CN103067708A - 基于w-z结构的贝尔模板数字图像编解码方法 - Google Patents

Abstract

本发明涉及贝尔模板数字图像压缩技术，具体是一种基于W-Z结构的贝尔模板数字图像编解码方法，解决了现有的贝尔模板数字图像编解码方法存在的量化器设计未进行全局优化等问题。一种基于W-Z结构的贝尔模板数字图像编解码方法，包括如下步骤：（Ⅰ）将一帧贝尔模板数字图像经过色空间分离转换为四个分量图像：对每个贝尔模板中的像素进行色空间转换，把原始的绿色像素值置换为亮度分量Y₁、Y₂，原始红蓝色像素值置换为色差分量C_r、C_b，然后分别把亮度分量Y₁、Y₂和色差分量C_r、C_b分离后同类合并为矩形的两个亮度分量图像A、B和两个色差分量图像C、D。本发明设计合理，在高速率情况下，显示了较好的率失真性能。

Description

基于W-Z结构的贝尔模板数字图像编解码方法

技术领域

本发明涉及贝尔模板数字图像压缩技术，具体是一种基于W-Z结构的贝尔模板数字图像编解码方法。

背景技术

贝尔模板图像传感器被广泛地应用在数字成像设备中（如数码相机、网络监控摄像机等）。因存储和通信传输的需要，研究更加高效的贝尔模板数字图像压缩编解码方法显得尤其重要。在绝大多数的压缩编码方案中，一般先把贝尔图像的三个基色分量进行结构分离和转换，分离后的各分量由JPEG、JPEG2000等算法单独压缩编码。这些算法也存在一些问题，如各分量的量化器未能进行全局优化，在通信过程中，信道编码与熵编码各自独立工作，率失真性能还有进一步提升的空间。

因此，有必要发明一种新的贝尔模板数字图像编解码方法。

发明内容

本发明为了解决现有的贝尔模板数字图像编解码方法存在的量化器设计未进行全局优化、率失真性能有待提高等问题，提供了一种基于W-Z结构的贝尔模板数字图像编解码方法。

本发明是采用如下技术方案实现的：

一种基于Wyner-Ziv（W-Z）结构的贝尔模板数字图像编解码方法，包括如下步骤：

（Ⅰ）将一帧贝尔模板数字图像经过色空间分离转换为四个分量图像：对每个贝尔模板中的像素进行色空间转换，把原始的绿色像素值置换为亮度分量Y₁、Y₂，原始红蓝色像素值置换为色差分量C_r、C_b，然后分别把亮度分量Y₁、Y₂和色差分量C_r、C_b分离后同类合并为矩形的两个亮度分量图像A、B和两个色差分量图像C、D；所述四个分量图像的大小均为原始一帧图像的1/4；

（Ⅱ）令贝尔模板的亮度平均分量Y为边信息，令边信息Y是每个贝尔模板中亮度分量Y₁、Y₂的算术平均值，即Y=（Y₁+Y₂）/2；然后，对边信息Y利用近无损JPEG-LS对其编解码，并在解码端得到边信息Y的估计值

作为解码端边信息

（用于S-W解码和量化系数的重构）；

（Ⅲ）对亮度分量图像A或B、色差分量图像C、D分别采用基于W-Z（Wyner-Ziv）结构的三通道编解码器进行独立编解码，所述每个W-Z结构的通道编解码器均由离散余弦变换（DCT）、量化器、S-W（Slepian-Wolf）编码器、S-W（Slepian-Wolf）解码器、反量化器、离散余弦反变换（IDCT）构成；具体过程如下：首先将亮度分量图像A或B和色差分量图像C、D进行离散余弦变换，得到各自的DC系数和带符号的AC系数；然后将各自无符号的AC系数经过各自的量化器后送至S-W编码器，通过信道后，在解码端边信息

