CN1252187A - 用于编码数据序列的一种方法和一种设备 - Google Patents

Abstract

在用于转换一个数字号码流的一种方法和一个设备中,使用了连续号码间的相关,以获得一个具有非常低的号码间相关的新的流,从而,从压缩的观点来看,该号码序列可被更有效地进行编码。为了该目的,用预测号码(S’(i))和实际号码(S(i))间的差值来对这些号码编码,并考虑到,该序列不必以相反顺序解码。该非可逆编码也可被用于有损数据压缩方案中。当压缩数据流在一个时变带宽的信道上传送时,根据当前可用带宽,该方案可被改变以获得一个适度的降低和最佳带宽利用。还提供了一个用于可逆编码的通用方法和设备。

Description

用于编码数据序列的一种方法和一种设备

本发明有关一种方法，用于将一个数字数据流转换为一种具有更小平均信息量的形式，从而更适合于数据压缩，而不增加数据的动态范围，和有关一种用于数据压缩的系统。

最近几年，数字音频及视频通信日益发展，例如，视频电话，视频会议及其它应用，例如数字视频编辑，数字广播等。典型的数据是一个以固定宽度数代表的语音或光强的数字采样流。对于CD性质的音频数据，采样值是16位数字，代表动态范围〔0，2¹⁶-1〕＝〔0，65535〕。数字音频/视频数据的一个问题是，数据量非常巨大，要求一个高的带宽用于通信，且要求很大的磁盘空间用于存储。尽管在传输/存储技术中已经有了巨大的发展，且带宽也越来越便宜，但数字应用程序仍需利用数据压缩，将信息以一种有效方式进行编码。特别地，对于当今或将来的无线通信和多媒体中的应用程序来说，由于总的无线电频率带宽是有限的，且由于在许多应用程序中，存在时间限制，所以数据压缩是非常必要的。

基本上，存在两种方案用于压缩数据。

第一个方案是减小统计冗余。这是通过使用一个符号间相关的统计模型来执行的。该模型，例如，在给出前面的符号时，可以预测一个符号的概率。通过这样做，可以将一个或多或少等概率的符号流转换为一个有较小相关性和峰值概率分布的新的符号流。于是，源符号流的平均信息量被大大减少了。平均信息量编码可被用于使用短代码编码概率符号，而由长代码代表小概率事件，从而使数字流有更小的总长。这种方案被称为无损的，因为压缩没有给数据引入失真，从而可以很好地重建原始数据序列。

第二种方案被用于获得额外压缩，它消去一些信息，被称为有损数据压缩。这样一个操作的目的是使有损方案所引入的失真尽可能小。有损数据压缩被用于多数经济的音频，图像和视频压缩算法中。

用于对数据编码的一个通用技术被称为位面编码(BPC)。给定一组动态范围R＝〔0，2^K-1〕(例如，对应于K＝8位数字号码的动态范围R＝〔0，255〕内的数字号码，这些号码被看作是K组/面二进制数字(比特){0，1}。每个位面对应于所有这些数字的二进制表示中的一位。利用这个标准的位面分裂，保留了位面间的强相关。该相关可被用在一个预测编码方案中，例如，相对于更重要的平面，编码不太重要的位面。见于，例如：M.Rabbani，P.Melnychunk，“condtioning context for theArith Coding of Bit-Planes”，IEEE trans.on Signal Proc.，Vol.40No.1，Jan 1992 and US A.5 442 458

另一种方法是在进行位面分裂之前，通过对所有数据值应用一个Gray编码，来对位面去相关。之后，可以独立地编码位面，其结果与预测编码大致相同，但复杂性更低。

这样一个分解的动机是，可以利用二进制压缩技术，有效地对每个位面编码。在二进制域工作减小了平面内预测模型的复杂度，可以使用更高阶次的预测。例如，在视频编码情况下，要被编码的元素周围的一个更大的，空间的区域可被视为预测值。

