专利名称：一种dct域变换系数码率分配方法
技术领域：
本发明涉及数据压缩领域，特别是一种一维或者二维DCT(Discrete CosineTransform，离散余弦变换)域变换系数码率分配方法。
背景技术：
1.码率分配在数据压缩中，码率分配是一个常常遇到的重要问题。码率分配是指将预先给定数量的码率在一组数据单元之间进行最优的分配，使得在每个数据单元分别用其所分配的有限码率进行表示时，最小化所产生的总失真。取决于码率分配方法的应用场合，数据单元可以是随机矢量中的一个独立或者不独立分量、一个正交变换系数、图像中的一个对象、视频序列中的一个或多个帧等等。在一般的编码系统中，总失真通常采用和失真的形式，也就是总失真是所有数据单元的失真之和。表示每个数据单元所使用的码率和在该码率下产生的最小失真之间的关系的函数称为该数据单元的率失真函数。码率分配问题的一个例子可见文献[8]。
上述优化码率分配问题有着与其对偶的优化失真问题，也就是在给定总失真后，确定一组数据单元所需要的总码率和码率分配方案，使得在不超出总失真的情况下最小化所需要的总码率。显然这一对偶问题与上面的码率分配问题是等价的，对两者的研究将得到同样的结论。
文献[1]中首先提出并解决对于一组相关的高斯随机变量的变换域码率分配问题。文献[2]对这一问题作了进一步的分析，给出了在变换域各个分量的率失真函数具有凸性的情况下该问题的解析解。文献[3]在变换编码框架下阐述了这一问题。文献[4]给出了在数据单元的率失真函数并不具有凸性并且为离散的情况下的一般的优化码率分配方案。文献[5]研究了在MPEG和多分辨率图像编码中，数据单元的率失真函数之间不独立时的优化码率分配方案。此外，在考虑到编码器延迟、缓冲、传输信道容量的约束(参见文献[6]、[7])等等的情况下，将带来新的不同约束下的码率分配问题。
2.基于均方失真的码率分配所带来的问题由于均方失真便于计算和优化，在上面提到的码率分配问题中都采用了这一失真准则作为各个数据单元以及压缩系统整体的失真度量准则。均方失真是所有被有损压缩的数据单元的失真的平均值。如果该平均值较小，那么在一定程度上可以认为压缩系统的失真性能达到了给定的要求。然而，均方失真是一种全局的失真度量，从已知的均方失真中完全无法得到有关单个数据单元的失真的任何信息。如果各个数据单元的失真分布不均匀，那么很可能出现有些数据单元的失真很大的情况，这使得压缩系统的失真性能仍然表现不佳。关于这一情况可以参见图1，引自文献[9]的图2。
出于对以上均方失真准则的缺点的考虑，有研究者对在其他失真准则下的码率分配问题进行了研究。文献[10]采用最小化所有数据单元的最大失真的准则研究了在数据单元的率失真函数之间具有一定的依赖关系时的码率分配问题。文献[11]采用“字典准则”对MPEG中的视频序列码率分配问题进行了研究。文献[12]研究了在对图像进行预测编码和子带编码时，直接利用空间域的最大失真作为准则对预测误差和图像的子带进行码率分配的问题，其中所采用的数据单元的率失真函数具有严格的指数关系。
3.DCT变换及对变换系数的量化一维序列x(n)，n＝0，1，ΛN-1的DCT变换及逆变换分别为X(k)=ckΣn=0N-1x(n)cos(2n+1)kπ2N]]>x(n)=Σk=0N-1ckX(k)cos(2n+1)kπ2N]]>其中c0=1/N,ck=2/N,1≤k≤N-1.]]>二维序列x(m，n)，m＝0，1，Λ，M-1，n＝0，1，Λ，N-1的DCT变换及逆变换为X(k,j)=ckcjΣm=0M-1Σn=0N-1x(m,n)cos(2m+1)kπ2Mcos(2n+1)jπ2N]]>x(m,n)=Σk=0M-1Σj=0N-1ckcjX(k,j)cos(2m+1)kπ2Mcos(2n+1)jπ2N]]>其中ck和cj的意义同上。变换得到的X(k)以及X(k，j)被称为DCT变换系数。由于DCT变换具有良好的去相关性，通常可以近似认为这些变换系数之间是不相关的。
在变换编码中，为了达到更高的压缩比，常常需要对变换系数进行有损的均匀量化。以 代表对一维变换系数X(k)进行均匀量化后的重建值，其失真e(k)表示为e(k)=X^(k)-X(k)]]>假定对该变换系数进行均匀量化的步长小于该系数的标准差，也就是Δk＜σk，那么可以认为e(k)独立于X(k)并且具有在[-Δk/2，Δk/2]上的均匀分布(见文献[13])，因此e(k)的方差为Δk2/12。此时对于该均匀量化过程可以使用附图2所示的加性噪声模型来建模。以上的过程对二维DCT变换同样也是适合的。
