CN101198040B - 图像压缩的编码方法 - Google Patents
图像压缩的编码方法 Download PDFInfo
- Publication number
- CN101198040B CN101198040B CN 200610163766 CN200610163766A CN101198040B CN 101198040 B CN101198040 B CN 101198040B CN 200610163766 CN200610163766 CN 200610163766 CN 200610163766 A CN200610163766 A CN 200610163766A CN 101198040 B CN101198040 B CN 101198040B
- Authority
- CN
- China
- Prior art keywords
- pixel
- path
- quantized value
- subclass
- rank
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种图像压缩的编码方法,利用像素间存在的关连性来建立多个码本,并利用动态查询多个码本的方式,来决定每一状态的量化值。藉此,本发明不仅增进了图像压缩倍率,还提升了图像压缩质量。
Description
技术领域
本发明涉及一种图像压缩的编码方法,且特别涉及一种利用网格码量化(Trellis coded quantization,TCQ)来进行图像压缩的编码方法。
背景技术
网格码量化是由网格码调制(trellis coded modulation,TCM)技术衍生而来的。由于网格码量化具有强大的压缩能力,因此近年来许多研究将网格码量化应用在各种编码技术中。例如图像压缩标准JEPG2000就是藉由网格码量化做为标量量化(scalar quantization)的另一种选择,来提升图像压缩的能力。此外,像是美国专利号US6535647所揭露一篇名称为“image encoder method”的专利案、以及美国专利号US6501860所揭露一篇名称为“digital signal codingand decoding based on subbands”的专利案,也都是采用网格码量化来进行编码技术。
顺应网格码量化所具有的强大压缩能力,Marcellin与Fischer也在1990年电气和电子工程师协会(IEEE,Institute of Electrical and Electronic Engineers)的通讯会刊第82页至第93页(Transactions on communications,pp.82~93)中发表了一篇名称为“trellis coded quantization of memoryless and Gauss-Markovsources”的论文。该现有技术利用如图1所示的网格图来进行编码技术,其中图1的每一节点用以表示状态S0~S3其中之一,每一分支路径上的a/b用以表示先前状态至目前状态的输入码/量化子集合。
在编码的过程中,该现有技术会先查询一码本(codebook),以取得网格图中每一分支路径上量化子集合的量化值。之后,再依据所输入的消息源(sources)与每一分支路径上量化子集合的量化值,计算每一路径的总误差值。藉此,从多个路径中选取出一最小误差值路径作为消息源的编码路径,如图1的实线所示。最后,该现有技术再次藉由查询同一码本的动作,找出每一像素所对应的量化字码,取得消息源编码后的字码。
由上述现有技术可知,传统网格码量化只适用于频域(frequency domain)的编码方法。因为传统网格码量化在只利用一码本来进行量化编码的情况下,只能适合低关联性(correlation)的频域信号。反之,空间域(spatial domain)的编码方法在使用传统网格码量化的情况下,会促使量化编码的失真度提高进而影响编码过后的数据质量。换而言之,空间域的编码方法在使用传统网格码量化来增进压缩能力的情况下,将无法维持良好的压缩质量。
发明内容
本发明的目的是提供一种图像压缩的编码方法,藉由多个码本的建立以及动态查询多个码本的动作,提升图像压缩后的数据质量。
为达上述或是其他目的,本发明提出一种图像压缩的编码方法,用以将灰阶分辨率为K比特的像素,编码成L比特的字码,其中K为大于0的整数,L为整数且0<L<K。此编码方法包括下列步骤:首先,建立2^K个码本并提供一网格编码图。该K比特的像素包括2^K个灰阶,且该2^K个灰阶与该2^K个码本一一对应。此网格编码图包括多个阶,且每一阶包括N个状态,其中上述多个状态分别表示为S0~SN-1,N为大于0的整数。之后,分别以第r-1阶中的所有状态为起始点,找出与第r阶中Si相连的多个特定分支路径,其中Si为第i状态,r为大于0的整数,i为整数且0≤i≤N-1。