的条件下，依次通过S-W解码器的解码及各自反量化器的反量化后，得到各自无符号的AC系数的估计值；将各自的DC系数及AC系数的符号分别经过各自编码、解码通道，得到DC系数及AC系数的符号的估计值；之后将各自的DC系数和带符号AC系数的估计值经离散余弦反变换后得到三个分量图像中各个分量的估计值，即

或

、

、

；

（Ⅳ）已知解码端的亮度分量估计值

或

，根据Y=(Y₁+Y₂)/2，有

成立，那么可得到解码端的亮度分量估计值

或

；

（Ⅴ）由解码端得到的各自分量估计值

、

、

、

经色空间逆转换后，得到原始贝尔模板数字图像中每个像素的估计值，从而完成一帧贝尔模板数字图像的编解码工作。

运用上述方法把一帧贝尔模板数字图像分离为亮度分量图像A、B和色差分量图像C、D，基于Wyner-Ziv分布式结构，采用了S-W信道编解码技术，分别对各分量图像实现信源信道联合编码，在解码端，以边信息

作为参考信息，通过S-W解码和量化系数重构，重构出无符号AC系数，把计算复杂度转移到解码端，降低了编码端的计算复杂度。

贝尔模板数字图像全部经DCT变换后的DC系数按照变换块的次序构成一幅子图，由无损JPEG-LS编解码，AC系数符号的编解码由系数符号编解码方法实现。所述系数符号编解码方法见文献：Bazhyna A. “Image compression in digital cameras ”[D]. [PhD Thesis], Tampere University of Technology,2009.

优选地，所述基于W-Z（Wyner-Ziv）结构的三通道编解码器仅对Y₁(或Y₂)、C_b、C_r分量的无符号AC系数编解码，且三个编解码通道中的量化器与反量化器是通过拉格朗日代价函数全局优化的，拉格朗日代价函数为C=D+λR，其中D表示三个编解码通道产生的总失真，R是三个编解码通道的总速率，此代价函数不涉及边信息、DC系数、AC系数的编解码通道。所述拉格朗日代价函数C=D+λR为非增的，当λ∈[0.12,0.15]时，所述的拉格朗日代价函数具有很好的凸性，因此可利用迭代法对所述的量化器进行全局优化设计，具体设计如下：

为叙述简便，把三个分量图像中的分量Y₁或Y₂、C_r、C_b用变量X₁、X₂、表示，分别输入各自的编解码通道；变量X=(X′₁,X′₂,X′₃),其中X′₁、X′₂、X′₃分别表示X₁、X₂、X₃的离散余弦变换系数；变量x=(x′₁,x′₂,x′₃)，其中x′₁、x′₂、x′₃表示变量X′₁、X′₂、X′₃的任一取值；变量q=(q′₁,q′₂,q′₃)，其中q′₁、q′₂、q′₃表示x′₁、x′₂、x′₃的索引值；变量Q=(Q′₁,Q′₂,Q′₃),其中Q′₁、Q′₂、Q′₃表示变量X′₁、X′₂、X′₃的量化索引变量；、

、

表示重构函数，表示解码端边信息

的任一取值。

以编解码亮度分量图像的通道中的量化器及反量化器为例，其设计如下：

如图2所示，在变量X₁的编解码通道中，对变量X′₁的任一取值x′₁进行编解码，其它两个分量的正交变换系数X′₂、X′₃及其量化值Q′₂、Q′₃不变，该通道拉格朗日代价函数为：c₁(x′₁,q′₁)=d₁(x′₁,q′₁)+λr₁(x′₁,q′₁)；

其中，失真期望为： $d_1(x_1^{\′},q_1^{\′})=E\left[d\right((x_1^{\′},X_2^{\′},X_3^{\′}),{\hat{x}}^{\′}(q_1^{\′},Q_2^{\′},Q_3^{\′}),\hat{Y}\left)\right|x_1^{\′}]$ ；