4.DCT域的码率分配问题DCT变换被广泛地使用于图像和视频数据压缩中。由于DCT变换是一种正交变换，因此文献[3]中的码率分配方法也可用于对DCT域变换系数进行码率分配以使得对变换系数进行有损量化时所产生的总失真最小。值得指出的是，如果所有DCT域变换系数的率失真函数均满足严格的指数关系，那么最优的码率分配将使得空问域的所有重建数据的失真都等于总的均方失真(参见文献[3])。然而，由于高频DCT系数的能量很小，因此分配的码率也很小甚至为零，这使得严格的指数率失真函数对这些高频DCT系数并不成立。如果仍然使用均方失真作为码率分配的失真准则，将必定造成空间域重建失真分布不均匀的现象(参见文献[9])，同样可以参见附图1。由于较大的失真出现在图像块的边缘部分，在基于DCT的图像数据压缩中，这一问题使得压缩图像中存在明显的块效应。显然，如果使得重建数据的失真分布比较均匀，那么可以避免这一现象。这一问题需要通过在新的失真准则下进行最优的码率分配来解决。
发明内容
本发明所要解决的技术问题是通过对DCT变换域量化失真和空间域重建失真之间的关系的分析和应用，采用空间域重建失真绝对值的最大值为失真准则，在一维或者二维DCT域变换系数之间最优地分配码率。
本发明解决上述技术问题的技术方案是在进行基于DCT变换的有损数据压缩时，采用空间域重建失真的绝对值为失真准则，通过对空间域所有数据的重建失真进行控制，在一维或者二维DCT变换所得到的变换系数之间实现最优的码率分配。
本发明在对DCT域变换系数进行最优码率分配时，不使用均方失真作为失真准则，而是直接对空间域所有数据点的重建失真进行控制，因此具有以下显著的效果其一.所得到的码率分配方案使得空间域所有数据的重建失真绝大部分位于一个预先给定的范围之内，从而极大地避免了在均方失真准则下的码率分配方案所导致的空间域重建失真分布不均的现象。
其二.本发明可以使用离散和连续表示的对DCT域变换系数进行均匀量化时的率失真关系。这使得在理论分析和实际压缩性能分析中本发明都是适用的。
其三.在对遥感影像、医学影像、科学数据等进行基于DCT变换的有损压缩时，由于这些数据精度较高并且对压缩所引起的重建失真有着很严格的要求，仅仅对平均的重建失真作出限制是不可行的。而在本方法的基础上则可以构建能够精确地将失真控制在指定范围内的高性能有损压缩方案。
图1图像压缩中产生的空间域不均匀的失真分布。
图2对DCT域变换系数进行均匀量化的加性噪声模型。
图3DCT域变换系数的实际率失真函数示例。
图4为某个DCT域变换系数的直方图。
图5为该DCT域变换系数的KS检验值。
图6显示了MSE准则及本方法下的码率分配方案所产生的空间域失真方差。其中左边深色的为本方法，右边浅色的为MSE准则。
图7显示了MSE准则及本方法下的码率分配方案所产生的频率域失真方差。其中左边深色的为本方法，右边浅色的为MSE准则。
图8显示了MSE准则及本方法下的码率分配方案。
具体实施例方式
下面结合实施例及附图对本发明作进一步说明。
本发明是一种DCT域变换系数码率分配方法，其采用空间域重建失真绝对值为失真准则，通过对空间域所有数据点的重建失真进行控制，在一维或者二维DCT域变换系数之间实现最优的码率分配。具体步骤如下1.确定空间域重建误差的最大允许方差∑在空间域，令重建失真的绝对值小于t的数据占全部数据的比例为p％，作为直接在空间域进行约束的失真准则，并且根据t和p的值，按照所有空间域重建失真均为服从正态分布的零均值随机变量，计算其最大允许方差∑。其方法是按照正态分布的分布函数性质有1-Φ(t/Σ)=(1-p/100)/2]]>其中Φ(·)为标准正态分布的分布函数。由上式即可确定∑的值。
2.DCT变换对所有需要进行处理的数据进行一维或者二维DCT变换，得到与数据具有相同维数的变换系数，这些数据是一个具有N个分量的一维矢量，或是一个N×N的二维块，并且设定N是2的整数次幂。
3.由实验确定DCT域变换系数的实际率失真函数，得到离散实际率失真函数当仅仅是对一组特定的具体数据进行基于DCT变换的有损压缩时，需要通过实际的均匀量化过程来获得DCT域变换系数X(k)的量化步长与量化失真、量化输出熵之间的关系，此时每个X(k)都是有限的一组数。这些关系将被用于后续的优化码率分配算法中。
