CN1719903A - 用于图象算术编码中的一种二值化和概率模型选择方法 - Google Patents

用于图象算术编码中的一种二值化和概率模型选择方法 Download PDF

Info

Publication number
CN1719903A
CN1719903A CN 200510012008 CN200510012008A CN1719903A CN 1719903 A CN1719903 A CN 1719903A CN 200510012008 CN200510012008 CN 200510012008 CN 200510012008 A CN200510012008 A CN 200510012008A CN 1719903 A CN1719903 A CN 1719903A
Authority
CN
China
Prior art keywords
layer
probabilistic model
sign indicating
indicating number
model
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.)
Pending
Application number
CN 200510012008
Other languages
English (en)
Inventor
何芸
李�亨
王博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN 200510012008 priority Critical patent/CN1719903A/zh
Publication of CN1719903A publication Critical patent/CN1719903A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明属于信号处理中的图象编码领域，涉及图象编码中变换系数熵编码中的一种二值化方法。本发明对图象块进行扫描后的一串系数设计了新的二值化方法，其特征之一在于将最后一个非零系数的位置信息编入码流，再由最后一个非零系数开始逆序对所有的系数进行算术编码。其特征之二在于，将最后一个非零系数二值化后，选择概率模型并对其算术编码。本发明中的方法通过概率模型的更新可以得到更准确的概率预测值进行算术编码，从而得到更优越的压缩性能。