速率期望为： $r_1(x_1^{\′},q_1^{\′})=E\left[r\right((q_1^{\′},Q_2^{\′},Q_3^{\′}),\hat{Y}\left)\right|x_1^{\′}]$ ；

在变量X₁的编解码通道中，存在优化量化器

；

使得本通道的拉格朗日代价最小；

那么在量化器确定的前提下，令全局失真为，解码端存在优化重构函数

，

以及编码端存在优化率测度函数

，

使得全局速率R=H(Q′)最小。

根据上述三个优化条件，以任意编解码通道为例，针对离散余弦变换系数设计优化的标量量化器q_i ^*的步骤如下：

a、选择初始量化器为UMDSQ量化器，记作q_i(x′_i)⁰，即迭代次数从k=0开始；

b、对当前量化函数，求得优化重构函数

；

c、对当前量化索引

,求得优化率测度

；

d、根据以上步骤获得的量化值、率测度值和重构函数值，在该通道的取值空间上计算拉格朗日代价C^k=Ec_i(X′_i,Q′_i)，令λ∈[0.12,0.15]，并与k-1次迭代获得的代价函数值比较，如果该值减小，使k+1，继续调整量化器参数，并回到步骤b，重复步骤b、c、d的工作；

e、如果代价函数值不再减小，则停止，获得优化量化器。

同理，可分别设计得到编解码色差分量图像的通道中优化量化器及反量化器。

本发明技术效果如下：

（1）把一帧贝尔模板数字图像分离为亮度、色差分量图像，基于Wyner-Ziv结构，采用了S-W（Slepian-Wolf）信道编解码技术，分别对各分量图像实现信源信道联合编码，解码端利用边信息解码，把计算复杂度转移到解码端，降低了编码端的计算复杂度。

（2）在网络信道速率受限的情况下，可以通过降低两个色差分量图像的编码速率来尽可能保证两个亮度分量图像的编码速率，使得接收端能以较低的失真优先获得图像亮度信息。

（3）目前普遍利用JPEG、JPEG2000对贝尔模板数字图像进行编解码，本发明与之相比，在高速率情况下，显示了较好的率失真性能。如图3所示，本发明率失真性能的对比曲线。目前普遍利用JPEG、JPEG2000对贝尔模板数字图像进行编解码，其原理是对转换分离后的各分量图像单独采用JPEG或JPEG2000编解码。曲线①、②、③分别表示本发明、采用JPEG2000、JPEG方法的率失真性能。本发明与采用JPEG、JPEG2000方法进行率失真性能比较，与采用JPEG的方法相比，以1.2bit为分界点，在约高于1.2bit以上的速率范围，本发明具有较高的峰值信噪比，平均高出约0.7dB。在低于1.2bit的速率时，本发明使得解码后贝尔图像质量下降较快。与采用JPEG2000的方法相比，分界点约为1.8bit，速率大于此分界点值时，本发明具有较高的峰值信噪比，平均高出约0.4dB，小于此分界点值时，本发明使得解码后贝尔图像质量下降较快。由此可见，在高速率条件下，本发明的编解码系统得到了全局优化，而在低速率时，由于量化噪声加大，从而导致系统信噪比快速下降。

本发明设计合理，解决了现有的贝尔模板数字图像编解码方法存在的量化器设计未进行全局优化、率失真性能差等问题。

附图说明

图1是贝尔模板数字图像分离转换为分量图像的过程示意图。

图2是贝尔模板数字图像的编解码框图。

图3是本发明方法与采用JPEG、JPEG2000的率失真性能对比曲线。

图2中，201-离散余弦变换（DCT）模块，202-量化器模块，203-S-W编码器模块，204- S-W解码器模块，205-反量化器模块，206-离散余弦反变换（IDCT）模块，207- DC系数和AC系数符号编解码模块，208- 近无损JPEG-LS编码模块，209-近无损JPEG-LS解码模块。