首先选定一个合适的S值。该S值可以看作是对所有DCT域变换系数X(k)进行量化时的最小步长，因此可以选为与σk2中的最小值相关的一个值，例如，可以令S=minσk2/2.]]>然后确定每个X(k)的量化步长SΔk的范围，也就是使得pk≤Δk≤qk的pk和qk的值，这里Δk、pk和qk均为正整数。这些值一般根据应用对重建精度的要求而确定。
最后，对每个X(k)使用量化步长SΔk进行均匀量化，计算所得到的量化失真Dk(Δk)以及量化输出熵Rk(Δk)。由以上两个函数进一步得到每个DCT域变换系数的实际率失真函数Dk(Rk)，表示在对变换系数X(k)进行均匀量化时当量化器输出熵为Rk时的量化失真Dk，将这些结果记录下来就得到了所需要的若干离散函数。这些函数的一个例子可见附图3。
4.首先对DCT域变换系数进行统计建模，然后由统计分布得到连续理论率失真函数采用DCT变换进行压缩的数据内部往往具有较强的相关性，如图像和视频序列等等。但是，这些数据也往往是非平稳的，并且很难直接用简单的统计模型来描述。与之相反，由于相关性的存在，使得对这些数据进行DCT变换所得到的变换系数具有较好的统计性能并易于使用常见统计分布进行建模。
为了确定DCT域变换系数所服从的统计分布，本发明采用了Kolmogorov-Smirnov非参数检验方法，以下简称KS检验。预先给定一组数X＝{x1，x2，Λ，xM}，KS检验将累积概率密度函数FX(·)与一个给定的已知概率分布的分布函数F(·)进行比较。累积概率密度函数由下式定义FX(z)=0,z<x(1)nM,x(n)≤z<x(n+1),n=1,2,Λ,M-11,z≥x(M)]]>其中x(n)，n＝1，Λ，M是数集X的顺序统计量。KS检验统计量t是累积概率密度函数和给定的分布函数的距离测度，其中距离由在同一点xi取值的FX(·)和F(·)之间的最大差异来定义t=maxi=1,2,Λ,M|FX(xi)-F(xi)|]]>本发明采用KS检验方法检验DCT域变换系数的经验分布与几种常见分布，如正态分布、拉普拉斯分布、Γ分布等等的相似程度。对每个DCT域变换系数X(k)，选取KS检验统计量最小的统计分布进行建模，并记录分布类型和参数；对于自然图像的DCT域变换系数的统计分布的研究的类似方法参见文献[14]。
当确定了DCT域变换系数所服从的统计分布之后，根据已有理论即可得到对该系数进行均匀量化时量化步长、量化失真和量化器输出熵之间的关系。文献[15]表明对具有光滑的概率密度函数的随机信号，在所有标量量化方案中均匀量化的输出熵是最小的。当均匀量化的量化步长小于该随机信号的标准差时，其量化步长、量化失真和量化器输出熵之间的关系分别是D~(Δ~)=Δ~2/12]]>R~(Δ~)=12log2(ϵ2·σX2D~)=12log2(12ϵ2·σX2Δ~2)]]>上式中σx2是随机信号的方差，ε2是一个仅与随机信号所服从的分布有关的量，对于正态分布，ε2＝1.4。
当量化步长接近于随机信号的标准差时，上面的关系将不再成立，这时需要用[2]和[16]中的结果进行近似。
由以上可以得到对各个DCT域变换系数进行均匀量化时的理论量化步长-失真函数 和理论量化步长-输出熵函数 其中Δ~k>0]]>为正实数。 和 分别表示在对服从特定分布的DCT域变换系数X(k)采用步长 进行均匀量化时得到的理论失真和理论输出熵。由以上两个函数同样可以进一步得到每个DCT域变换系数的理论率失真函数 对于给定的分布，上述函数的形式都是确定的，并且都是连续的几乎处处可微函数。
5.构建优化码率分配问题首先必须由DCT变换关系式导出DCT域变换系数的量化失真和空间域重建失真之间的关系。空间域重建信号是通过对DCT域重建系数的逆DCT变换得到的。以 代表一维序列的空间域重建信号，则有x^(n)=Σk=0N-1TnkX^(k)=Σk=0N-1Tnk[e(k)+X(k)]]]>=Σk=0N-1TnkX(k)+Σk=0N-1Tnke(k)=x(n)+Σk=0N-1Tnke(k)]]>其中Tnk=ckcos(2n+1)kπ2N·]]>以ε(n)表示空间域重建误差信号，那么有ϵ(n)=x^(n)-x(n)=Σk=0N-1Tnke(k)]]>这表明ε(n)是e(k)的线性组合。由于e(k)都是服从均值为零的均匀分布的随机误差信号，因此由中心极限定理知ε(n)为正态随机误差信号(参见文献[9])，其均值为零，方差为E{ϵ2(n)}=Σk=0N-1Tnk2E{e2(k)}]]>这表明ε(n)的方差也是e(k)的方差的线性组合，但是其系数则不同于前面提到的线性组合的系数。这样的线性关系对于二维DCT变换也是一样成立的，但是其线性组合系数会有所不同。