考虑普通自然图象序列中的位面表示，通常情况是这样的，在最重要的位面中的采样值之间，有较少的差异及更多的相关。于是，与意义较小的位面相比，可以更有效地对它们编码。从这一点来看，如果忽略意义最小的位面，进行有损编码，可以显著提高压缩率。

压缩最重要位面，同时跳过意义最小位面，这一技术已被用于视频数据压缩领域中，例如，象在国际专利应用PCT/SE 96/00 943中所描述的那样，该专利描述了一个基于对视频序列使用扩展BPC的算法。

若所有符号都是等概率的，则不能进行(无损)压缩。不过，如以上所述，如果能找到一个统计模型，用来从以前的值预测数据，则可以构造一个具有较小方差概率分布的新的符号序列，于是，可以对它进行压缩。如果将符号看作是独立的，则它对应于一个平均信息量的减少。

考虑一个符号源，S＝{S(1)，S(2)，S(3)，…}，由动态范围R内的整数代表(S(i)是在瞬时i生成的符号)。每个数字有K位，动态范围是R＝〔0，2^K-1〕。这样，如果K＝3，则R＝〔0，7〕。

如果这些符号是一组音频或视频序列中空间或时间上连续的采样值，则在相邻值通常互相接近这一意义上，它们是相关的。

使用该相关的一个常用方法是从原始值构造一个新的符号源0＝{0(1)，0(2)，0(3)，…}，其概率分布在少数值周围更趋峰值，从而可以有一个更高的压缩。

文献中的一个已知的解决方法是，使0作为连续值间的差：

0(1)＝S(1)

0(i)＝S(i)-S(i-1)

由此可以完整地重构原始序列：

S(1)＝0(1)

S(i)＝0(i)+S(i-1)

该方法被称为差分脉冲码调制(DPCM)。

考虑S(i-1)的一种方法是将其作为值S(i)的预测值，并将O(i)看作预测误差。这是在数据间使用一阶相关的一个例子。作为一个稳定源，构造O的一个一般方法是：

O(i)＝S(i)-S′(i)

其中，S′(i)代表预测值，通常，它是这样给出的：

S′(i)＝f(S(i-1)，S(i-2)，…)

其中f是实施新的复现的函数。

以下，S′(i)代表预测值。

在一阶相关的简单情况中，可以引入函数f的一个二维图形复现。图1的表中示出了3位动态范围为〔0，7〕的一个例子，该例显示了每个S′(i)＝S(i-1)和S(i)组合的DPCM值。

注意，每个(子)对角线值代表S(i)值和预测值S′(i)之间的一个指定欧几里得距离。

对于常用资源，例如音频信号，由于连续采样值的相似性，O(i)的直方图峰值在零周围，较低的差值使得能有效地对O(i)编码。这表明S(i)＝S(i-1)是一个好的预测值。

不过，在DPCM中使用的减法操作不能保证动态范围，例如，若源符号由8位动态范围〔0，255〕表示，则输出将有一个两倍的动态范围〔-255，255〕，对应于9位数字。当考虑，例如，一个位面编码方法(要编码不止一个位面)时，这将引起压缩中的一个降低。其次，从结构的观点来看，将引起复杂度的增加。一个例子是，通常数字系统的结构是基于字节的，字节作为最小的数据单元(一字节＝8位)，动态范围的增加要求进行扩充，每个采样值使用两个字节。

进一步，Ying Wang，“A set of Transformations for Lossless ImageCompression”，IEEE Transactions on imageProcessing，Vol.4，No.5，May 1995，pp 677-699中，描述了对一个静止图象编码方案的变换，它能保持DPCM的动态范围。该文章还谈到了置换表2a中的入口参数的可能性，以便更有效地对符号编码。图3a和4a分别示出了相应表的例子。图2b，3b和4b中分别示出了对每个差值符号编码所需的“1”的相应数量。这里，“1”的数量指的是对表项目的一个指定符号编码所用的二进制“1”的数量。例如，若要被编码的符号是“4”，则该符号的二进制表示是“100”，它包含一个二进制“1”。减少“1”的个数将提供一个更有效的位面编码。