具体实施方式

下面结合附图对本发明的具体实施例进行详细说明。

一种基于Wyner-Ziv（W-Z）结构的贝尔模板数字图像编解码方法，包括如下步骤：

（Ⅰ）将一帧贝尔模板数字图像经过色空间分离转换为四个分量图像：对每个贝尔模板中的像素进行色空间转换，把原始的绿色像素值置换为亮度分量Y₁、Y₂，原始红蓝色像素值置换为色差分量C_r、C_b，然后分别把亮度分量Y₁、Y₂和色差分量C_r、C_b分离后同类合并为矩形的两个亮度分量图像A、B和两个色差分量图像C、D；所述四个分量图像的大小均为原始一帧图像的1/4。

具体如下：

如图1所示，以4×4大小的贝尔模板数字图像像素排列结构为例，其中G₁、G₂为绿色像素值，包含主要亮度信息，置换为Y₁、Y₂亮度分量（值），R、B为红、蓝色像素值，置换为C_r、C_b色差分量（值），转换公式（1）如下：

$\left[\begin{array}{c}{Y}_1\\ Y_2\\ C_b\\ C_r\end{array}\right]=\left[\begin{array}{cccc}{a}_{11}& a_{12}& 0& a_{13}\\ a_{11}& 0& a_{12}& a_{13}\\ a_{21}& \frac{a_{22}}{2}& \frac{a_{22}}{2}& a_{23}\\ a_{31}& \frac{a_{32}}{2}& \frac{a_{32}}{2}& a_{33}\end{array}\right]\left[\begin{array}{c}R\\ G_1\\ G_2\\ B\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ 128\\ 128\end{array}\right]---\left(1\right)$

a₁₁,a₁₂,………a₃₃是三基色空间转换到色差空间的标准系数。进一步，把分量Y₁、Y₂、C_r、C_b分离出来，进行同类合并，并紧凑形成矩形的亮度分量图像A、B和色差分量图像C、D。

反之，由解码端得到的亮度、色差分量估计值、

、

、

经色空间转换公式的逆转换后，得到原始贝尔模板数字图像中每个像素的估计值。

（Ⅱ）令贝尔模板的亮度平均分量Y为边信息，令边信息Y是每个贝尔模板中亮度分量Y₁、Y₂的算术平均值，即Y=（Y₁+Y₂）/2；然后，对边信息Y利用近无损JPEG-LS对其编解码，并在解码端得到边信息Y的估计值

作为解码端边信息。

（Ⅲ）对亮度分量图像A或B、色差分量图像C、D分别采用基于W-Z结构的三通道编解码器进行独立编解码，所述每个W-Z结构的通道编解码器均由离散余弦变换（DCT）、量化器、S-W编码器、S-W解码器、反量化器、离散余弦反变换（IDCT）构成；具体过程如下：首先将亮度分量图像A或B和色差分量图像C、D进行离散余弦变换，得到各自的DC系数和带符号的AC系数；然后将各自无符号的AC系数经过各自的量化器后送至S-W编码器，通过信道后，在解码端边信息

的条件下，依次通过S-W解码器的解码及各自反量化器的反量化后，得到各自无符号的AC系数的估计值；将各自的DC系数及AC系数的符号分别经过各自的编码、解码通道后，得到DC系数及AC系数的符号的估计值；之后将各自的DC系数和带符号AC系数的估计值经离散余弦反变换后得到三个分量图像中各个分量的估计值，即