根据以上所得到的DCT域变换系数的量化失真和空间域重建失真之间的关系，在空间域重建失真的最大方差不得超出∑的约束下，构建优化码率分配问题。该问题可以表达为在基于DCT的变换编码系统中，令空间域所有重建失真的绝对值小于t的数据占全部数据的比例不小于p％，最小化DCT域所有变换系数的输出熵之和。由前面所述，在一维DCT变换的情况下，这一问题就是minΣk=0N-1Rk(Δk)]]>s.t.Σk=0N-1Tnk2Dk(Δk)≤Σ]]>在采用离散实际率失真函数的情况下。或者minΣk=0N-1R~k(Δ~k)]]>s.t.Σk=0N-1Tnk2D~k(Δ~k)≤Σ]]>在采用连续理论率失真函数的情况下。
以上都是多约束极值问题，约束的数量均为N，但是优化变量的取值范围不同。在离散的情况下，Δk取预先给定范围[pk，qk]内的整数；在连续的情况下， 取正实数。在二维DCT变换的情况下仍可以构建类似的多约束极值问题，这里不再给出。
6.求解优化码率分配问题本发明采用文献[17]中的广义拉格朗日方法来求解上面的优化码率分配问题。首先构造拉格朗日乘子函数Σk=0N-1Rk(Δk)-Σn=0N-1λnΣk=0N-1Tnk2Dk(Δk)]]>以及Σk=0N-1R~k(Δ~k)-Σn=0N-1λnΣk=0N-1Tnk2D~k(Δ~k)]]>其中λn为拉格朗日乘子。如文献[17]中的定理1所述，对于一组特定的拉格朗日乘子{λn}，n＝0，1，Λ，N-1最小化上面的无约束拉格朗日乘子函数，将得到在对应的约束值下的约束最小化问题的解。调整λn的值使得无约束拉格朗日优化问题所得到的约束值等于原约束最小化问题中的约束值，则得到原约束最小化问题的解。
如果直接在所有以上的可能{λn}取值上进行穷尽搜索以得到最优解，那么上述优化问题的计算量将很大。为了减少该问题的计算量，本发明采用了如下的两个方法■利用DCT变换频率域与空间域噪声方差之间的关系，减少约束数量。
■利用该多约束问题的结构，将多约束问题转化为一系列的单约束问题，然后顺序求解以得到原问题的解。
以上的具体求解过程这里不作详细介绍。
利用本方法进行最优码率分配的一个例子见附图5。在该例子中，分别利用本方法和在MSE准则下利用文献[2]中的算法对一组服从正态分布的DCT域变换系数进行了码率分配，其中N＝16。在总码率相等的情况下，本方法所产生的空间域重建失真的方差分布要均匀得多。
7.将对优化问题求解得到的所有DCT域系数的均匀量化输出熵相加得到总码率，该总码率是在所有重建数据的p％具有绝对值小于t的失真的情况下所需要的最小总码率。
参考文献[1]J.J.Huang and P.M.Schultheiss，“Block quantization of correlated Gaussian randomvariables，”IEEE Trans.Commun.，vol.11，pp.289-296，Sept.1963. A.Segall，“Bit allocation and encoding for vector sources，”IEEE Trans.Inform.Theory，vol.IT-22，pp.162-169，Mar.1976. N.S.Jayant and P.Noll，Digital coding of waveforms.Englewood Cliffs，NJPrentice-Hall，1984. Y.Shoham and A.Gersho，“Efficient bit allocation for an arbitrary set of quantizers，”IEEETrans.Acoust.，Speech，Signal Proc.，vol.36，pp.1445-1453，Sept.1988. K.Ramchandran，A.Ortega，and M.Vetterli，“Bit allocation for dependent quantizationwith applications to multiresolution and MPEG video coders，”IEEE Trans.Image Proc.