尤其用于编码压缩图像的方法，尤其通过“距离编码器”或算术压缩的制作方法
【技术领域】
[0001] 本发明主要涉及二进制熵编码领域，尤其是使用"距离编码器"型编码模型、即使 用间隔或者算术的编码领域。
【背景技术】
[0002] 距离编码器类型或算术编码器使得能够编码而不损失一系列符号。这些符号可以 是所有类型的，尤其是字母数字字符或者标点字符。在图像压缩方法的情况下，符号是数， 这些数由通常在颜色转换之前的对所述图像的预压缩，例如通过差分压缩或者小波压缩产 生。
[0003] 称为熵的二进制编码使得能够减少编码信号所需的位数，在此由将编码的一系列 符号表示，而不损失其内容。减少程度取决于符号在信号中的出现率。尤其，称为"算术"和 "距离编码器"的编码，使用概率模型，其中每个符号与一个概率值相关。在"距离编码器"类 型或算术编码类型的编码器的范围内，编码符号所需位的理论数值为_l〇g2(P)，其中P是该 符号在信号中的出现概率。
[0004] 在对符号编码或解码时，距离编码器类型的编码器或算术编码器应当始终具有概 率模型，其包括一个或多个符号，以及其出现概率，至少是该当前符号的出现概率。使用该 符号的概率来进行编码。为了编码同一信号，许多概率模型是可行的。最为适宜的是信号被 压缩最大的模型，即编码形成的代码权重量最小。
[0005] 为了二进制编码性能良好，应当使得：
[0006] -解码数据与输入数据相同；
[0007] -压缩数据权重量尽可能最小；
[0008] -编码时间尽可能最短；
[0009] -编码时间尽可能最短；
[0010]这取决于两个主要因素：
[0011] -编码自身，对于给定的概率P，应当在尽可能最接近-l〇g2(P)的位数上编码符号， 如果提供相同的模型，则通过解码可以获得相同的符号；
[0012] -模型计算，其应当使得能够提供最适于每个符号的模型，且尽可能最快；
[0013] 还可以对整个信号使用一个模型。因而，获得接近Shannon熵的压缩水平。相反地， 一些编码器使用完全自适应模型，诸如PPMd方法，即英语："Predicion by Partial Matching(通过局部匹配进行预测），逃脱方法D"。在该情况下，随着编码而建立模型。这些 编码器使得能够获得适于每个符号的多个模型，但是处理时间大大增长。
【发明内容】
[0014] 本发明旨在提供一种编码方法，其使得获得的编码的权重量小于通常借助于唯一 模型获得的权重量，并且其处理时间短于使用多个模型而通常获得的处理时间。
[0015] 在多媒体压缩的范围内，应当说明，在信号转变之后，例如通过所述小波方法，较 小的值通常彼此接近，而最高值也彼此接近。
[0016] 根据本发明，用于一系列符号的这种二进制熵编码方法，使用至少两个模型，每个 模型与一个归属标准相关，因此包括下列步骤：
[0017] -遍历所述系列，以便根据所述归属标准，对每个符号确定其所属于的编码模型； 随后，
[0018] -对于每个模型和每个符号，确定符号在模型中的出现概率;随后
[0019] -通过根据每个符号所属的模型而对每个符号相继编码，重新遍历所述系列；以及
[0020] -存储这些模型或使得能够重建模型的信息，以及因此而获得的二进制编码。。
[0021 ]有利的是，预先遍历该系列，以确定每个模型的归属标准。
[0022]优选地，根据由在该系列中所述当前符号之前的一个或多个符号计算得的归属函 数，确定当前符号对于一个模型的归属。每个符号可以是数，优选是10进制的数，归属函数 是在该系列中所述当前符号之前紧邻的给定数量的参考符号的绝对值的平均值，给定数量 的参考符号优选是四个参考符号。
[0023] 为了计算归属函数，有利的是，在该系列之前设置足够数量的任意符号，每一个符 号的值优选为零。
[0024] 模型之一的归属标准可以是模型所覆盖的区间的下限值以及将先前的符号的平 均值与所述下限值进行比较。每个模型的极限值以渐增的顺序排列，有利的是，当所述极限 值的值增加时，相继两个极限值之间的差值也增加。为了确定每个模型的极限值，可以：
[0025] -计算该系列的符号的值的平均值;随后，
[0026] -计算该系列符号的值中的最大值和该系列符号的值的平均值之间的差值以及该 系列符号的值的平均值和该系列符号的值中的最小值之间的差值，并且从中推导出等于两 个差值中的最大值的距离;随后，
[0027] -计算偏差值，等于信号的每个元素和该系列的平均值之间的差的绝对值的平均 值;随后，
[0028]-根据如下公式计算间距(E):
[0029]
[0030] 随后，
[0031] -根据如下公式计算相继模型中的每一个的活动平均值中的下限值：
[0032]