Description

用于图象算术编码中的一种二值化和概率模型选择方法
技术领域
本发明属于信号处理中的图象编码领域，特别涉及图象编码中对扫描后的系数串进行二值化和概率模型选择的方法。
背景技术
现有的图象编码方法中，视频图象的每一幅图象一般被划分为若干个图象块，然后对每一个图象块进行编码。所说的图象块是指图象中作为编码基本单位的象素集合，是象素个数大于等于1的正方形、长方形或任意形状边界的象素的集合。编码的步骤一般又包括预测、变换、量化、扫描和熵编码。其中熵编码通常有两种方法，即变长码和算术编码。
算术编码的基本思想是用[0，1)中的实数来编码信源。实数的长度和信源字符序列的概率有关。算术编码过程中要用到两个基本的参数：各符号的概率估计值和当前区间。编码的具体方法是：
1)定义当前区间为[0，1)。
2)编码每个符号重复如下过程：
a.把当前区间分割成若干子区间，各个子区间的长度正比于各个可能输入的符号的概率估计值。
b.把对应实际出现的符号的子区间定义为新的当前区间。
3)处理完信源序列后，选择一个可以唯一确定当前区间的实数输出。
为了快速估计各符号的概率值，降低概率估计和算术编码的复杂度，在实际应用中往往采用二值算术编码的编码。二值算术编码的编码与多符号算术编码不同的是在算术编码之前要将信源的字符二值化为仅由0和1组成的比特串。而且为了得到好的压缩效果，很多情况下需要建立复杂的概率模型，用来预测不同统计特点的符号的概率值，这些模型在编码过程中可能是自适应模型。所以在高效实用的二值算术编码方法中，要包含二值化的方法和建立自适应概率模型的方法，二值化的作用是把不同的符号二值化为由0和1表示的比特串，建立概率模型的目的是把统计特性相近的比特串用同一种模型进行概率的更新，在编码时选择相应的概率模型，从而得到概率预测值，进行算术编码，在编码过程中不断更新概率模型以得到更准确的概率预测值。参见图一。
由于算术编码的复杂度高，实现速度慢，在国际视频编码标准MPEG-2之前的熵编码算法均采用了变长码，没有用算术编码。
但是算术编码也有以下明显的有点：压缩效率接近最优理论值，即信源的熵，其压缩效率比变长码高；而且算术编码中编码过程和概率建模过程是分开的，很容易做到自适应统计特性的变化。自国际视频编码标准H.263起开始有算术编码的选项。在最新国际视频编码标准H.264/AVC中的基于上下文的自适应二值算术编码方法即是算术编码应用的一个典型的例子。此种基于上下文的自适应二进制算术编码方法的特征在于，对变换后的图象块中的16个系数进行扫描形成一个一维的系数串。这个系数串中的每一个系数值为量化后的整数。然后对这个系数串首先进行二值化，然后选择概率模型进行算术编码。其中二值化的方法包括以下步骤：
步骤一：用一个标志位，即SIG，来表示其是否为零：SIG＝1表示系数非零；SIG＝0表示系数为0。
a.如果SIG＝1，用另一个标志位，即LAST来表示该非零系数是否是当前块的最后一个非零系数：如果LAST＝1，表示当前系数是最后一个系数，转到步骤二；否则，转到步骤一。
b.如果SIG＝0，转到步骤一。
步骤二：按逆扫描顺序将每个非零系数的绝对值二值化，在后面加上符号位，即SIGN。SIGN＝0表示正，SIGN＝1表示负。
参见图二。
对非零系数的二值化方法采用一元截断码和零阶指数哥伦布码混合的方法，具体二值化结果见下表：
  系数绝对值                二值化结果
  一元截断码   零阶指数哥伦布码
  1   0
  2   10
  3   110
  4   1110
  5   11110
  6   111110
  ……   ……
  14   11111111111110
  15   11111111111111   0
  16   11111111111111   100
  17   11111111111111   101
  18   11111111111111   11000
  19   11111111111111   11001
  ……   11111111111111   ……
                      表一
此种方法在对系数绝对值的二值化比特串进行概率模型选择时采用如下方法：
1)对于标志位SIG和LAST都是通过扫描序号选择概率模型，通过索引表由扫描序号索引到模型的序号。
2)非零系数绝对值二值化后得到的比特串分成第一个比特、除第一个比特外的一元截断码和零阶指数哥伦布码三部分，分别选择模型。第一部分的概率模型选择是根据在逆扫描顺序编码时，在该系数之前的所有非零系数的总个数，总个数即为概率模型序号总个数大于4概率模型序号不再增加，仍为4；第二部分的概率模型的选择根据的是在该系数之前的所有第一个比特位为1的非零系数的总个数，总个数即为概率模型序号总个数大于4概率模型序号不再增加，仍为4；第三部分用等概率算术编码，不需要概率模型。具体的选择结果，参见图三。
3)符号位SIGN用等概率的算术编码，不需要概率模型。
由概率模型按下述方法得到概率预测值：
每个概率模型存储的是一个状态序号和一个大概率符号值。一共有64个状态，每个状态对应一个小概率符号的概率，算术编码的当前的区间量化为4个区间，按状态号和当前区间所在范围查一个64×4的表就可以得到小概率符号所对应的区间大小，即当前区间大小与小概率符号概率的乘积，见表二。大概率符号是指符号0和1中预测概率值较大的符号，可能是1或0。
当对每一个二值化得到的比特进行编码时，首先由这个比特的概率模型得到此概率模型存储的状态序号，由状态序号和算术编码的当前区间查表二得到小概率符号对应的区间大小，也就相当于得到了这一比特小概率符号的概率预测值，下面就可以对这一个比特进行算术编码了。
当编完这一比特时，要根据这一比特的内容对这一比特所用的概率模型进行更新，也就是要更新这一模型里存储的状态的序号。如果这一比特是概率模型里所存储的大概率符号，那么将按表三中的得到大概率符号跳转规则得到新的状态序号存到此概率模型中；如果这一比特不是概率模型里所存储的大概率符号，那么将按表三中的得到小概率符号跳转规则得到新的状态序号存到此概率模型中；如果在状态0且这一比特是小概率符号，那么把概率模型中存储的大概率符号进行修改，如果是1改为0，如果是0改为1。
