃脫方法D"。在該情況下，隨著編碼而建立模型。這些 編碼器使得能夠獲得適于每個符號的多個模型，但是處理時間大大增長。

【發(fā)明內容】

[0014] 本發(fā)明旨在提供一種編碼方法，其使得獲得的編碼的權重量小于通常借助于唯一 模型獲得的權重量，并且其處理時間短于使用多個模型而通常獲得的處理時間。
[0015] 在多媒體壓縮的范圍內，應當說明，在信號轉變之后，例如通過所述小波方法，較 小的值通常彼此接近，而最高值也彼此接近。
[0016] 根據(jù)本發(fā)明，用于一系列符號的這種二進制熵編碼方法，使用至少兩個模型，每個 模型與一個歸屬標準相關，因此包括下列步驟：
[0017] -遍歷所述系列，以便根據(jù)所述歸屬標準，對每個符號確定其所屬于的編碼模型； 隨后，
[0018] -對于每個模型和每個符號，確定符號在模型中的出現(xiàn)概率;隨后
[0019] -通過根據(jù)每個符號所屬的模型而對每個符號相繼編碼，重新遍歷所述系列；以及
[0020] -存儲這些模型或使得能夠重建模型的信息，以及因此而獲得的二進制編碼。。
[0021 ]有利的是，預先遍歷該系列，以確定每個模型的歸屬標準。
[0022]優(yōu)選地，根據(jù)由在該系列中所述當前符號之前的一個或多個符號計算得的歸屬函 數(shù)，確定當前符號對于一個模型的歸屬。每個符號可以是數(shù)，優(yōu)選是10進制的數(shù)，歸屬函數(shù) 是在該系列中所述當前符號之前緊鄰的給定數(shù)量的參考符號的絕對值的平均值，給定數(shù)量 的參考符號優(yōu)選是四個參考符號。
[0023] 為了計算歸屬函數(shù)，有利的是，在該系列之前設置足夠數(shù)量的任意符號，每一個符 號的值優(yōu)選為零。
[0024] 模型之一的歸屬標準可以是模型所覆蓋的區(qū)間的下限值以及將先前的符號的平 均值與所述下限值進行比較。每個模型的極限值以漸增的順序排列，有利的是，當所述極限 值的值增加時，相繼兩個極限值之間的差值也增加。為了確定每個模型的極限值，可以：
[0025] -計算該系列的符號的值的平均值;隨后，
[0026] -計算該系列符號的值中的最大值和該系列符號的值的平均值之間的差值以及該 系列符號的值的平均值和該系列符號的值中的最小值之間的差值，并且從中推導出等于兩 個差值中的最大值的距離;隨后，
[0027] -計算偏差值，等于信號的每個元素和該系列的平均值之間的差的絕對值的平均 值;隨后，
[0028]-根據(jù)如下公式計算間距(E):
[0029]
[0030] 隨后，
[0031] -根據(jù)如下公式計算相繼模型中的每一個的活動平均值中的下限值：
[0032]
[0033] 本發(fā)明還涉及一種圖像、視頻或聲音類型媒介的壓縮方法，其特征在于其使用根 據(jù)本發(fā)明的編碼方法。圖像壓縮方法優(yōu)選地適用于圖像的壓縮符號，每個符號均對應于矩 陣的一個格子，該系列通過將這些符號設置成行而形成。為了將符號設置成行，對于每行， 可以在第一方向上行進一行，如仍有空間，則在與第一方向相反的方向上行進下一行。
[0034] 根據(jù)本發(fā)明另一目的，一種二進制熵解碼方法，用于使用至少兩個模型并且借助 于前述任意一項權利要求所述的方法進行編碼的一系列符號，其特征在于：
[0035] -提取編碼所使用的每個模型，
[0036] -提取或再計算這些模型中每一個的歸屬標準，以及
[0037] -使用與編碼相同的歸屬標準，借助于編碼所使用的模型來解碼每一個符號。
【附圖說明】
[0038]下文將參考隨附附圖，作為非限制性實例描述本發(fā)明的多個實施方案，在附圖中：
[0039] -圖1示出了根據(jù)本發(fā)明的方法應用于其上的一層圖像；
[0040] -圖2示出10進制的系數(shù)的子矩陣，稱為三階LH，得自于通過小波而對圖1的圖像進 行變化，隨后進行量化和舍入；