，vol.3，pp.533-545，Sept.1994. A.Ortega，K.Ramchandran，“Rate-distortion methods for image and video compression，”IEEE Signal Proc.Magazine，vol.15，no.6，pp.23-50，Nov.1998. J.-J.Chen and D.W.Lin，“Optimal bit-allocation for coding of video signals over ATMnetworks，”IEEE Trans.Selec.Areas Commun.，vol.15，no.6，pp.1002-1015，Aug.1997. N.Kamaci，Y.Altunbasak，and R.M.Mersereau，“Frame bit allocation for the H.264/AVCvideo coder via Cauchy-density-based rate and distortion models，”vol.15，no.8，pp.994-1006，Aug.2005. M.A.Robertson and R.L.Stevenson，“DCT quantization noise in compressed images，”IEEE Trans.Curcuits Syst.Video Technol.，vol.15，no.1，pp.27-38，Jan.2005. G M.Schuster，G Melnikov，and A.K.Katsaggelos，“A review of minimum maximumcriterion for optimal bit allocation among dependent quantizers，”IEEE Trans.Multimedia，vol.1，no.1，pp.3-17，Mar.1999. D.T.Hoang，E.L.Linzer and J.S.Vitter，“Lexicographic bit allocation for MPEGvideo，”Journ.Visual Commun.Image Represent.，vol.8，no.4，pp.384-404，Dec.1997. L.Karray，P.Duhamel，and O.Rioul，“Image coding with anL∞norm and confidenceinterval criteria，”IEEE Trans.Image Proc.，vol.7，no.6，pp.621-631.Jun.1998. A.B.Sripad and D.L.Snyder，“A necessary and sufficient condition for quantizationerrors to be uniform and white，”IEEE Trans.Acoust.Speech SignalPr oc.，vol.ASSP-25，no.5，pp.442-448，Oct.1977. R.C.Reinnger and J.D.Gibson，“Distributions of the two-dimensional DCTcoefficients for images，”IEEE Trans.Commun.，vol.COM-31，no.6，pp.835-839，Jun.1983. H.Gish and J.N.Pierce，“Asymptotically efficient quantizing，”IEEE Trans.Inform.Theory，vol.IT-14，no.6，pp.676-683，Sept.1968. J.Max，“Quantization for minimum distortion，”IEEE Trans.Inform.Theory，vol.IT-6，no.2，pp.7-12，Mar.1960. H.Everett，“Generalized Lagrange multiplier method for solving problems of optimumallocation ofresources，”Oper.Res.，vol.11，pp.399-417，1963.