接着,利用第r像素决定上述多个特定分支路径的量化子集合的量化值,以便利用第r像素与多个特定分支路径的量化子集合的量化值,决定第r阶中Si的量化值与连接至Si的存活路径。藉此,就可找出网格编码图的最小误差值路径,并依据最小误差值路径决策出每一像素所对应的字码。
在本发明的优选实施例中,当网格编码图包括f个量化子集合时,每一码本包括f个集合,且每一集合包括2^(L-1)个量化值,其中,每一集合对应一量化子集合,每一量化值对应一量化字码,f为大于0的整数。
在本发明的优选实施例中,“利用第r像素决定上述多个特定分支路径的量化子集合的量化值”的步骤包括:首先,依据特定分支路径的量化子集合,查询特定分支路径的先前状态所对应的码本,以找出特定分支路径的量化子集合所对应的多个特定量化值。之后,再利用第r像素从上述多个特定量化值中,择一作为特定分支路径的量化子集合的量化值。
在本发明的优选实施例中,“利用第r像素与量化子集合的量化值,决定第r阶中Si的量化值与连接至Si的存活路径”的步骤包括:首先,分别计算出多个特定分支路径的量化值与第r像素的像素值,两者之间的误差值。之后,再利用上述计算结果与多个特定分支路径的先前状态所对应的累计误差值相加,决定在第r阶中Si的量化值与连接至Si的存活路径。
在本发明的优选实施例中,“找出网格编码图至r阶的最小误差值路径”的步骤包括:首先,比较SFr(0)~SFr(N-1)的累计误差值,以从SFr(0)~SFr(N-1)中取决出编码时的一最终状态。之后,将耦接至最终状态的所有存活路径连成一线,以作为最小误差值路径,其中SFr(0)~SFr(N-1)为网格编码图中第r阶所包括的状态。
在本发明的优选实施例中,“依据最小误差路径决定出每一像素所对应的字码”的步骤包括:首先,依据最小误差值路径找出像素所对应的特定存活路径,以便利用特定存活路径的量化子集合的量化值,查询特定存活路径的先前状态所对应的码本,再将特定存活路径的输入码与像素的输出码,编码成像素所对应的字码。
值得一提的是,本发明的图像压缩的编码方法适用于一空间域的编码方法。
本发明利用像素间存在的关连性来建立多个码本,促使本发明在动态查询多个码本的情况下,衡量到像素间存在的关连性,进而使本发明将具有良好的图像压缩倍率与图像压缩质量。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举优选实施例,并配合附图,作详细说明如下。
附图说明
图1为用以说明现有编码技术而绘示的网格图。
图2为示出依照本发明优选实施例的图像压缩的编码方法的步骤流程图。
图3与图4分别为用以说明图2实施例而绘示的码本。
图5为用以说明图2实施例而绘示的网格图。
图6为用以说明步骤S203~S205的步骤流程图。
图7为用以说明图6实施例而绘示的网格图。
图8为用以说明图6实施例而绘示的另一网格图。
图9为用以说明步骤S206~S207的步骤流程图。
图10为用以说明图9实施例而绘示的网格图。
图11为依照本发明优选实施例示出的状态图。
主要元件符号说明
S0~83:状态
D0~D3:量化子集合
P(n+1):第(n+1)像素的像素值
300、400:码本
301~302:虚线框
P511、P512:分支路径
P701、P702:特定分支路径
S201~S207:图像压缩的编码方法的各步骤
S601~S604:步骤S204与S205的子步骤
S901~S906:步骤S206与S207的子步骤
具体实施方式
一般图像压缩的编码方法可分为空间域与频域两种格式来处理。本发明适用于空间域的编码方法,其能够在增进图像压缩的压缩倍率下,还提升压缩质量。以下将举例说明本发明的编码方法,但其并非用以限定本发明,本领域技术人员可依照本发明的精神对下述实施例稍作修饰,惟其仍属于本发明的范围。
图2为依照本发明优选实施例的图像压缩的编码方法步骤流程图。本实施例用以将灰阶分辨率为K比特的像素,编码成L比特的字码,其中K为大于0的整数,L为整数且0<L<K。请参照图2,在编码的过程中,本实施例首先建立2^K个码本(步骤S201)并提供一网格编码图(步骤S202)。
之后,为了求取每一状态的量化值与每一状态所对应的存活路径,本实施例在步骤S203中,先分别以第r-1阶中的所有状态为起始点,找出与第r阶中Si相连的多个特定分支路径,其中Si为第i状态,r为大于0的整数,i为整数且0≤i≤N-1。之后并于步骤S204中,利用第r像素决定上述多个特定分支路径的量化子集合的量化值。藉此,在步骤S205中,利用第r像素与上述多个特定分支路径的量化子集合的量化值,决定在第r阶中Si的量化值与连接至Si的存活路径。