  状态序号               当前区间所在范围   状态序号               当前区间所在范围
  0   1   2   3   0   1   2   3
  0   128   176   208   240   32   27   33   39   45
  1   128   167   197   227   33   26   31   37   43
  2   128   158   187   216   34   24   30   35   41
  3   123   150   178   205   35   23   28   33   39
  4   116   142   169   195   36   22   27   32   37
  5   111   135   160   185   37   21   26   30   35
  6   105   128   152   175   38   20   24   29   33
  7   100   122   144   166   39   19   23   27   31
  8   95   116   137   158   40   18   22   26   30
  9   90   110   130   150   41   17   21   25   28
  10   85   104   123   142   42   16   20   23   27
  11   81   99   117   135   43   15   19   22   25
  12   77   94   111   128   44   14   18   21   24
  13   73   89   105   122   45   14   17   20   23
  14   69   85   100   116   46   13   16   19   22
  15   66   80   95   110   47   12   15   18   21
  16   62   76   90   104   48   12   14   17   20
  17   59   72   86   99   49   11   14   16   19
  18   56   69   81   94   50   11   13   15   18
  19   53   65   77   89   51   10   12   15   17
  20   51   62   73   85   52   10   12   14   16
  21   48   59   69   80   53   9   11   13   15
  22   46   56   66   76   54   9   11   12   14
  23   43   53   63   72   55   8   10   12   14
  24   41   50   59   69   56   8   9   11   13
  25   39   48   56   65   57   7   9   11   12
  26   37   45   54   62   58   7   9   10   12
  27   35   43   51   59   59   7   8   10   11
  28   33   41   48   56   60   6   8   9   11
  29   32   39   46   53   61   6   7   9   10
  30   30   37   43   50   62   6   7   8   9
  31   29   35   41   48   63   2   2   2   2
                                                   表二
  当前状态序号   得到小概率符号跳转到的状态序号   得到大概率符号跳转到的状态序号   当前状态序号   得到小概率符号跳转到的状态序号   得到大概率符号跳转到的状态序号   当前状态序号   得到小概率符号跳转到的状态序号   得到大概率符号跳转到的状态序号
  0   0   1   22   18   23   44   31   45
  1   0   2   23   18   24   45   32   46
  2   1   3   24   19   25   46   32   47
  3   2   4   25   19   26   47   33   48
  4   2   5   26   21   27   48   33   49
  5   4   6   27   21   28   49   33   50
  6   4   7   28   22   29   50   34   51
  7   5   8   29   22   30   51   34   52
  8   6   9   30   23   31   52   35   53
  9   7   10   31   24   32   53   35   54
  10   8   11   32   24   33   54   35   55
  11   9   12   33   25   34   55   36   56
  12   9   13   34   26   35   56   36   57
  13   11   14   35   26   36   57   36   58
  14   11   15   36   27   37   58   37   59
  15   12   16   37   27   38   59   37   60
  16   13   17   38   28   39   60   37   61
  17   13   18   39   29   40   61   38   62