[0041] -圖3示出了將圖2的矩陣的系數(shù)設置成行的方法，以便于形成一系列符號，以采用 根據(jù)本發(fā)明的方法進行處理；
[0042] -圖4示出了表格，對每個所采用的模型給定對應的下限值；
[0043]-圖5是圖4的表格的不意圖；
[0044]-圖6所示的表格示出對應于該系列符號的10進制的所有值、對于每個值其在該系 列中的出現(xiàn)數(shù)以及因此在單一模型的范圍內的概率；
[0045]-圖7是圖6的表格的不意圖；以及
[0046]-圖8的表格示出了每個值在每個模型中的出現(xiàn)數(shù)。
【具體實施方式】
[0047]為了說明根據(jù)本發(fā)明的方法的一個例子，使用原始圖像，其像素設置成320列、240 行，并且使用三個分量R(紅）、G(綠）、（藍)而編碼。該圖像隨后被進行Y、Cb、Cr類型的顏色變 換。圖1以圖像的形式示出了得自于該顏色變換的亮度分量Y。
[0048]首先在圖1上應用使用定點數(shù)的二維的小波變換CDF5/3。圖2示出了稱為三階LH的 子矩陣的矩陣LHQ，其通過小波變換得到，隨后對其進行系數(shù)等于3、53的量化，隨后將其舍 入為最接近的整數(shù)。對于每階該小波變換在兩個維度實施:垂直通道，隨后是水平通道。垂 直小波變換產(chǎn)生了稱為細節(jié)的矩陣或矩陣H，以及稱為近似的矩陣或矩陣L。對矩陣L應用水 平小波通道，形成細節(jié)矩陣LH和近似矩陣LL。對矩陣H應用垂直小波通道，形成兩個細節(jié)矩 陣HL和HH。隨后，對相繼的近似矩陣LL循環(huán)地應用新階的小波。同樣，第三階矩陣LH是在3階 小波期間獲得的LH類型的矩陣。一旦獲得矩陣LH，使用因子3、53進行量化，隨后對這些值進 行舍入以獲得矩陣LHQ。
[0049] 矩陣LHQ包括40列和30行，即1200個值，每個對應于將編碼的一個符號。為了應用 根據(jù)本發(fā)明的處理，設置1200個值成行，即形成1200個值的系列S。在所示實例中，如圖3中 所示設置成行，矩陣LHQ的第一行從左向右行進，隨后第二行從右向左，以便于使得在系列S 中，矩陣LHQ的第一行的最后一個值之后是第二行的最后一個值。更一般地，一行在一個方 向上行進，而下一行在反向上行進。還獲得由N個符號Sn的系列形成的信號，η是從1變化到N 的整數(shù)，其中N= 1200,每個符號Sn具有標注值V(n)。
[0050]在所示的實例中，為了確定將應用至信號S的模型，首先對該信號進行分析。
[0051 ]首先根據(jù)公式計算信號的所有值的算術平均值M:
[0052]
[0053] 隨后確定最小值Min[V(n)]和最大值Max[V(n)];即，在所示的實例中：
[0054] Min[V(n)]=-42
[0055] Max[V(n)]=35
[0056] 從中推導出距離D，其中D等于平均值M與信號最小值Min[V(n)]的差值和信號最大 值Max[ V(η)]與平均值M的差值中的最大值;即，在所示的實例中：
[0057 ] D =距尚=max (平均值-最小值;最大值-平均值）
[0058] =max( (-0.07833)-(-42); 35-0.07833)
[0059] =41.9216
[0060] 隨后計算這些值在平均值M附近的偏差DV，即平均離散差。該離散差計算為每個符 號Sn的值V(n)和平均值M之間的差的絕對值的平均值;即，在所示的實例中：
[0061]
[0062]隨后計算模型之間的距離E。在所示的實例中，根據(jù)下式計算該距離。
[0063]
[0064] 有利地是2,將編碼的信號越大，模型的數(shù)量越多。這指的是輸入?yún)?shù)能夠取決于 信號中存在的信息量。在所示的實施例中，選擇使用5個模型。
[0065] 對于號碼為0至4的每個模型，確定下限，根據(jù)該下限，符號將歸屬于這個模型。優(yōu) 選地，模型涉及的變量越小，閾值彼此越接近。同樣地，限定下式用于在實例范圍內計算每 個模型的下限：
[