最后,本实施例在步骤S206与S207中,找出网格编码图的最小误差值路径,并依据最小误差值路径决策出每一像素所对应的字码。为了让本领域技术人员能更加明了本实施例的编码过程,接下来将分别对步骤S201~S207作更进一步的说明。
在步骤S210中,当网格编码图包括f个量化子集合时,每一码本则包括f个集合,且每一集合包括2^(L-1)个量化值,其中f为大于0的整数。此外,每一集合对应一量化子集合,每一量化值对应一量化字码。
举例而言,若K=8、L=4、以及f=4的情况下(以下各步骤所举的例子也将依据此情况),也就是在将灰阶分辨率为8比特的像素,编码成4比特的字码的情况下,图3与图4分别示出了256个码本中的其中两个码本。参照图3,码本300包括四个集合:集合0、集合1、集合2、集合3,且集合0到集合3各自包括8个量化值。譬如,集合0包括量化值{20,43,66,72,81,93,108,200},集合1包括量化值{22,50,68,75,83,95,120,210},以此类推集合2与集合3所包括的量化值。
更进一步来看,集合0~集合3中的第1个量化值(20、22、30、38)对应到量化字码(0),如虚线框301所示。相对地,集合0~集合3中的第2个量化值(43、50、55、58)对应到量化字码(1),如虚线框302所示。以此类推集合0~集合3中,各个量化值与量化字码0~7的对应关系。另外,图4示出的码本400也包括集合0~集合3,至于码本400的详细内容与码本300相似,在此就不多加叙述。
值得注意的是,K比特的像素包括2^K个灰阶,且2^K个灰阶与2^K个码本一一对应。此外,在建立码本的过程中,每一码本都依据所对应的灰阶,从2^K个灰阶中选取f*2^(L-1)个当作量化值。譬如,图3所示的码本300对应灰阶85,因此码本300所选取的量化值大多接近灰阶85。相似地,码本400对应灰阶80,因此码本400所选取的量化值大多接近灰阶80。换而言之,本发明是利用像素间存在的关连性来建立多个码本,藉此将像素间存在的关连性融入在本发明的编码方法中,进而提升图像压缩的质量。
另一方面,在步骤S202中所提供的网格编码图包括一网格图(trellisdiagram)。为了方便说明本发明,以下将结合图5所示出的网格图来说明整个编码方法的流程。图5中的节点用以表示状态S0~S3其中之一,虚线用以表示相邻两阶之间所存在的分支路径。换而言之,此网格图包括第0阶~第h阶,且每一阶包括4种状态S0~S3,其中h为大于0的整数。此外,在编码的过程中,每一阶会对应一像素来进行编码。
值得注意的是,在此依编码先后顺序,将每一分支路径所连接的两个状态分别统称为先前状态与目前状态。举例而言,分支路径P511的先前状态为第0阶中的S0,而分支路径P511的目前状态则为第1阶中的S0。此外,每一分支路径上的a/b用以表示的输入码/量化子集合。譬如,分支路径P511上的0/D0就分别代表输入码/量化子集合。再者,量化子集合D0~D3分别与每一码本中的集合0~集合3相互对应。
接着,针对步骤S203~S205来看。参照图6,其中决定特定分支路径的量化子集合的量化值(步骤S204)的过程包括:首先,在步骤S601中,依据特定分支路径的量化子集合,查询特定分支路径的先前状态所对应的码本,以找出特定分支路径的量化子集合所对应的多个特定量化值。之后,在步骤S602中,利用第r像素从上述多个特定量化值中,择一作为特定分支路径的量化子集合的量化值。
另一方面,决定在第r阶中Si的量化值与连接至Si的存活路径(步骤S205)的过程则包括:首先,在步骤S603中,分别计算出特定分支路径的量化值与第r像素的像素值,两者之间的误差值。接着,在步骤S604中,依据上述计算结果与特定分支路径的先前状态所对应的累计误差值,决定在第r阶中Si的量化值与连接至Si的存活路径。
举例而言,以图5中的第n阶与第(n+1)阶为例,来看从第n阶编码至第(n+1)阶的流程,其中n为整数且0<n<(h-2)。为了说明方便,图5绘示成如图7所示。参照图7,由于此编码的过程,是从第n阶中S0~S3的量化值,去推算第(n+1)阶中S0~S3的量化值。因此,在此第n阶中S0~S3所对应的量化值与累计误差值为已知,并将其分别表示为(c,d),其中c为该状态的量化值,d为该状态的累计误差值。譬如,在第n阶中,S0的量化值为85,而S0的累计误差值为100。此外,在此假设第(n+1)像素的像素值P(n+1)为90。
在继续下一步骤解说之前,必须先明确在未经过编码的网格编码图中,同一个状态所接收到的分支路径有多条。但网格编码图经过编码后,同一个状态只接收一条分支路径,而此分支路径就称为该状态的存活路径。譬如,图5的网格图是一个未经编码的网格编码图,因此,第1阶中S0所接收的分支路径包括P511与P512。但在经过编码后,上述S0所接收的分支路径将只剩下P511与P512其中之一,此点在下列编码步骤有详细的论述。更进一步说明,上述的累积误差值就是,当某一状态的存活路径被决定的同时,相对地耦接到该状态的所有存活路径也被取决出,而上述所有存活路径的误差值的总额,就是该状态的累积误差值。