[0033] 本发明还涉及一种图像、视频或声音类型媒介的压缩方法，其特征在于其使用根 据本发明的编码方法。图像压缩方法优选地适用于图像的压缩符号，每个符号均对应于矩 阵的一个格子，该系列通过将这些符号设置成行而形成。为了将符号设置成行，对于每行， 可以在第一方向上行进一行，如仍有空间，则在与第一方向相反的方向上行进下一行。
[0034] 根据本发明另一目的，一种二进制熵解码方法，用于使用至少两个模型并且借助 于前述任意一项权利要求所述的方法进行编码的一系列符号，其特征在于：
[0035] -提取编码所使用的每个模型，
[0036] -提取或再计算这些模型中每一个的归属标准，以及
[0037] -使用与编码相同的归属标准，借助于编码所使用的模型来解码每一个符号。
【附图说明】
[0038]下文将参考随附附图，作为非限制性实例描述本发明的多个实施方案，在附图中：
[0039] -图1示出了根据本发明的方法应用于其上的一层图像；
[0040] -图2示出10进制的系数的子矩阵，称为三阶LH，得自于通过小波而对图1的图像进 行变化，随后进行量化和舍入；
[0041] -图3示出了将图2的矩阵的系数设置成行的方法，以便于形成一系列符号，以采用 根据本发明的方法进行处理；
[0042] -图4示出了表格，对每个所采用的模型给定对应的下限值；
[0043]-图5是图4的表格的不意图；
[0044]-图6所示的表格示出对应于该系列符号的10进制的所有值、对于每个值其在该系 列中的出现数以及因此在单一模型的范围内的概率；
[0045]-图7是图6的表格的不意图；以及
[0046]-图8的表格示出了每个值在每个模型中的出现数。
【具体实施方式】
[0047]为了说明根据本发明的方法的一个例子，使用原始图像，其像素设置成320列、240 行，并且使用三个分量R(红）、G(绿）、（蓝)而编码。该图像随后被进行Y、Cb、Cr类型的颜色变 换。图1以图像的形式示出了得自于该颜色变换的亮度分量Y。
[0048]首先在图1上应用使用定点数的二维的小波变换CDF5/3。图2示出了称为三阶LH的 子矩阵的矩阵LHQ，其通过小波变换得到，随后对其进行系数等于3、53的量化，随后将其舍 入为最接近的整数。对于每阶该小波变换在两个维度实施:垂直通道，随后是水平通道。垂 直小波变换产生了称为细节的矩阵或矩阵H，以及称为近似的矩阵或矩阵L。对矩阵L应用水 平小波通道，形成细节矩阵LH和近似矩阵LL。对矩阵H应用垂直小波通道，形成两个细节矩 阵HL和HH。随后，对相继的近似矩阵LL循环地应用新阶的小波。同样，第三阶矩阵LH是在3阶 小波期间获得的LH类型的矩阵。一旦获得矩阵LH，使用因子3、53进行量化，随后对这些值进 行舍入以获得矩阵LHQ。
[0049] 矩阵LHQ包括40列和30行，即1200个值，每个对应于将编码的一个符号。为了应用 根据本发明的处理，设置1200个值成行，即形成1200个值的系列S。在所示实例中，如图3中 所示设置成行，矩阵LHQ的第一行从左向右行进，随后第二行从右向左，以便于使得在系列S 中，矩阵LHQ的第一行的最后一个值之后是第二行的最后一个值。更一般地，一行在一个方 向上行进，而下一行在反向上行进。还获得由N个符号Sn的系列形成的信号，η是从1变化到N 的整数，其中N= 1200,每个符号Sn具有标注值V(n)。
[0050]在所示的实例中，为了确定将应用至信号S的模型，首先对该信号进行分析。
[0051 ]首先根据公式计算信号的所有值的算术平均值M:
[0052]
[0053] 随后确定最小值Min[V(n)]和最大值Max[V(n)];即，在所示的实例中：
[0054] Min[V(n)]=-42
[0055] Max[V(n)]=35
[0056] 从中推导出距离D，其中D等于平均值M与信号最小值Min[V(n)]的差值和信号最大 值Max[ V(η)]与平均值M的差值中的最大值;即，在所示的实例中：
[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] 随后计算这些值在平均值M附近的偏差DV，即平均离散差。该离散差计算为每个符 号Sn的值V(n)和平均值M之间的差的绝对值的平均值;即，在所示的实例中：
[0061]
[0062]随后计算模型之间的距离E。在所示的实例中，根据下式计算该距离。
[0063]
[0064] 有利地是2,将编码的信号越大，模型的数量越多。这指的是输入参数能够取决于 信号中存在的信息量。在所示的实施例中，选择使用5个模型。
[0065] 对于号码为0至4的每个模型，确定下限，根据该下限，符号将归属于这个模型。优 选地，模型涉及的变量越小，阈值彼此越接近。同样地，限定下式用于在实例范围内计算每 个模型的下限：
[