或

、、。

（Ⅳ）已知解码端的亮度分量估计值或

，根据Y=(Y₁+Y₂)/2，有成立，那么可得到解码端的亮度分量估计值

或

；如果所述亮度分量Y₁的解码值为，则可以得到亮度分量Y₂的估计值

，即

。

（Ⅴ）由解码端得到的各自分量估计值

、

、

、

经色空间逆转换后，得到原始贝尔模板数字图像中每个像素的估计值，从而完成一帧贝尔模板数字图像的编解码工作。

优选地，所述基于W-Z结构的三通道编解码器中三个量化器及反量化器设计如下：

把三个分量图像中的分量Y₁或Y₂、C_r、C_b用变量X₁、X₂、X₃表示，分别输入各自的编码通道；变量X=(X′₁,X′₂,X′₃),其中X′₁、X′₂、X′₃分别表示X₁、X₂、X₃的离散余弦变换系数；变量x=(x′₁,x′₂,x′₃)，其中x′₁、x′₂、x′₃表示变量X′₁、X′₂、X′₃的任一取值；变量q=(q′₁,q′₂,q′₃)，其中q′₁、q′₂、q′₃表示x′₁、x′₂、x′₃的索引值；变量Q=(Q′₁,Q′₂,Q′₃),其中Q′₁、Q′₂、Q′₃表示变量X′₁、X′₂、X′₃的量化索引变量；

、

、

表示重构函数，

表示解码端边信息

的任一取值。

编解码亮度分量图像的通道中的量化器及反量化器的设计如下：

在变量X₁的编解码通道中，对变量X′₁的任一取值x′₁进行编解码，其它两个分量的正交变换系数X′₂、X′₃及其量化值Q′₂、Q′₃不变，该通道拉格朗日代价函数为：c₁(x′₁,q′₁)=d₁(x′₁,q′₁)+λr₁(x′₁,q′₁)；

其中，失真期望为： $d_1(x_1^{\′},q_1^{\′})=E\left[d\right((x_1^{\′},X_2^{\′},X_3^{\′}),{\hat{x}}^{\′}(q_1^{\′},Q_2^{\′},Q_3^{\′}),\hat{Y}\left)\right|x_1^{\′}]$ ；

速率期望为： $r_1(x_1^{\′},q_1^{\′})=E\left[r\right((q_1^{\′},Q_2^{\′},Q_3^{\′}),\hat{Y}\left)\right|x_1^{\′}]$ ；

在变量X₁的编解码通道中，存在优化量化器

；

使得本通道的拉格朗日代价最小；

那么在量化器确定的前提下，令全局失真为

，解码端存在优化重构函数

，

以及编码端存在优化率测度函数

，

使得全局速率R=H(Q′)最小。

根据上述三个优化条件，以任意编解码通道为例，针对离散余弦变换系数设计优化的标量量化器q_i ^*的步骤如下：

a、选择初始量化器为UMDSQ量化器，记作的q_i(x′_i)⁰，即迭代次数从k=0开始；

b、对当前量化函数

，求得优化重构函数

；

c、对当前量化索引

,求得优化率测度

；

d、根据以上步骤获得的量化值、率测度值和重构函数值，在该通道的取值空间上计算拉格朗日代价C^k=Ec_i(X′_i,Q′_i)，令λ∈[0.12,0.15]，并与k-1次迭代获得的代价函数值比较，如果该值减小，使k+1，继续调整量化器参数，并回到步骤b，重复步骤b、c、d的工作；

e、如果代价函数值不再减小，则停止，获得优化量化器。

同理，可分别设计得到编解码色差分量图像的通道中优化量化器及反量化器。

具体实施时，如图2所示，贝尔模板数字图像编解码的框图。共包括九个模块，即DCT模块201，量化器模块202， S-W编码器模块203，S-W解码器模块204，反量化器模块205，IDCT模块206，DC系数和AC系数符号编解码模块207，近无损JPEG-LS编码模块208，近无损JPEG-LS解码模块209。

假定贝尔模板数字图像未受到噪声干扰。

从模块201获得分量Y₁（或Y₂）、C_r、C_b的经DCT后的AC系数符号和DC系数，在模块207中，对DC系数应用无损JPEG-LS编解码，对AC系数符号应用文献中的方法编解码。所述文献为：Bazhyna A. “Imagecompression in digital cameras ”[D]. [PhD Thesis], Tampere University of Technology ,2009.