接着,请同时参照图6与图7,在求取第(n+1)阶S0的量化值的过程中,首先在步骤S203中,先找出与第(n+1)阶中S0相连的特定分支路径P701与P702。接着,在步骤S204中,查询特定分支路径P701的先前状态S0所对应的码本。由于上述先前状态S0的量化值为85(灰阶85),因此上述先前状态S0对应码本300。之后,依据特定分支路径P701的量化子集合D0,找出特定分支路径P701所对应的特定量化值为,码本300中集合0所包括的量化值{20,43,66,72,81,93,108,200}。接着,以第(n+1)像素的像素值P(n+1)为基准,从特定量化值{20,43,66,72,81,93,108,200}中,找出与P(n+1)=90最近的值为93,而93就是特定分支路径P702的量化子集合D0的量化值。
相似地,以相同的方式取得特定分支路径P702的先前状态S1所对应的码本为码本400。之后,依据特定分支路径P702的量化子集合D2查询码本400,并找出特定分支路径P702所对应的特定量化值为,码本400中集合2所包括的量化值{13,25,50,66,80,95,135,246}。接着,利用P(n+1)从特定量化值{13,25,50,66,80,95,135,246}中找出与P(n+1)=90最近的值为95,而95就是特定分支路径P702的量化子集合D2的量化值。
接着,在S205中,先计算出特定分支路径P701的量化子集合D0的量化值(93),与P(n+1)=90的误差值(两者的差值)为7。并计算出特定分支路径P702的量化子集合D2的量化值(95),与P(n+1)=90的误差值为5。之后,利用状态的累计误差值,将误差值7与特定分支路径P701的先前状态S0所对应的累计误差值(100)相加,取得一数值107。并将误差值为5与特定分支路径P702的先前状态S1所对应的累计误差值(120)相加,取得一数值125。比较数值107与数值125,可发现107<125,因此决定出P701为第(n+1)阶中S0的存活路径,且P701的量化子集合D0的量化值(93)为第(n+1)阶中S0的量化值。
以此类推,第(n+1)阶中S1~S3的存活路径与量化值的求取过程,并将图7经由步骤S203~S205后的编码结果绘示成图8。参照图8,在此可印证之前所述的,状态图经过编码之后,每一状态只接收一条分支路径(存活路径)。
最后,针对步骤S206与S207来看。参照图9,其中找出网格编码图至n阶的最小误差值路径(步骤S206)的过程包括:首先,在步骤S901中,比较SFn(0)~SFn(N-1)的累计误差值,以从SFn(0)~SFn(N-1)中取决出编码时的最终状态,其中SFn(0)~SFn(N-1)表示为网格编码图中最后一个阶所包括的状态。之后,在步骤S902中,将耦接至最终状态的所有存活路径连成一线,以作为最小误差值路径。
另一方面,决策出每一像素所对应的字码(步骤S207)的过程包括:首先,在步骤S903中,依据最小误差值路径找出每一像素所对应的特定存活路径,以便在步骤S904中,可藉由特定存活路径的量化子集合的量化值,查询特定存活路径的先前状态所对应的码本,而取得像素的量化字码。之后,在步骤S905中,对像素的量化字码进行量化编码,以取得像素的输出码。最后,在步骤S906中,将特定存活路径的输入码与像素的输出码,编码成像素所对应的字码。
举例而言,将图5经由步骤S203~S205编码后的状态绘示成图10,其中图10只标示出第n、(n+1)、(h-1)、h阶经由步骤S203~S205编码后的状态,且第h阶(最后一个阶)中S0~S3又分别表示为SFh(0)~SFh(3)。为了取得最小误差值路径,在此先比较SFh(0)~SFh(3)的累计误差值{252,277,313,335},可发现SFh(0)的累计误差值(252)为最小,因此可取决出SFh(0)为编码时的最终状态。接着,将耦接至最终状态SFh(0)的所有存活路径连成一线(如图8的实线所示),以作为最小误差值路径。
接着,决策出图10中第(n+1)像素所对应的字码的过程如下:首先,依据最小误差值路径找出第(n+1)像素所对应的特定存活路径为P701。之后,查询P701的先前状态S0所对应的码本300(如图3所示)。此时,依据特定存活路径的量化子集合D0的量化值(93),从码本300中比对出第(n+1)像素的量化字码为5。且在每一像素的编码长度为3比特的情况下(因为4比特的字码,其中1比特由输入码所构成),将量化字码(5)量化编码成101,并将101作为像素的输出码。最后,将P701的输入码(0)与第(n+1)像素的输出码(101),编码成第(n+1)像素所对应的字码(0101)。