这样，图1中的表示出了对于一个具有3位动态范围的数据序列，按一般的DPCM算法编码，前面的和当前的符号的不同组合的不同编码值。如果对表1中所有的负表项目加8，则可以得到图2a中所示的表，在许多情况下，图2a中的表比图1中的表更好，因为它能提供同样的信息，而不引起动态范围的增加。这样，在图形复现中，这意味着在表2a中只出现原始动态范围内的数。

此外，表3a和4a是图2a的修改，也示出了可逆，可转置编码。

这里，可逆指的是，该表是一个群乘法表，且该序列可以相反顺序被解码，即，该序列是可逆的。可转置指的是代码的结构与图2a所示结构相同，但入口符号已被置换。

本发明的一个目的是改进用先有技术可能得到的压缩，且本发明的另一个目的是将该方案用于视频和音频序列的压缩。

在保持动态范围的同时，借助于一个使用存在于数字值之间的相关的一般方法，可以获得这些以及其它目的。该方法是基于这样一个判断，即，先有技术中所描述的编码方案没有从编码中消去所有的冗余。这样，在连续采样值之间，仍存在可逆的关联。

这样，通过构造差分编码算法(它在任何意义上都是不可逆的)，可以得到一个更灵活的算法。该灵活性被用于以这样一种方式来设计编码算法，该方法是，输出变得有可能以尽可能高的压缩率进行压缩。

在本发明的另一方面中，差分编码算法被用于一个有损环境中。在有些应用中，不需要将原始序列完整地重构，以得到一个已被接受的结果。

现在，借助于一个不受限制的实例，并参照附图，更详细地描述本发明。

图1示出了现有技术中用于DPCM的表。

图2a和2b示出了现有技术中，用于一个保持动态范围的DPCM算法的表及所需“1”的相应数量。

图3a和3b示出了与图2a和2b中所示的那些表类似的现有技术的表。

图4a和4b示出了与图2a和2b中所示的那些表类似的现有技术的表。

图5示出了用于差分编码的一个表。

图6a和6b示出了用于差分编码的表并最小化了“1”的数量。

图7a和7b示出了一个不可逆编码的表1的例子。

图8a和8b是与图7a和7b的表类似的表，其中群集被最大化。

图9a和9b是与图8a和8b所示的那些表类似的表，但是不对称的。

图10是与图7中的表类似的一个表。

图11是图10的逆。

图12是与图10类似的一个表。

图13是具有递增/递减调零的表的例子。

通常，有许多构造可逆可转置关系的方式。不过，当目的是获得尽可能被压缩的数据流时，应以这样一种方式来挑选表，即，根据操作目的，优化输出流0，例如，为了对位平面0去相关，可以对图2a中的表的项目进行格雷编码，从而得出图5的表。从压缩的观点来看，这样一个表能提供一个更好的输出流，所以比图2a，3a和4a中所示的表更好。

图6a中示出了一个更好的实例，其中，该表是一个可逆不可转置的代表。用最小数量的1来编码小的差值，见图6b，从这点来说，图6a中的表是较好的，它提高了压缩率。在这种情况下，使用了下述特性，即〔S(i)，S′(i)〕对的统计分布函数在主对角线S(i)＝S′(i)周围达到很强的峰值，而在副对角线，概率递减。归功于以非转置方式设计代码所得出的代码，使该项应用成为可能。

这样，与图2-5中的表不同的是，表6a中的各子对角线不包含同等符号。这一特性，即沿各子对角线具有不同符号这一性质，使得能够对差值符号进行更灵活和更优化的编码。

图2a-6a中的表对应于“群乘法表”，并且是可逆的，因为在每行每列，每个符号只出现一次。于是，可以确保从0完整地重构S。表2-5还是可转置的，即沿各子对角线，它们有同一符号，而表6a是不可转置的，即沿某子对角线的一些符号互不相同。在有些应用中，可逆特性是很有利的。