权利要求
1.一种DCT域变换系数码率分配方法，DCT是离散余弦变换的英文缩写，其特征是在进行基于DCT变换的有损数据压缩时，采用空间域重建失真的绝对值为失真准则，通过对空间域所有数据的重建失真进行控制，在一维或者二维DCT变换所得到的变换系数之间实现最优的码率分配。
2.根据权利要求1所述的DCT域变换系数码率分配方法，其特征是在一维或者二维DCT域变换系数之间实现最优的码率分配时，采用如下的步骤(1)确定空间域重建误差的最大允许方差∑在空间域，令重建失真的绝对值小于t的数据占全部数据的比例为p％，作为直接在空间域进行约束的失真准则，并且根据t和p的值，按照所有空间域重建失真均为服从正态分布的零均值随机变量，计算其最大允许方差∑，(2)DCT变换对所有需要进行处理的数据进行一维或者二维DCT变换，得到与数据具有相同维数的变换系数，这些数据是具有N个分量的一维矢量，或是N×N的二维块，并且设定N是2的整数次幂，(3)由实验确定DCT域变换系数的离散的实际率失真函数，(4)对DCT域变换系数进行统计建模，根据其服从的统计分布得到连续的理论率失真函数，(5)构建优化码率分配问题根据DCT域变换系数的量化失真和空间域重建失真之间的关系，在空间域重建失真的最大方差不得超出∑的约束下，构建优化码率分配问题；该优化问题中的优化变量是各个变换系数的量化步长，优化目标函数是对所有变换系数进行均匀量化后得到的输出熵之和，取决于采用第3步骤得到的离散实际率失真函数还是第4步骤得到的连续理论率失真函数，优化变量的取值是正实数或者给定范围内的正整数，(6)求解优化码率分配问题(7)将求解优化码率分配问题得到的所有DCT域系数的均匀量化输出熵相加得到总码率，该总码率是在所有重建数据的p％具有绝对值小于t的失真的情况下所需要的最小的总码率。
3.根据权利要求2所述的DCT域变换系数码率分配方法，其特征在于采用如下步骤，由实验确定DCT域变换系数的实际率失真函数，首先选定一个合适的S值，该S值被看作是对所有DCT域变换系数X(k)进行量化时的最小步长，因此选为与σk2中的最小值相关的一个值，然后根据应用对重建精度的要求确定每个X(k)的量化步长SΔk的范围，也就是使得pk≤Δk≤qk的pk和qk的值，最后对每个X(k)使用量化步长SΔk进行均匀量化，计算所得到的量化失真Dk(Δk)以及量化输出熵Rk(Δk)，将这些结果记录下来就得到了所需要的实际率失真函数，它们是离散函数。
4.根据权利要求2所述的DCT域变换系数码率分配方法，其特征在于采用如下步骤，对DCT域变换系数进行统计建模，并根据得到的统计分布确定相应的均匀量化时的理论率失真函数，首先确定对每个DCT域变换系数最为合适的统计分布，并记录该分布的分布类型和参数，然后按照分布类型和参数得到对各个系数进行均匀量化的理论量化步长-失真函数 和理论量化步长-输出熵函数 其中Δ~k>0]]>为正实数，是对DCT域变换系数X(k)进行均匀量化时的步长，由以上两个函数可进一步得到对每个DCT域变换系数进行均匀量化时的理论率失真函数 对于给定的分布，上述函数的形式都是确定的，并且都是连续的几乎处处可微的函数。
5.根据权利要求2所述的DCT域变换系数码率分配方法，其特征在于求解优化码率分配问题的方法是采用广义拉格朗日乘子法对第5步骤中得到的优化问题进行求解，拉格朗日乘子的个数与数据矢量中分量个数N成正比，而在二维块的情况下则与N2成正比；在采用连续理论率失真函数的情况下，通过对拉格朗日乘子函数的微分确定相应的拉格朗日乘子的值；在采用离散实际率失真函数时，通过离散优化搜索方法确定相应的拉格朗日乘子的值。
全文摘要
本发明是一种DCT域变换系数码率分配方法，即在进行基于DCT变换的有损数据压缩时，采用空间域重建失真的绝对值为失真准则，通过对空间域所有数据的重建失真进行控制，在一维或者二维DCT变换所得到的变换系数之间实现最优的码率分配，DCT是离散余弦变换的英文缩写。本发明避免了在均方失真准则下的码率分配方案所导致的空间域重建失真分布不均的现象；可以使用离散和连续表示的对DCT域变换系数进行均匀量化时的率失真关系，这使得在理论分析和实际压缩性能分析中本发明都是适用的；在对遥感影像、医学影像、科学数据等进行基于DCT变换的有损压缩时，可以构建能够精确地将失真控制在指定范围内的高性能有损压缩方案。
文档编号H03M7/30GK1777039SQ20051001993
公开日2006年5月24日 申请日期2005年12月1日 优先权日2005年12月1日
发明者朱海军, 吴华意 申请人:武汉大学