值得一提的是,在步骤S202中所提供的网格编码图由一状态图衍生而成。譬如,图5所示出的网格图就由一状态图多次扩展而形成的,且此状态图如图11所示,包括状态S0~S3,且状态S0的下一状态为状态S0与S2,状态S1的下一状态为状态S0与S2,状态S2的下一状态为状态S1与S3,以及状态S3的下一状态为状态S1与S3。
综上所述,本发明利用像素间存在的关连性来建立多个码本,并利用动态查询多个码本,致使本发明的每一步骤都衡量到像素间存在的关连性,进而让本发明的编码方法不仅增进了图像压缩的倍率,还提升了图像压缩的质量。
虽然本发明已以优选实施例揭露如上,但其并非用以限定本发明,任何所属技术领域中的普通技术人员,在不脱离本发明的精神和范围内,当可作些许的更动与润饰,因此本发明的保护范围当视所附之权利要求书所界定者为准。
Claims (9)
1.一种图像压缩的编码方法,用以将灰阶分辨率为K比特的像素,编码成L比特的字码,其中K为大于0的整数,L为整数且0<L<K,该编码方法包括下列步骤:
建立2^K个码本,其中该K比特的像素包括2^K个灰阶,且该2^K个灰阶与该2^K个码本一一对应;
提供一网格编码图,该网格编码图包括多个阶,每一阶包括N个状态,所述状态分别表示为S0~SN-1,N为大于0的整数;
分别以第r-1阶中的所有状态为起始点,找出与第r阶中Si相连的多个特定分支路径,其中Si为第i状态,r为大于0的整数,i为整数且0≤i≤N-1;
利用第r像素决定所述特定分支路径的量化子集合的量化值;
利用第r像素与所述特定分支路径的量化子集合的量化值,决定在第r阶中Si的量化值与连接至Si的存活路径;
找出该网格编码图的最小误差值路径;以及
依据该最小误差值路径决策出每一像素所对应的字码。
2.如权利要求1所述的图像压缩的编码方法,其中当该网格编码图包括f个量化子集合时,每一码本包括f个集合,且每一集合包括2^(L-1)个量化值,其中,每一集合对应一量化子集合,每一量化值对应一量化字码,f为大于0的整数。
3.如权利要求2所述的图像压缩的编码方法,其中“利用第r像素决定所述特定分支路径的量化子集合的量化值”的步骤包括:
依据该特定分支路径的量化子集合,查询该特定分支路径的先前状态所对应的码本,以找出该特定分支路径的量化子集合所对应的多个特定量化值;以及
利用第r像素从上述特定量化值中,择一作为该特定分支路径的量化子集合的量化值。
4.如权利要求1所述的图像压缩的编码方法,其中“利用第r像素与量化子集合的量化值,决定第r阶中Si的量化值与连接至Si的存活路径”的步骤包括:
分别计算出所述特定分支路径的量化值与第r像素的像素值,两者之间的误差值;以及
利用上述计算结果与所述特定分支路径的先前状态所对应的累计误差值,决定在第r阶中Si的量化值与连接至Si的存活路径。
5.如权利要求1所述的图像压缩的编码方法,其中该网格编码图包括h个阶,且第h个阶包括状态SFh(0)~SFh(N-1),其中h为大于等于0的整数,则“找出该网格编码图的该最小误差值路径”的步骤包括:
比较SFh(0)~SFh(N-1)的累计误差值,以从SFh(0)~SFh(N-1)中取决出编码时的一最终状态;以及
将耦接至该最终状态的所有存活路径连成一线,以作为该最小误差值路径。
6.如权利要求1所述的图像压缩的编码方法,其中“依据该最小误差值路径决策出每一像素所对应的字码”的步骤包括:
依据该最小误差值路径找出一像素所对应的一特定存活路径;
利用该特定存活路径的量化子集合的量化值,查询该特定存活路径的先前状态所对应的码本,以取得该像素的量化字码;
对该像素的量化字码进行量化编码,以取得该像素的输出码;以及
将该特定存活路径的输入码与该像素的输出码,编码成该像素所对应的字码。
7.如权利要求1所述的图像压缩的编码方法,其中该网格编码图由一状态图衍生而成,当N=4时,该状态图表示如下:
S0的下一状态为S0与S2;
S1的下一状态为S0与S2;
S2的下一状态为S1与S3;以及
S3的下一状态为S1与S3。
8.如权利要求1所述的图像压缩的编码方法,其中该网格编码图包括一网格图。
9.如权利要求1所述的图像压缩的编码方法,其适用于一空间域的编码方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610163766 CN101198040B (zh) | 2006-12-04 | 2006-12-04 | 图像压缩的编码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610163766 CN101198040B (zh) | 2006-12-04 | 2006-12-04 | 图像压缩的编码方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101198040A CN101198040A (zh) | 2008-06-11 |