  18   15   19   40   29   41   62   38   62
  19   15   20   41   30   42   63   63   63
  20   16   21   42   30   43
  21   16   22   43   30   44
                                    表三
通过这样的二值化和概率模型的选择这一方法得到了良好压缩效果。这一方法可以参考
专利US_20040114683_A1
发明内容
本发明为用于图象编码算术编码中的一种二值化和概率模型选择方法，其目的是为了提高现有图象编码的性能。此方法的特征在于编最后一个非零系数的位置值，即最后一个非零系数的扫描顺序号；再由最后一个非零系数起，逆扫描顺序编所有系数，其中包括值为零的系数。参见图三。此方法通过编最后一个非零系数的位置值保留了相同绝对位置间的统计特性，能够建立更好的概率模型，更好的实现自适应，得到更准确的概率预测值，从而得到良好的压缩性能，并且所花费的代价不大。
本发明的特征在于
按一定规则扫描得到变换系数串后，首先对该系数串的最后一个非零系数的位置值进行编码；然后由最后一个非零系数起，按逆扫描序对所有变换系数进行编码。
所述的方法是在计算机中依次按下述步骤实现的：
步骤1：计算机在被输入按一定规则扫描后的图象的变换系数串后，按一下步骤对该系数的最后一个非零系数的位置进行二值化，然后再对二值化后得到的一元码进行概率模型选择，供以后的算术编码使用：
步骤1-1：对最后一个非零系数的位置值进行二值化：
步骤1-1-1：将所述的该最后一个非零系数的位置值的取值范围分为k1个区间，作为第一层，即n＝1，层数用n表示；
步骤1-1-2：把所述第一层的每个区间再分为k2个区间，作为第二层，n＝2；
步骤1-1-3：按步骤1-1-2所述的分法一直分下去，直至区间长度为1，共得到N层，N≥1，其中第n层有kn个区间；
步骤1-1-4：对于第n层，根据最后一个非零系数位置值所在kn个区间中的第几个区间，把最后一个非零系数的位置值二值化为长度小于kn的一元码，遍及所述n层，最终得到N层一元码；
步骤1-2：为步骤1-1得到的N层一元码选择相应的概率模型，第1层用k1-1种概率模型，第n层根据第n-1层的一元码采用kn-1种概率模型，具体按如下方法选择：
设定第1层所用到的一元码概率模型序号的初始值A1，在选择第1层的一元码概率模型时，每一位用一种模型，第1位到第k1-1位所用的概率模型的序号分别为A1，A2，……Ak1-1，共k1-1种概率模型；在选择第2层一元码的概率模型时，根据第1层一元码的k1种可能，设定第2层一元码概率模型序号的初始值B1，在选择第2层的一元码概率模型时，每一位用一种模型，第1位到第k2-1位所用的概率模型的序号分别为B1，B2，……，Bk2-1，用k2-1种概率模型；之后各层的概率模型选择依次类推，直至完成第N层的概率模型选择；
步骤1-3：由一元码每一位的概率模型得到概率预测值，对一元码每一位进行算术编码；
步骤2：然后由最后一个非零系数起，按逆扫描序对所有变换系数进行二值化，其中包括值为零的变化系数，每一个变换系数二值化得到一元码串，之后为一元码每一比特位选择概率模型，由概率模型得到概率预测值，进行算术编码。
附图说明
图1：自适应的二值算术编码器，包括二值化、概率模型选择和算术编码三部分，在编码时实时更新概率模型。
图2：H.264中的变换系数串的编码结构，如何编标志位SIG和LASY，如何逆扫描顺序编非零系数绝对值。
图3：方法流程图。其中maxNun是图像块的全部变换系数的个数，lnob(last number ofblock)是最后一个非零系数的位置值，即最后一个非零系数的扫描序号。
图4：H.264的中基于上下文的自适应二值算术编码方法变换系数编码实例。图中各行分别为：扫描顺序号，变换系数串，标志位SIG和LAST，逆扫描顺序编非零系数值，编非零系数值时第一比特位和后面各一元截断码比特位的概率模型选择结果。
图5：本发明方法的变换系数编码实例。图中各行分别为：扫描顺序号，变换系数串，最后一个非零系数值，逆扫描顺序编系数值，编系数值时第一、第二比特位和后面各一元截断码比特位的概率模型选择结果。
具体实施方式
首先对该系数串的最后一个非零系数的位置值进行二值化，选择概率模型进行算术编码；然后由最后一个非零系数起，按逆扫描顺序对所有变换系数进行编码，包括变换系数值为零的系数进行编码，其编码方法包括对每一个系数值进行二值化，对二值化后的值选择概率模型再进行算术编码。
对最后一个非零系数的位置值进行编码时，二值化方法如下：将位置值的取值范围分为k1个区间，即第一层有kn个区间，n＝1；第一层的每个区间再分为k2个区间，即第二层有kn个区间，n＝2；如此分下去直至区间长度为1，从而得到N层，N≥1，其中第n层有kn个区间；对于第n层，根据最后一个非零系数的位置值所在的区间，将该位置值二值化为长度小于kn的一元码，最终将位置值二值化为N层的一元码。
对最后一个非零系数的位置值二值化后的一元码进行概率模型选择时，第1层采用k1-1种概率模型，第n层根据第n-1层的一元码采用kn-1种概率模型。
具体选择方的法如下：设定第1层一元码概率模型序号的初始值A1，在选择第1层的一元码概率模型时，一元码的每一位用一种概率模型，模型的序号分别为A1，A2，……Ak1-1，用k1-1种概率模型；在选择第2层的一元码概率模型时，根据第1层一元码的k1种可能，设定第2层一元码概率模型序号的初始值B1，在选择第2层的一元码概率模型时，一元码的每一位用一种概率模型，模型的序号分别为模型的序号分别为B1，B2，……，Bk2-1，用k2-1种概率模型；之后各层的模型选择依次类推，直至完成第N层的模型选择。
按逆扫描顺序编所有系数时，对系数绝对值的二值化方法采用一元截断码和零阶指数哥伦布码混合的方法，在后面加上符号位，符号位为0表示正，符号位为1表示负，系数0不编符号位。具体二值化结果见下表：
  系数绝对值               二值化结果
  一元截断码   零阶指数哥伦布码
  0   0
  1   10
  2   110
  3   1110
  4   11110
  5   111110