不过，在数据压缩中，目的是要将一个数据符号序列压缩到最小。根据特定应用的要求，压缩可以是无损或有损的。在这些情况下，按以前技术的差分编码，例如按图1-4的表所设计的编码，都不是最优的。

从这点来看，按表5和6a的技术编码所得的结果可被进一步改善。

这是由于，这些表给出了比所需信息更多的信息，即结合图1-4所描述的方法及结合图5和6a所描述的方法都不能消除所有的冗余信息。这样，已发现，给出O(i)，可以从S(i-1)重构S(i)，但也可以从S(i)重构S(i-1)。这样，可以执行符号流的向前或向后解码，即，一个可逆表对应双向解码。

由于在通常的编码应用中，只使用从S(i-1)和O(i)向前重构S(i)，所以，图2a-6a中所示的表的群乘法结构是不需被限定的，并包含有不需要的信息。

这样，假设在开始重构S(i)之前，已重构了S(i-1)，则O(i)表上的唯一的条件是，范围R内的每个数应在每列正好出现一次。换句话说，每列都应为R的一个置换。与普通的群乘法表不同，对每行中数的分配没有限制。在图7a中示出了按这种方法设计的一个表的例子。

这个最普通的，确保原始信号完整重构的关系式可被写为：

O(i)＝f_S′(i)(S(i))，

其中，每个f_S′(i)(x)代表R的一个置换。

为简单起见，以上所述中只使用了一个预测值S′(i)。

为简单起见，在以上讨论中只使用了一个预测值S′(i)。不过，根据两、三个或更多个预测值，挑选置换，可以很容易地使该方法对更复杂的情况通用。相应的图象复现将是三、四等维数的。

该方法是通用的并可在许多不同条件下应用。每列都应该是一个置换这一限制，给出了很大的自由度，使编码能与特定的应用相适应。以下详细讨论一个位面编码的情况。

例如，该方法可被用于对位面编码视频序列进行编码的情况。原始数据流是一个数字号码的矩阵序列，其中每个矩阵对应于一帧，且其中，数字号码的范围是0到7。在该例中，提到了时间相关，一个指定象素在瞬时1，2，…的连续数字值S(1)，S(2)，…被认为是源S。对于普通的视频序列(无场景改变)，连续采样值是高度相关的且绝对差|S(i)-S(i-1)|在零附近达到强峰值。在连续信号的采样中生成的多数数据流都显示出相似的相关性。这就是，例如，图象序列的一帧中的空间相关的情况，也是一个普通音频流中的情况。换一种方式，也可使用平面内预测S′(i)。

如果要使用位面编码技术来对一个序列编码，如在所述国际专利应用PCT/SE 96/00943中所讲的那样，可以设计一个图7a所示类型的表，以便最大化压缩率。然后，可以使用不同的策略。一个策略是生成一个信号0，以使位面中“1”的总数尽可能少，同时使位面间的相关很小。

若S′(i)是一个好的预测值，则S(i)，S′(i)对在主对角线S(i)＝S′(i)周围达到强峰值，且对于子对角线，概率递减。在该例中，S′(i)＝S(i-1)处的情况也是这样。为了最小化“1”的总数，在其二进制表示中“1”的总数最小的编码值被放在离对角线最近的地方。

在图7a中示出了一个可能的表的例子，相应的“1”的数量在图7b的表中示出。

这确保了位平面的一个十分成功的编码，但通常，必须协调与实际位平面编码算法一起使用的变换。

此外，图8a示出了一个非可逆编码的例子，如图8b中所见到的，它最小化“1”的数量并最大化位平面中“1”群的规模。由于在各个行中，表项目是重复的，所以图8a中的表不再是一个群乘法表。