模块201～模块206构成了分布式的变换、量化、编码、解码、反量化重构的过程，模块209为模块204和模块206提供边信息

，从而形成Wyner-Ziv结构的编解码器，模块202至模块205只对亮度、色差分量Y₁（或Y₂）、C_r、C_b的无符号AC系数编解码，具体编码方式可以选用率可调打孔式turbo码（RCPT），在编码的同时产生校验位存储在缓冲区，编码器可根据解码器的要求发送相应的校验位，通常可认为这种S-W编解码方式是无损的；并且可以通过降低两个所述色差分量图像的编码速率来尽可能保证所述两个亮度分量图像的编码速率，使得接收端能以较低的失真优先获得图像亮度信息。

模块202和模块205中的每个量化器和反量化器基于拉格朗日代价函数进行了全局优化设计，在不同的编码通道中，其量化间隔可能有所不同，或者说处于不同编码通道的DCT系数被量化后所处的量化间隔可能不同，但有可能被分配相同的索引，由于解码端边信息

的存在，这些相同的索引所对应的量化值也会以很高的概率被正确重构。从系统全局看来，不同通道中不同的量化间隔被分配相同的索引，相当于全局量化函数具有较小的量化间隔，从而具有较低的量化失真。

模块208和模块209为边信息Y提供了编解码采用δ=2的近无损JPEG-LS编解码方案，解码误差的绝对值不超过2。边信息Y实质上是每个贝尔模板中亮度分量Y₁、Y₂的算术平均值，因此可以为Wyner-Ziv结构的解码器的模块205和模块206提供有效的条件信息量，从而提高解码值的准确度。

Claims (7)

1.一种基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：包括如下步骤：

（Ⅰ）将一帧贝尔模板数字图像经过色空间分离转换为四个分量图像：对每个贝尔模板中的像素进行色空间转换，把原始的绿色像素值置换为亮度分量Y₁、Y₂，原始红蓝色像素值置换为色差分量C_r、C_b，然后分别把亮度分量Y₁、Y₂和色差分量C_r、C_b分离后同类合并为矩形的两个亮度分量图像A、B和两个色差分量图像C、D；所述四个分量图像的大小均为原始一帧图像的1/4；

（Ⅱ）令贝尔模板的亮度平均分量Y为边信息，令边信息Y是每个贝尔模板中亮度分量Y₁、Y₂的算术平均值，即Y=（Y₁+Y₂）/2；然后，对边信息Y利用近无损JPEG-LS对其编解码，并在解码端得到边信息Y的估计值作为解码端边信息；

（Ⅲ）对亮度分量图像A或B、色差分量图像C、D分别采用基于W-Z结构的三通道编解码器进行独立编解码，所述每个W-Z结构的通道编解码器均由离散余弦变换、量化器、S-W编码器、S-W解码器、反量化器、离散余弦反变换构成；具体过程如下：首先将亮度分量图像A或B和色差分量图像C、D进行离散余弦变换，得到各自的DC系数和带符号的AC系数；然后将各自无符号的AC系数经过各自的量化器后送至S-W编码器，通过信道后，在解码端边信息

的条件下，依次通过S-W解码器的解码及各自反量化器的反量化后，得到各自无符号的AC系数的估计值；将各自的DC系数及AC系数的符号分别经过各自的编码、解码通道后，得到DC系数及AC系数的符号的估计值；之后将各自的DC系数和带符号AC系数的估计值经离散余弦反变换后得到三个分量图像中各个分量的估计值，即

或

、

、；

（Ⅳ）已知解码端的亮度分量估计值

或

，根据Y=(Y₁,Y₂)/2，有

成立，那么可得到解码端的亮度分量估计值或

；

（Ⅴ）由解码端得到的各自分量估计值

、

、

、

经色空间逆转换后，得到原始贝尔模板数字图像中每个像素的估计值，从而完成一帧贝尔模板数字图像的编解码工作。

2.根据权利要求1所述的基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：所述基于W-Z结构的三通道编解码器中三个量化器及反量化器设计如下：