  6   1111110
  ……   ……
14 111111111111110
  15   111111111111111   0
  16   111111111111111   100
  17   111111111111111   101
  18   111111111111111   11000
  19   111111111111111   11001
  ……   111111111111111   ……
                         表二
在对系数值的二值化比特串进行概率模型选择是采用如下方法：
第一比特位是通过扫描序号选择概率模型序号，通过索引表由扫描序号索引到概率模型的序号。不同大小的图象块有不同的索引表，一个8x8图象块的索引表如下：
  第一比特位概率模型序号01234567891011121314   扫描序号0123 9 10 20 214 7 8 11 12 13 16 17 18 195 6 14 1522 33 38 46 5123 24 25 31 32 3926 30 40 4527 29 41 44 52 5528 43 54 6134 37 47 50 56 5935 48 57 6236 49 5842 53 60 63
                             表三
第二比特位的模型选择概率模型选择是根据在逆扫描序编码时在该系数之前的所有非零系数的总个数，总个数即为概率模型序号，总个数大于4概率模型序号不再增加，仍为4；除前两个比特外的其他一元截断码用同一个概率模型，其模型选择根据的是在该系数之前的所有第二比特位为1的非零系数的总个数，总个数即为概率模型序号，总个数大于4概率模型序号不再增加，仍为4；零阶指数哥伦布码部分和符号位不需要概率模型，用等概率算术编码。具体选择结果参见图四。
本发明的用于图象编码熵编码中的一种二值化方法实施例详细说明如下：
设视频编码中某个8x8图象块的变换量化扫描之后的系数串如图四中所示，扫描得到的最后一个非零系数的位置值为11。而最后一个非零系数位置值的取值范围是0～63。
实施例一：把最后一个非零系数的位置值二值化为2层，即N＝2。第1层分为8个区间，即k1＝8。第二层分为8个区间，即k2＝8。第1层的一元码如下表。设定第1层一元码概率模型序号的初始值是0，即A1＝0，用到的概率模型的序号是0～6，每个比特一个概率模型，用到的概率模型如下表。
  最后一个非零系数位置值所在区间   二值化结果   所用的概率模型的序号   第2层概率模型序号的初始值B1
  0～7   1   0   7
  8～15   01   0，1   14
  16～23   001   0，1，2   21
  24～31   0001   0，1，2，3   28
  32～39   00001   0，1，2，3，4   35
  40～47   000001   0，1，2，3，4，5   42
  48～55   0000001   0，1，2，3，4，5，6   49
  56～63   0000000   0，1，2，3，4，5，6   56
                                    表四
由第1层的一元码选择第2层一元码概率模型序号的初始值B1，选择方法见上表，用到的概率模型的序号是B1～B1+6，即Bi＝B1+i-1每个比特一个概率模型。第2层一元码如下表。
  最后一个非零系数位置值所在区间   二值化结果   所用的概率模型的序号
  0   1   B1
  1   01   B1，B2
  2   001   B1，B2，B3
  3   0001   B1，B2，……，B4
  4   00001   B1，B2，……，B5
  5   000001   B1，B2，……，B6
  6   0000001   B1，B2，……，B7
  7   0000000   B1，B2，……，B7
                       表五
对图四实例应用此实施方法具体如下：最后一个非零系数值11在第1层的8～15的区间内。第2层8～15的区间分为8个区间，区间长度是1，11在第4个区间。所以最终11的二值化结果和概率模型序号如下：
  第1层   第2层
  2层一元码   01   0001
  概率模型序号   0，1   14，15，16，17
                    表六
实施例二：把最后一个非零系数的位置值二值化为6层，即N＝6。每层分为2个区间。每个区间的一元码是0或1。此时二值化得到的一元码的结果等同于把最后一个非零系数的位置值的二进制值。设定第1层一元码概率模型序号的初始值是0，即A1＝0，用到的概率模型的序号是0。第n层的概率模型序号的初始值N，与第n-1层的模型序号的初始值M的关系
如下：s是第n-1层的一元码，是0或1。
如果s＝0，N＝M×2+1
否则s＝1，N＝M×2+2
对图四实例应用此实施方法最后一个非零系数值11的二值化结果和概率模型序号如下：
 第1层  第2层  第3层  第4层  第5层  第6层
  6层一元码  0  0  1  0  1  1
  概率模型序号  0  1  3  8  17  36
                             表七
应用如上两种实施例在逆扫描顺序编所有系数值时所采用的二值化方法相同，具体二值化结果参见表二。概率模型选择的方法相同，选择的结果参见图四。
本发明的上述实施例只用于说明本发明的内容，但不限制权利要求所保护的内容。本发明所提出用于图象编码熵编码中的一种二值化方法不限于应用于算术编码中，还可以推广至其它压缩编码方法之中。
附表说明：
表一：H.264中的系数绝对值的二值化表
表二：由状态序号和算术编码当前区间得到小概率符号对应区间
表三：由已编符号进行概率模型更新时，状态的跳转表
表四：发明方法系数的二值化表
表五：发明方法系数二值化得到的比特串的第一比特位的概率模型索引表
表六：实施例一中第1层一元码的二值化和概率模型选择表
表七：实施例一中第2层一元码的二值化和概率模型选择表
表八：实施例一的二值化和模型选择结果
表九：实施例二的二值化和模型选择结果。