图9a中的表与图8a中的相似，其中，消除了沿对角线的1的对称性，见图9b，这在有些应用中是有利的。

此处所描述的方法也可被用作一种获得数据的有效有损压缩的方法。

这样，以上，该方法被用作一个无损方案。这意味着，确保了输入数据序列的一个完整的重构。为了达到更高的压缩，通过忽略每列必须是范围R的一个置换这一条件，可将该方法推广到一个有损的情况。

在有损情况中，允许每列由R的任何子集构成。所关心的一种情况是，图7a所示表中对应于|S(i)-S′(i)|＝1的子对角线都被置为“0”，所得出的结果见图10中的表。

当使用一个有损表，例如图10中的表时，一个重要的环节是，使用重构值S′(i)，记为S′(i)，而不是S′(i)，以避免重构值相对于S(i)的偏移。

在使用有损变换表时，逆表不是无歧义定义的，而是必须明确指定的。必须为每列中的每组退化值挑选一个重构值。在使用图10中的表的情况下，可以使用图7a中无损表的逆，这意味着对角线被完整地重构了。在图11的表中示出了该逆表。有损情况下唯一的区别是，S′(i)和O(i)的某些组合将不再出现，且与有损情况不相干。

为说明有损情况，考虑采样序列S(i)：24572353

若使用图6中的表，该序列将被重构为：S(i)：24472253

该方法允许在设计表时有很大的自由度，并能引起压缩率的较大提高。在以上所述的特殊情况中，其中使用了绝对差|S(i)-S(i-1)|，它在零周围达到强峰值。图10中所示的表的使用，使“1”的总数极大减少。

从性能观点来看，通过引入这一特定有损方案所引起的性能下降可被有效控制。因而，一旦误差高于一个门限值，则重新恢复正确值。特别是，在图6a的表中所介绍的方案中，使用了门限值“1”。

例如，在以上结合视频编码应用所描述的情况下，S′(i)和S(i)是连续帧中同一位置处的象素值，在一些瞬间，该方法引起某些象素点中信息的丢失，于是，从视觉角度看，引入了一些失真。不过，只是沿子对角线引入了损失。从而，质量损失被限定了，从视觉角度看，不是非常令人无法容忍的。

通过以图12所示方式修改表，可以更大地提高压缩率(与图10所示情况相比)在图12中，没有对应于三个“1“的符号。这是通过将对应于三个“1”的符号与其它符号互换而做到的，在这种情况下，这样做是可能的，因为由于有损编码的引入，符号范围已缩小了。

有损方案的另一个优点是，它允许引入比特率控制。这是通过将该方法用作一个更灵活的方案来做到的，这里，不是整个子对角线被归零，而是其中的一些元素。根据质量/压缩率的比例，子对角线中零的个数动态增加或减少。在图13中示出了这样一项技术，这里，与图7a和图12相比，部分地引入了第一子对角线归零。

以这种方式，当所用信道上的负载增加/减少时，可以获得质量的适度降低。于是，当在其上传输数据的信道用于其它业务时，结合图13所描述的方法提供了一个非常有效的编码，它能适应当前可用的带宽。

该方法的另一种应用是平滑信号，这是通过在动态范围保持表中加入一个最大化步骤来完成的，这样，所有大于，例如5的差值都被变换为5。

此处所述方法可以在不增加数字的动态范围的基础上，使用数字流中的相关。从而，可以作为编码数字数据的有效的第一步来使用。

另外，本方法非常通用，可适用于非常不同的策略和应用场合。特别是，已发现，本方法与平均信息量编码方案(例如基于位面编码的方案)一起使用非常有效，在位面编码中，很重要的一点是，要有可能不增加动态范围，使用元素间的相关。