CN101198040B true CN101198040B (zh) | 2011-05-11 |
Family
ID=39548135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610163766 Expired - Fee Related CN101198040B (zh) | 2006-12-04 | 2006-12-04 | 图像压缩的编码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101198040B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9317533B2 (en) * | 2010-11-02 | 2016-04-19 | Microsoft Technology Licensing, Inc. | Adaptive image retrieval database |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6125149A (en) * | 1997-11-05 | 2000-09-26 | At&T Corp. | Successively refinable trellis coded quantization |
US6717990B1 (en) * | 2000-01-05 | 2004-04-06 | General Dynamics Decision Systems, Inc. | Communication system and method for multi-rate, channel-optimized trellis-coded quantization |
-
2006
- 2006-12-04 CN CN 200610163766 patent/CN101198040B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6125149A (en) * | 1997-11-05 | 2000-09-26 | At&T Corp. | Successively refinable trellis coded quantization |
US6717990B1 (en) * | 2000-01-05 | 2004-04-06 | General Dynamics Decision Systems, Inc. | Communication system and method for multi-rate, channel-optimized trellis-coded quantization |
Non-Patent Citations (4)
Title |
---|
M. Boo, F.Arguello, J.D. Bruguera, E.L. Zapata.HIGH PERFORMANCE VLSI ARCHITECTURE FORTHETRELLIS CODED QUANTIZATION.Image Processing 1996 Proceedings International Conference1.1996,1995-998. |
M. Boo, F.Arguello, J.D. Bruguera, E.L. Zapata.HIGH PERFORMANCE VLSI ARCHITECTURE FORTHETRELLIS CODED QUANTIZATION.Image Processing 1996 Proceedings International Conference1.1996,1995-998. * |
MICHAEL W. MARCELLIN, THOMAS R. FISCHER.Trellis Coded Quantization of Memoryless andGauss-Markov Sources.IEEE TRANSACTIONS ON COMMUNICATIONS38 1.1990,38(1),82-93. |
MICHAEL W. MARCELLIN, THOMAS R. FISCHER.Trellis Coded Quantization of Memoryless andGauss-Markov Sources.IEEE TRANSACTIONS ON COMMUNICATIONS38 1.1990,38(1),82-93. * |