Claims (6)

1.用于图象算术编码中的一种二值化和概率模型选择方法，其特征在于，所述的方法包括以下步骤，对按一定规则扫描得到的有序变换系数串，对该系数串的最后一个非零系数的位置值进行编码；然后由最后一个非零系数起，按逆扫描序对所有变换系数进行编码。
2.如权利要求1中所述的一种用于图象算术编码中的一种二值化和概率模型选择方法，其特征在于，所述的对最后一个非零系数的位置值进行编码，对变换系数串或按逆扫描序进行编码，或按正扫描序进行编码。
3.如权利要求1中所述的一种用于图象算术编码中的一种二值化和概率模型选择方法，其特征在于，所述的对最后一个非零系数的位置值进行编码，或在对整个变换系数串编码之前进行，或在对整个变换系数串编码的中间进行，或在对整个变换系数串编码之后进行。
4.如权利要求1中所述的一种用于图象算术编码中的一种二值化和模型选择方法，其特征在于，所述的方法有如下步骤：
步骤1：计算机在被输入按一定规则扫描后的图象的变换系数串后，按一下步骤对该系数的最后一个非零系数的位置进行二值化，然后再对二值化后得到的一元码进行概率模型选择，供以后的算术编码使用：
步骤1-1：对最后一个非零系数的位置值进行二值化：
步骤1-1-1：将所述的该最后一个非零系数的位置值的取值范围分为k1个区间，作为第一层，即n＝1，层数用n表示；
步骤1-1-2：把所述第一层的每个区间再分为k2个区间，作为第二层，n＝2；
步骤1-1-3：按步骤1-1-2所述的分法一直分下去，直至区间长度为1，共得到N层，N≥1，其中第n层有kn个区间；
步骤1-1-4：对于第n层，根据最后一个非零系数位置值所在kn个区间中的第几个区间，把最后一个非零系数的位置值二值化为长度小于kn的一元码，遍及所述n层，最终得到N层一元码；
步骤1-2：对从步骤1-1得到的N层一元码选择相应的概率模型，第1层用k1-1种概率模型，第n层根据第n-1层的一元码采用kn-1种概率模型，具体按如下方法选择：
设定第1层所用到的一元码概率模型序号的初始值A1，在选择第1层的一元码概率模型时，每一位用一种模型，第1位到第k1-1位所用的概率模型的序号分别为A1，A2，……Ak1-1，共k1-1种概率模型；在选择第2层一元码的概率模型时，根据第1层一元码的k1种可能，设定第2层一元码概率模型序号的初始值B1，在选择第2层的一元码概率模型时，每一位用一种模型，第1位到第k2-1位所用的概率模型的序号分别为B1，B2，……，Bk2-1，用k2-1种概率模型；之后各层的概率模型选择依次类推，直至完成第N层的概率模型选择；
步骤1-3：由一元码每一位的概率模型得到概率预测值，对一元码每一位进行算术编码；
步骤2：然后由最后一个非零系数起，按逆扫描序对所有变换系数进行二值化，其中包括值为零的变化系数，每一个变换系数二值化得到一元码串，之后为一元码每一比特位选择概率模型，由概率模型得到概率预测值，进行算术编码。
5.如权利要求1中所述的一种用于图象算术编码中的一种二值化和概率模型选择方法，其特征在于，所述的对最后一个非零系数的位置值进行二值化的方法有如下步骤：
步骤1：将所述的该最后一个非零系数的位置值的取值范围分为k1个区间，作为第一层，即n＝1，层数用n表示；
步骤2：把所述第一层的每个区间再分为k2个区间，作为第二层，n＝2；
步骤3：按步骤2所述的分法一直分下去，直至区间长度为1，共得到N层，N≥1，其中第n层有kn个区间；
步骤4：对于第n层，根据最后一个非零系数位置值所在kn个区间中的第几个区间，把最后一个非零系数的位置值二值化为长度小于kn的一元码，遍及所述n层，最终得到N层一元码。
6.如权利要求1中所述的一种用于图象算术编码中的一种二值化和概率模型选择方法方法，其特征在于，最后一个非零系数位置值二值化得到的N层一元码选择概率模型的方法如下：
对已得到的N层一元码选择相应的概率模型，第1层用k1-1种概率模型，第n层根据第n-1层的一元码采用kn-1种概率模型，具体按如下方法选择：
设定第1层所用到的一元码概率模型序号的初始值A1，在选择第1层的一元码概率模型时，每一位用一种模型，第1位到第k1-1位所用的概率模型的序号分别为A1，A2，……Ak1-1，共k1-1种概率模型；在选择第2层一元码的概率模型时，根据第1层一元码的k1种可能，设定第2层一元码概率模型序号的初始值B1，在选择第2层的一元码概率模型时，每一位用一种模型，第1位到第k2-1位所用的概率模型的序号分别为B1，B2，……，Bk2-1，用k2-1种概率模型；之后各层的概率模型选择依次类推，直至完成第N层的概率模型选择。
CN 200510012008 2005-06-24 2005-06-24 用于图象算术编码中的一种二值化和概率模型选择方法 Pending CN1719903A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 200510012008 CN1719903A (zh) 2005-06-24 2005-06-24 用于图象算术编码中的一种二值化和概率模型选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 200510012008 CN1719903A (zh) 2005-06-24 2005-06-24 用于图象算术编码中的一种二值化和概率模型选择方法