本方法也可能用于有损情况和无损情况，本方法使得有很大可能性为某一指定应用程序设计最优表。

在有损条件下，本方法允许一个非常高的压缩率。有损表也可被用于获得比特率控制，以及用于平滑信号。它也可被用于编码方案的在线微调。

从计算观点来看，本方法非常便宜，它可以通过一个简单的搜索表来实施。

本方法可用于对具有一个固定范围的任意数字流编码。本方法在下列情况下非常有用，当连续信号已被数字化，并且在相邻采样值之间存在强相关时，用于编码音频，图象和视频流，或在其它可以实施一个有效预测的情况下，通过引入多维搜索表，它可被很容易地在多于一次相关的情况下通用。

Claims (16)

1.一种用于对要被传输或存储的一个数据符号序列进行无损或有损编码的方法，其特征在于，每个符号都用一个动态范围保留差值符号来编码，该差值符号代表当前符号与预测符号间的差值，这样，如果知道了预测符号和该差值符号，则可以确定编码符号或该编码符号的一个估计，且其特征在于，所述差值符号以一种非可逆方式编码，这样，前面的符号不能由编码符号和差值符号唯一确定。

2.如权利要求1的一种方法，其特征在于，相对于大的预测误差，与小的预测误差相联系的差值符号由少量的二进制“1”代表。

3.如权利要求1或2的方法，在有损编码时，其特征在于，如果预测符号和当前符号间的差值比第一确定值小，则预测符号被用作正确的当前符号。

4.如权利要求1-3中任一个的方法，其特征在于，若预测符号和当前符号间的差值大于第二预定值，则与第二预定值相关的符号被用作差值符号。

5.如权利要求3-4中任一个的方法，其特征在于，第一和/或第二预定值分别随用于传输差值符号的信道的可用瞬时带宽而改变。

6.如权利要求1-5中任一个的一种方法，其特征在于，利用前面的解码符号得到预测符号。

7.用于对一个数据符号序列进行无损或有损编码的编码设备，该数据符号要被传输或存储，其特征在于：

-用一个动态范围保持差值符号对每个符号编码的装置，差值符号代表当前符号和一个预测符号间的差，这样，在已知预测符号和差值符号时，可以确定编码符号或编码符号的一个估计。和

-以非可逆方式编码所述差值符号的装置，因此，不能由编码符号和差值符号唯一地确定一个前面的符号。

8.如权利要求7的一个设备，其特征在于：

-相对于与较大预测误差相关的差值符号，用少量二进制“1”来编码与较少预测误差相关的差值符号的方法。

9.如权利要求7或8的一个设备，在有损编码的情况下，其特征在于：

-如果预测符号和当前符号的差值比第一预定值小，则将当前符号编码为预测符号的装置。

10.如权利要求7-9中任一个的设备，在有损编码情况下，其特征在于：

-如果预测符号和当前符号间的差值大于一个第二预定值，则将当前符号编码为与第二预定值相关的差值符号的装置。

11.如权利要求9-10中任一个的设备，其特征在于，根据用于传输差值符号的信道的瞬时可用带宽，改变第一和/或第二预定值的装置。

12.如权利要求7-11中任一个的设备，其特征在于，利用前面的解码符号，获得预测符号的装置。

13.一种用于对要被传输和存储的一个数字序列进行无损或有损编码的方法，其特征在于，每个符号都用一个动态范围保持的差值符号来编码，该差值符号代表一个当前符号和一个预测符号间的差值，因此，在已知预测符号和差值符号时，可以确定编码符号或编码符号的一个估计值，且其特征在于，通过一个非可置换群乘法表来编码所述差值符号。

14.如权利要求13的一种方法，其特征在于，使用前面的解码符号，得到预测符号。

15.一种用于对要被传输或存储的一个数据符号序列进行无损或有损编码的设备，其特征在于：

-用一个动态范围保持差值符号对每个符号编码的装置，该差值符号代表当前符号和预测符号间的差值，因此，知道了预测符号和差值符号，就可以确定编码符号或编码符号的一个估计值，以及

-利用一个非可置换群乘法表，对所述差值符号编码的装置。

16.如权利要求15的一个设备，其特征在于：

-利用前面的解码符号，获得预测符号的装置。

Images