圖像編碼中上下文量化問(wèn)題的研究.pdf

1、基于上下文的熵編碼在圖像編碼系統(tǒng)中扮演著重要的角色，它充分地利用了各符號(hào)之間的相關(guān)性，使圖像的壓縮性能大大提升。上下文量化是上下文熵編碼的最重要組成部分，它解決了熵編碼中上下文過(guò)多的問(wèn)題。上下文量化的準(zhǔn)則是相對(duì)熵最小?，F(xiàn)階段，上下文量化只有GLA和動(dòng)態(tài)規(guī)劃兩種算法。 本文對(duì)上下文量化的GLA算法進(jìn)行了深入的研究，指出GLA算法對(duì)初始碼本比較敏感，容易陷入局部最小值，并采用簡(jiǎn)化的隨機(jī)松弛算法來(lái)解決GLA算法受初始碼本影響的問(wèn)題；此

2、外本文還根據(jù)動(dòng)態(tài)規(guī)劃算法的性質(zhì)，減少了GLA算法冗余計(jì)算量。實(shí)驗(yàn)結(jié)果表明，本文提出的GLA改進(jìn)算法能夠在基本沒(méi)有增加算法復(fù)雜度的前提下，較大幅度地減少量化誤差。 本文首次把遺傳算法和模擬退火算法應(yīng)用于上下文的量化。遺傳算法是一種區(qū)域搜索與空間擴(kuò)展相結(jié)合的算法，其量化誤差介于區(qū)域搜索(如GLA算法)和全局搜索算法(如動(dòng)態(tài)規(guī)劃算法)之間。針對(duì)遺傳算法容易過(guò)早收斂和進(jìn)化后期搜索效率較低的缺點(diǎn)，本文把模擬退火算法與遺傳算法結(jié)合使用，利用

3、退火溫度T控制搜索過(guò)程朝著最優(yōu)化的方向進(jìn)行，同時(shí)根據(jù)Metropolis準(zhǔn)則，以一定的概率接受某些劣解，以便跳出局部極小值的陷阱。實(shí)驗(yàn)結(jié)果表明：遺傳退火算法的量化誤差比GLA算法的減少了大約1/4，與動(dòng)態(tài)規(guī)劃算法的結(jié)果非常相近，而耗費(fèi)時(shí)間不到動(dòng)態(tài)規(guī)劃算法的1/7。 本文還把SOM算法應(yīng)用于上下文量化。實(shí)驗(yàn)結(jié)果表明，用SOM算法進(jìn)行上下文分類(lèi)的量化誤差也遠(yuǎn)遠(yuǎn)小于JPEG2000的結(jié)果，而且SOM算法的速度非常快，將來(lái)可以運(yùn)用到在線