Publications (1)

Publication Number Publication Date
CN1719903A true CN1719903A (zh) 2006-01-11

Family

ID=35931599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 200510012008 Pending CN1719903A (zh) 2005-06-24 2005-06-24 用于图象算术编码中的一种二值化和概率模型选择方法

Country Status (1)

Country Link
CN (1) CN1719903A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102186087A (zh) * 2011-06-24 2011-09-14 哈尔滨工业大学 用于二进制算术编码可并行的非零系数上下文建模方法
CN102474274A (zh) * 2009-07-01 2012-05-23 汤姆森特许公司 算术编码和解码的方法
CN103024380A (zh) * 2012-12-10 2013-04-03 浙江大学 一种数据的熵编码方法和装置
CN103636224A (zh) * 2011-06-29 2014-03-12 高通股份有限公司 用于视频压缩中的系数等级译码的上下文
CN107257463A (zh) * 2011-11-07 2017-10-17 太阳专利托管公司 图像编码方法和图像编码装置
CN103238322B (zh) * 2010-12-03 2018-05-04 维洛媒体国际有限公司 在视频译码中单独地译码视频块的最后有效系数的位置
CN108307195A (zh) * 2011-11-08 2018-07-20 维洛媒体国际有限公司 最后有效系数的位置的渐进式译码
CN108632620A (zh) * 2011-03-08 2018-10-09 维洛媒体国际有限公司 用于视频译码的变换系数的译码
CN108777792A (zh) * 2010-04-13 2018-11-09 Ge视频压缩有限责任公司 解码显著性图的装置
US11330272B2 (en) 2010-12-22 2022-05-10 Qualcomm Incorporated Using a most probable scanning order to efficiently code scanning order information for a video block in video coding
WO2022193394A1 (zh) * 2021-03-17 2022-09-22 Oppo广东移动通信有限公司 系数的编解码方法、编码器、解码器及计算机存储介质