Also Published As
Publication number | Publication date |
---|---|
CN101198040A (zh) | 2008-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180343456A1 (en) | System and method for using pattern vectors for video and image coding and decoding | |
CN113382251B (zh) | 一种编解码方法、装置、设备及存储介质 | |
KR101737294B1 (ko) | 심볼 압축을 수반하는 데이터의 소스 코딩 및 디코딩을 위한 방법들 및 디바이스들 | |
US8547255B2 (en) | Method for encoding a symbol, method for decoding a symbol, method for transmitting a symbol from a transmitter to a receiver, encoder, decoder and system for transmitting a symbol from a transmitter to a receiver | |
JP3995106B2 (ja) | 情報を処理する方法および手段 | |
US8711019B1 (en) | Context-based adaptive binary arithmetic coding engine | |
CN101795407B (zh) | 用于对比特序列进行编码的方法和设备 | |
KR920704494A (ko) | 적합한 블럭크기로 영상을 압축하는 방법 및 시스템 | |
US20090219183A1 (en) | Arithmetic decoding apparatus | |
KR20120096541A (ko) | 디지털 신호의 압축 또는 압축해제를 위한 방법, 시스템 및 장치 | |
CN101198040B (zh) | 图像压缩的编码方法 | |
KR100989686B1 (ko) | 데이터 소스에 의해 생성된 비트 심볼들을 처리하기 위한 방법 및 장치, 컴퓨터 판독가능 매체, 컴퓨터 프로그램 요소 | |
CN112449191B (zh) | 压缩多个图像的方法、解压缩图像的方法和装置 | |
US8175403B1 (en) | Iterative backward reference selection with reduced entropy for image compression | |
CN101980464B (zh) | 数据编码方法、解码方法、编码器和解码器 | |
US8446299B2 (en) | Method and device for encoding and decoding of data in unique number values | |
US20080118164A1 (en) | Method for image compression coding | |
CN114429200A (zh) | 规范化哈夫曼编解码方法及神经网络计算芯片 | |
CN113452376A (zh) | 激活数据的压缩和/或解压缩 | |
Thakur et al. | An improved symbol reduction technique based Huffman coder for efficient entropy coding in the transform coders | |
KR100686354B1 (ko) | 가변 트리를 이용한 허프만 복호화 방법 및 장치 | |
CN104702952A (zh) | 一种图像数据压缩方法 | |
KR100941059B1 (ko) | 새로운 복호화 테이블을 기반으로 하는 저전력 토탈 제로정보의 복호화 방법 및 장치 | |
JP4971965B2 (ja) | 符号化装置、復号化装置、符号化方法、復号化方法、符号化プログラム、復号化プログラム、および記録媒体 | |
JPH0472870A (ja) | 画像符号化方式 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110511 Termination date: 20141204 |
|
EXPY | Termination of patent right or utility model |