把三个分量图像中的分量Y₁或Y₂、C_r、C_b用变量X₁、X₂、X₃表示，分别输入各自的编解码通道；变量X=(X′₁,X′₂,X′₃),其中X′₁、X′₂、X′₃分别表示X₁、X₂、X₃的离散余弦变换系数；变量x=(x′₁,x′₂,x′₃)，其中x′₁、x′₂、x′₃表示变量X′₁、X′₂、X′₃的任一取值；变量q=(q′₁，q′₂，q′₃)，其中q′₁、q′₂、q′₃表示x′₁、x′₂、x′₃的索引值；变量Q=(Q′₁，Q′₂，Q′₃),其中Q′₁、Q′₂、Q′₃表示变量X′₁、X′₂、X′₃的量化索引变量；

、

、

表示重构函数，

表示解码端边信息

的任一取值；

编解码亮度分量图像的通道中的量化器及反量化器的设计如下：

在变量X₁的编解码通道中，对变量X′₁的任一取值x′₁进行编解码，其它两个分量的正交变换系数X′₂、X′₃及其量化值Q′₂、Q′₃不变，该通道拉格朗日代价函数为：c₁(x′₁，q′₁)=d₁(x′₁，q′₁)+λr₁(x′₁，q′₁)；

其中，失真期望为： $d_1(x_1^{\′},q_1^{\′})=E\left[d\right((x_1^{\′},X_2^{\′},X_3^{\′}),{\hat{x}}^{\′}(q_1^{\′},Q_2^{\′},Q_3^{\′}),\hat{Y}\left)\right|x_1^{\′}]$ ；

速率期望为： $r_1(x_1^{\′},q_1^{\′})=E\left[r\right((q_1^{\′},Q_2^{\′},Q_3^{\′}),\hat{Y}\left)\right|x_1^{\′}]$ ；

在变量X₁的编解码通道中，存在优化量化器

；

使得本通道的拉格朗日代价最小；

那么在量化器确定的前提下，令全局失真为

，解码端存在优化重构函数，

以及编码端存在优化率测度函数

，

使得全局速率R=H(Q′)最小；

根据上述三个优化条件，针对离散余弦变换系数设计优化的标量量化器q_i ^*的步骤如下：

a、选择初始量化器为UMDSQ量化器，记作q_i(x′_i)⁰，即迭代次数从k=0开始；

b、对当前量化函数，求得优化重构函数

；

c、对当前量化索引

,求得优化率测度

；

d、根据以上步骤获得的量化值、率测度值和重构函数值，在该通道的取值空间上计算拉格朗日代价C^k=Ec_i(X′_i,Q′_i)，令λ∈[0.12,0.15]，并与k-1次迭代获得的代价函数值比较，如果该值减小，使k+1，继续调整量化器参数，并回到步骤b，重复步骤b、c、d的工作；

e、如果代价函数值不再减小，则停止，获得优化量化器；

同理，可分别设计得到编解码色差分量图像的通道中优化量化器及反量化器。

3.根据权利要求1或2所述的基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：所述边信息Y的编解码采用δ=2的近无损JPEG-LS编解码，保证边信息解码值的误差绝对值不超过2。

4.根据权利要求1或2所述的基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：所述分量Y₁或Y₂、C_b、C_r经过离散余弦变换后的DC系数由无损JPEG-LS分别进行编解码。

5.根据权利要求3所述的基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：所述分量Y₁或Y₂、C_b、C_r经过离散余弦变换后的DC系数由无损JPEG-LS分别进行编解码。

6.根据权利要求4所述的基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：所述S-W编码器采用率可调打孔式turbo码。

7.根据权利要求5所述的基于W-Z结构的贝尔模板数字图像编解码方法，其特征在于：所述S-W编码器采用率可调打孔式turbo码。

Images