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102474274B (zh) * 2009-07-01 2014-11-26 汤姆森特许公司 算术编码和解码的方法
CN102474274A (zh) * 2009-07-01 2012-05-23 汤姆森特许公司 算术编码和解码的方法
US11297336B2 (en) 2010-04-13 2022-04-05 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
US11025926B2 (en) 2010-04-13 2021-06-01 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
US11095906B2 (en) 2010-04-13 2021-08-17 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
US11070822B2 (en) 2010-04-13 2021-07-20 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
US11032556B2 (en) 2010-04-13 2021-06-08 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
CN108777792B (zh) * 2010-04-13 2020-12-04 Ge视频压缩有限责任公司 解码显著性图的装置
US11128875B2 (en) 2010-04-13 2021-09-21 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
US10855999B2 (en) 2010-04-13 2020-12-01 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
CN108777792A (zh) * 2010-04-13 2018-11-09 Ge视频压缩有限责任公司 解码显著性图的装置
US10750191B2 (en) 2010-04-13 2020-08-18 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
US11252419B2 (en) 2010-04-13 2022-02-15 Ge Video Compression, Llc Coding of significance maps and transform coefficient blocks
CN103238322B (zh) * 2010-12-03 2018-05-04 维洛媒体国际有限公司 在视频译码中单独地译码视频块的最后有效系数的位置
US11330272B2 (en) 2010-12-22 2022-05-10 Qualcomm Incorporated Using a most probable scanning order to efficiently code scanning order information for a video block in video coding
CN108632620A (zh) * 2011-03-08 2018-10-09 维洛媒体国际有限公司 用于视频译码的变换系数的译码
US11405616B2 (en) 2011-03-08 2022-08-02 Qualcomm Incorporated Coding of transform coefficients for video coding
CN102186087A (zh) * 2011-06-24 2011-09-14 哈尔滨工业大学 用于二进制算术编码可并行的非零系数上下文建模方法
CN103636224A (zh) * 2011-06-29 2014-03-12 高通股份有限公司 用于视频压缩中的系数等级译码的上下文
CN107257463A (zh) * 2011-11-07 2017-10-17 太阳专利托管公司 图像编码方法和图像编码装置
CN108307195B (zh) * 2011-11-08 2020-09-29 维洛媒体国际有限公司 最后有效系数的位置的渐进式译码
CN108307195A (zh) * 2011-11-08 2018-07-20 维洛媒体国际有限公司 最后有效系数的位置的渐进式译码
CN103024380B (zh) * 2012-12-10 2016-04-13 浙江大学 一种数据的熵编码方法和装置
CN103024380A (zh) * 2012-12-10 2013-04-03 浙江大学 一种数据的熵编码方法和装置
WO2022193394A1 (zh) * 2021-03-17 2022-09-22 Oppo广东移动通信有限公司 系数的编解码方法、编码器、解码器及计算机存储介质

Similar Documents

Publication Publication Date Title
CN1719903A (zh) 用于图象算术编码中的一种二值化和概率模型选择方法
CN103650510B (zh) 用于变换系数级编码的上下文建模技术
CN1215720C (zh) 适用于任意形状目标结构的预处理方法
TWI590649B (zh) 視訊之算術解碼裝置
CN100348045C (zh) 析像度变换方法及装置
CN1689026A (zh) 用于自适应块变换的基于上下文的自适应可变长度编码
CN1148005C (zh) 快速联合图像专家组霍夫曼编码和解码方法
CN1260971C (zh) 图像编码设备与图像编码方法
CN1949873A (zh) Cabac解码系统及方法
CN101034891A (zh) 基于cabac的编码方法和设备及解码方法和设备
CN1625893A (zh) 利用变长色码对调色板处理的彩色图像进行压缩
CN100345449C (zh) 图像/视频编码中变换系数的熵编码方法
CN1126065C (zh) 压缩和解压缩图象
CN1589023A (zh) 一种基于上下文的多码表变长编解码方法及编解码装置
CN1230054A (zh) 自适应概率估计方法、自适应编码方法及自适应解码方法
CN101185083A (zh) 用于视频压缩的混合可变长度编码
CN101061515A (zh) 表示时变图形模型的数据流的编码方案
CN1497503A (zh) 图象的编码方法及装置、译码方法及装置、编码及译码程序
CN1777038A (zh) 一种二维矢量数据的压缩方法
CN1183491C (zh) 采用弱波变换和象限树编码压缩电信图象数据的方法和系统
CN1547708A (zh) 以无损方式对数字图像和音频数据解码的系统和方法
CN1275469C (zh) 一种复杂度可分级的帧内预测方法
CN1773553A (zh) 采用基于动态缓冲器容量水平压缩调节的图像编码
CN1529988A (zh) 图像编码方法、图像译码方法、图像编码装置、图像译码装置、程序、计算机数据信号、以及图像传送系统
CN1878308A (zh) 用于图像和视频压缩的正交变换方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication