-
Gebiet der
Erfindung
-
Die vorliegende Erfindung betrifft
ein Verfahren zur Datenkompression und insbesondere, ohne jedoch darauf
beschränkt
zu sein, ein Verfahren zur Quantisierung und Entropiecodierung von
Transformationskoeffizienten bei der Codierung von Multimediadaten
-
Hintergrund der Erfindung
-
Gegenwärtig werden für ein breit
gefächertes
Spektrum von Technologien, darunter für Kabelfernsehen, Videokonferenz
und interaktive Dienste für
Videohandys, Videocodierungssysteme entwickelt. Da die Fähigkeit
von Kommunikationsnetzen zur Übertragung
großer
Datenmengen zunimmt, hat der Zugang zu interaktiven Video-/Audiosystemen
zunehmend Verbreitung gefunden. Systeme und Standards, die in der
Lage sind, diesen zunehmenden Bedarf an Datentransfer zu unterstützen, werden
ebenfalls entwickelt.
-
Die Moving Pictures Expert Group
(MPEG) ist eine Arbeitsgruppe von Forschern und Entwicklern, die in
Zusammenarbeit mit der Internationalen Organisation für Standardisierung
(ISO/IEC) an der Entwicklung von Standards für die codierte Darstellung
von digitalem Audiu und Video arbeitet. Auch andere Standardisierungsgremien
sind an der Entwicklung von Standards für digitales Audio und Video
beteiligt, wie zum Beispiel die Internationale Fernmeldeunion (ITU).
Gegenwärtig
sind diese Normungsgremien für
die Schaffung und Implementierung verschiedener Audio- und Video-Standards
verantwortlich, einschließlich
von Komprimierungsalgorithmen, Verarbeitungsschemata und Authoring-Umgebungen.
-
Die MPEG hat entwickelt: den Standard
MPEG-1 zum Speichern und Wiederauffinden von Bewegtbildern und Audio;
den Standard MPEG-2 für
digitales Fernsehen; und unlängst
den Standard MPEG-4 für
Multimedia-Anwendungen. Die MPEG entwickelt gegenwärtig MPEG-7,
einen Standard zur Inhaltsdarstellung für Schnittstellen zur Multimedia-Inhaltsbeschreibung.
-
Mit MPEG-4 wird ein objektbezogener
Codierungsstandard bereitgestellt, welcher Autoren, Diensteanbietern
und Endbenutzern von in hohem Maße interaktiven Multimedia-Inhalten
Flexibilität
ermöglicht. Obwohl
MPEG-4 für
natürliche
Audio- und Videoinhalte (aufgezeichnetes Audio und Video) nach wie
vor geeignet ist, ermöglicht
der Standard nunmehr auch die codierte Darstellung von synthetischen
(mittels Computer erzeugten) Audio- und Videoobjekten (AVO). MPEG-4
wurde zur Bereitstellung der notwendigen Mittel entwickelt, um zu
spezifizieren, wie AVO, sowohl natürliche als auch synthetische,
in Raum und Zeit zusammengesetzt werden können, so dass sie eine interaktive Übertragung
ermöglichen.
Ein weiterer Schwerpunkt bei der Entwicklung des Standards MPEG-4
war die Ausführung
der Codierung und Übertragung
solcher Inhalte innerhalb vielfältiyer
unterschiedlicher Szenarien. Der Standard wurde infolgedessen so
gestaltet, dass er einem "universellen
Zugang" zu Multimedia-Informationen
Rechnung trägt,
indem er mögliche
bandbreitenspezifische Probleme berücksichtigt, die bei einer großen Vielfalt
von Netzsituationen auftreten.
-
Strearning einzelner Objekte ist
eine weitere Entwicklung innerhalb von MPEG-4. Innerhalb einer gegebenen
MPEG-9-Szene können
die Videoobjekte aus einer Reihe von Videoobjekten einzeln zum Computer eines
Endbenutzers gestreamt werden. Jeder dieser einzelnen Streams kann
mit einem Zeitstempel versehen werden, um eine Synchronisation zu
ermöglichen.
Da die einzelnen Elemente unabhängig
voneinander gestreamt werden, können
sie entsprechend den interaktiven Erfordernissen der Szene und der
Beteiligung des Benutzers an dieser Szene leicht weggelassen oder
hinzugefügt
werden.
-
Aus dem Vorhandensein von mehreren
Streams ergibt sich die Notwendigkeit von Informationen bezüglich des
Netzes selbst: Zum Beispiel könnte
die Synchronisation einer gesamten Szene gefährdet werden, falls eine Überlastung
auftritt. Um potenzielle Probleme im Zusammenhang mit Überlastungen
zu umgehen, hat MPEG-4 innerhalb eines jeden Streams eine Menge
von Deskriptoren eingefügt,
welche Informationen betreffs der Anforderungen im Hinblick auf
die erforderliche Decodierungs-Software, die notwendigen Timing-Informationen und
die erforderlichen Dienstgüte
(quality of service, QoS), damit die Szene erfolgreich gestreamt werden
kann, zur Verfügung
stellen. Demzufolge ist der Standard MPEG-4 so beschaffen, dass
er zu einer flexiblen Übertragung
von Multimedia-Inhalten in vielfältigen
Betriebsumgebungen und Netzsituationen in der Lage ist.
-
Der Standard MPEG-4 ist außerdem so
beschaffen, dass er die Fähigkeit
aufweist, Informationen betreffs der Komplexität der übertragenen Szenen, der erforderlichen
QoS für
die Übertragung
dieser Szenen und der Synchronisation der Elemente innerhalb der
Szene zur Verfügung
zu stellen.
-
Ein wichtiges Merkmal der Datenspeicherung
und des Datentransfers ist der Komprimierungsgrad der Daten. Durch
Datenkompression verringert sich die Bandbreite, die zum Übertragen
und Speichern von Daten erforderlich ist. Eine Kompression ist ein
reversibler Vorgang, bei welchem Daten aus einem nicht komprimierten
ursprünglichen
Datenformat in ein komprimiertes Format, welches weniger Bits benötigt, umgewandelt werden.
Daten, welche komprimiert worden sind, können effizienter gespeichert
oder übertragen
werden. Wenn es erforderlich ist, kann der Vorgang rückgängig gemacht
werden, und die ursprünglichen,
nicht komprimierten Daten können
wiederhergestellt werden. Bei der Wiederherstellung oder Rekonstruktion
der ursprünglichen
Daten kann man zwischen verlustfreier und verlustbehafteter Rekonstruktion
unterscheiden. In einem verlustbehafteten Kumprimierungssystem können die
Quelldaten nicht perfekt rekonstruiert werden; in einem verlustfreien
System ist dies möglich.
Zweifellos ist eine verlustfreie Kompression dort am besten geeignet,
wo eine vollkommene Rekonstruktion wünschenswert ist, wie zum Beispiel
bei der Kompression von Textdaten oder bei der Kompression von medizinischen
oder künstlerischen
Bildern. Dagegen kann in anderen Fällen ein gewisser Grad an Informationsverlust
durchaus hinnehmbar sein, wie zum Beispiel bei der Kompression der meisten
Standbilder oder von Audio- oder Videodaten.
-
Ein Komprimierungsvorgang kann als
aus zwei Teilschritten bestehend angesehen werden. Der erste Schritt
stellt einen Codierermodell-Schritt dar, in welchem Redundanz und
andere irrelevante Details minimiert werden. Der zweite Schritt
ist ein Entropiecodierungs-Schritt, in welchem statistische Eigenschaften
ausgenutzt werden, um eine sehr stark reduzierte Menge von Symbolen
zu erzeugen, welche die aus den ursprünglichen nicht komprimierten
Daten zusammengefassten Informationen repräsentieren und in welchen die
Symbole selbst so entropiecodiert sind, dass eine größtmögliche Effizienz
der Codierung bewirkt wird.
-
Durch eine sorgfältige Wahl des Codes können die
statistischen Eigenschaften der Symbole, zum Beispiel die Verteilung
der Nullen und Einsen in der binären
Darstellung der Symbole, verwendet werden, um die Informationen
der ursprünglichen
Daten noch weiter zu komprimieren. Aus aufeinanderfolgenden Nullen
bestehende Abschnitte können
auf effiziente Weise kodiert werden, indem anstelle der Nullen selbst
eine Zahl übertragen
wird, welche die Länge
des jeweiligen Abschnitts angibt. Dieses Verfahren ist als Lauflängencodierung
(run-length coding, RLC) bekannt.
-
RLC wird oft als Vorcodierungs-Verfahren
verwendet, um die Daten für
ein Verfahren vorzubereiten, bei welchem die Häufigkeit des Auftretens bestimmter
Symbole ausgenutzt wird. Bei der Codierung mit variabler Länge (Variable-Längen-Codierung,
variable length coding, VLC) werden von null verschiedene Koeffizienten
codiert, indem die häufiger
auftretenden Symbole mit kurzen Codes (Codes, die kürzere Bitlängen aufweisen)
und weniger häufig
auftretende Symbole mit längeren
Codes dargestellt werden. Variable-Längen-Codierungen sind nicht
unbedingt statisch, und wenn sich bei den Daten, welche dargestellt
werden, die die Häufigkeit
betreffenden Eigenschaften ändern,
kann das VLC-Verfahren so gestaltet werden, dass es ermöglicht, die
Zuweisung von Codes zu Symbolen dementsprechend anzupassen. Die
aktuelle Menge von Zuweisungen wird in einer VLC-Tabelle gespeichert.
-
VLC kann anhand einer Analogie zur
Codierung von Text für
eine Übertragung über einen
Telegrafendraht unter Verwendung des Morsealphabets veranschaulicht
werden. Beim Codieren umfangreicher, in englischer Sprache abgefasster
Textpassagen wird ein Muster der Häufigkeitsverteilung sichtbar.
Man erkennt, dass gewisse Buchstaben sehr häufig vorkommen, zum Beispiel
E, T, A, O und N, und gewisse andere Buchstaben vergleichsweise
selten, zum Beispiel Q und Z. Damit Telegrafistinnen weniger Zeit
benötigen,
um Nachrichten zu übermitteln,
weist das Morsealphabet seine kürzesten
Codes häufiger
vorkommenden Buchstaben und wesentlich längere Codes den selteneren
Buchstaben zu. Das Morsealphabet ist ein Beispiel für eine statische
VLC.
-
Als Entropiecodierungs-Verfahren
weist die Variable-Längen-Codierung (VLC) Vorteile
und Nachteile auf. VLC-Tabellen lassen sich leicht im Offline-Betrieb
erstellen, zum Beispiel mittels des Huffman-Algorithmus. Das Codieren
mit Hilfe von VLC-Tabellen ist sehr einfach, da das Codieren einfach
im Indizieren einer umfangreichen Tabelle mit einer Eintragung für jedes
mögliche
Symbol besteht. Das Decodieren ist etwas komplexer, da es die Zerlegung
(Parsing) des Bitstroms und die Identifizierung von Codewörtern variabler
Länge erfordert. Falls
keine Einschränkungen
betreffs des Speicherplatzes vorhanden sind, kann das Dekodieren
ebenfalls als eine Nachschlagtabelle realisiert werden.
-
VLC-Tabellen benötigen jedoch Speicherplatz.
Die statistischen Maßzahlen
der Symbole, die Wahrscheinlichkeiten des Vorkommens von eingegebenen
Symbolen, sind bei verschiedenen Folgen von Symbolen unterschiedlich.
Im Beispiel des Morsealphabets kann die darzustellende Sprache eine
andere sein, etwa Polnisch anstelle von Englisch, oder die Art der
darzustellenden Informationen kann sich ändern, zum Beispiel Börsendaten
anstelle von Geschäftsbriefen.
Eine einzige Tabelle kann nur einen mehr oder weniger gut übereinstimmenden
Durchschnitt widerspiegeln und wird folglich die Effizienz der Kompression
begrenzen. Die Verwendung mehrerer Tabellen für unterschiedliche statistische
Maßzahlen
von Symbolen ist nicht realisierbar, da dies eine erhebliche Menge
an Speicherplatz zum Speichern sämtlicher
Tabellen, ungeachtet der Herangehensweise beim Codieren (oder Decodieren),
erfordern würde.
Die zugrundeliegenden statistischen Maßzahlen der VLC-Tabellen müssen daher
online berechnet oder gemessen werden, um eine Anpassung an die
zwischen Folgen von Symbolen gemessenen statistischen Änderungen
vorzunehmen, in einem als "adaptive
VLC" bekannten Prozess.
Die Berechnung oder Messung erhöht
nicht nur den Rechenaufwand dadurch, dass jedes Mal eine vollständige neue
Codetabelle generiert. werden muss, sondern birgt auch das Risiko
in sich, dass im Falle von Übertragungsfehlern
Codierer/Decodierer-Fehlanpassungen
auftreten werden. Die potenzielle Möglichkeit von Fehlanpassungen
ist der Grund, weshalb diese Herangehensweise nicht mehr sehr verbreitet
ist.
-
In VLC-Tabellen ist wenigstens ein
Bit unveränderlich
dem wahrscheinlichsten Codewort zugewiesen. Diese Zuweisung an sieh
stellt eine erhebliche Quelle von Redundanz dar. Das Codieren von mehr
als einem Symbol gleichzeitig würde
die Leistungsfähigkeit
verbessern, jedoch gleichzeitig die Größe der VLC-Tabelle beträchtlich
erhöhen.
-
Bei einer anderen Herangehensweise
an die Entropiecodierung wird eine kontextbezogene arithmetische
Codierung verwendet. Arithmetische Codierung ist zu einem Standardverfahren
der Entropiecodierung geworden und ist nunmehr als Option in der
ITU-T Empfehlung II.263 enthalten.
-
Arithmetische Codierung ist ein Verfahren
zur Codierung von Daten mit Hilfe einer variablen Anzahl von Bits.
Die Anzahl der zum Codieren der einzelnen Symbole verwendeten Bits
variiert entsprechend der dem betreffenden Symbol zugewiesenen Wahrscheinlichkeit.
Für Symbole
mit geringer Wahrscheinlichkeit werden viele Bits verwendet, für Symbole
mit hoher Wahrscheinlichkeit weniger Bits. Im Unterschied zur Huffman-Codierung müssen arithmetische
Codierer jedoch nicht unbedingt eine ganze Anzahl von Bits zur Codierung
der einzelnen Symbole verwenden. Falls die optimale Anzahl von Bits
für ein
Symbol 2,4 beträgt,
würde ein
Huffman-Codierer wahrscheinlich 2 Bits pro Symbol verwenden, während der
arithmetische Codierer eine Zahl verwenden kann, sie sehr nahe bei
2,4 liegt.
-
Bei der arithmetischen Codierung
wird eine Folge von Symbolen X1, X2, ..., Xn als ein
Vektor der Reihe nach von links nach rechts verarbeitet. Die Symbole
werden nicht durch einen String von Codebits ersetzt, sondern es
wird vielmehr jedem Symbol Xi ein anderes Teilintervall Ii des Einheitsintervalls [0, 1] zugewiesen.
-
Die Teilintervalle werden so gewählt, dass
I1 ⊃ I2 ⊃ ... ⊃ In gilt, und so, dass Ii aus
den vorher verarbeiteten Symbolen X1, X2, ..., Xn–,
in Verbindung mit dem aktuellen Symbol Xi bestimmt
wird. In den Fällen,
in denen die Zuweisung von Teilintervallen entsprechend Änderungen
der Wahrscheinlichkeiten von Symbolen in den zuvor verarbeiteten
Symbolfolgen geändert
wird, wird die arithmetische Codierung als adaptiv bezeichnet. Nachdem
das letzte Intervall In bestimmt worden
ist, wird der gesamten Folge ein Codewort (B1,
B2, ..., BL) zugewiesen,
derart, dass die rationale Zahl B1B2, ... BL, welche
durch B1B2 ... BL, = B1/2 + B2/9 + ... + BL/2L gegeben ist, ein Punkt im Intervall In ist.
-
Zusammenfassend ist festzustellen,
dass VLC (Huffman-Codes) und arithmetische Codierung, vom theoretischen
Standpunkt aus betrachtet, dieselbe Effizienz liefern. Die arithmetische
Codierung ist jedoch in praktischen Anwendungen effizienter. Die
größere Effizienz
ist darauf zurückzuführen, dass
die minimale Anzahl von Bits pro Symbol bei der arithmetischen Codierung
kleiner als eins sein kann. Tatsächlich
werden bei der arithmetischen Codierung die Nachkommabits von aufeinanderfolgenden
Symbolen kombiniert. Das bedeutet, dass ein arithmetischer Codierer
eine Nachricht gewöhnlich
unter Verwendung von weniger Bits codieren kann als ein Huffman-Codierer.
-
Anstatt für jedes neue statistische Verteilungsmuster
neue Tabellen generieren zu müssen,
kann arithmetische Codierung selbstanpassend bezüglich des ankommenden Datenstroms
sein.
-
Ferner müssen bei arithmetischer Codierung
keine Codetabellen gespeichert werden. Sei der Betrachtung eines
Alphabets aus möglichen
Eingangssymbolen müssen
nur die Wahrscheinlichkeiten des Auftretens der einzelnen Symbole
des Alphabets bekannt sein. Sofern das Alphabet klein bleibt, wird
kein wesentlicher Speicherplatz benötigt. Wie weiter unten nachgewiesen
wird, wird dieses Merkmal bei der kontextbezogenen Bitebenencodierung
ausgenutzt, wo das Alphabet sehr klein ist. und für jeden
Kontext eine andere statistische Maßzahl verwendet wird.
-
Die Kontextwahl ist so beschaffen,
dass statistische Abhängigkeiten
zwischen benachbarten Symbolen ausgenutzt werden, was wiederum zu
einer Erhöhung
der Wahrscheinlichkeit eines Symbols (oder einer begrenzten Anzahl
von Symbolen) führt.
Diesen Symbolen mit erhöhter
Wahrscheinlichkeit werden dann sehr kurze theoretische Codewörter zugewiesen
(weniger als ein Bit pro Symbol, wenn aufeinanderfolgende Symbole
kombiniert werden). Für
diese Symbole können
die Nachkommabits mittels arithmetischer Codierung auf effiziente
Gleise codiert werden, so dass sich sehr kurze reale Codewörter ergeben.
-
Die arithmetische Codierung weist
jedoch einige erhebliche Mängel
auf: insbesondere eine Komiplexität, welche im Vergleich zur
Entrcpiecodierung mittels RLC/VLC hoch ist. Ferner sind arithmetische
Codes sehr empfindlich gegenüber
Bitfehlern. Während VLC-Funktinnen
so angepasst werden können,
dass sie Merkmale einer automatischen Resynchronisation besitzen
oder zumindest eine Identifizierung von Decodierungsfehlern ermöglichen,
ist dies bei arithmetischen Codes nicht möglich.
-
Es sind auch andere Entropiecodierungs-Verfahren
bekannt. Diese Verfahren sind jedoch in den derzeit existierenden
Standards nicht verankert. Allgemein gesagt, beruhen sie auf dem
Abtasten der Bits des ankommenden Datenstroms in einer vordefinierten
Reihenfolge vor der Huffman-Codierung.
-
In Proc. Data Compression Conf.,
1998, Los Alamitos, CA, USA, 30. März – 1. April 1998, IEEE Computer
Soc., Seiten 408–417,
wird eine auf nach Bitebenen geschichteten Transformationskoeffizienten
beruhende Kontextwahl offenbart, wobei statistische Abhängigkeiten
zwischen benachbarten Pixeln ausgenutzt werden, um ausgewählte Kontext-Muster
zu erzeugen. Die erzeugten Bitströme pro Bitebene werden Golomb-codiert.
-
Mit der vorliegenden Erfindung wird
beabsichtigt, ein verbessertes Codierungsschema bereitzustellen. Insbesondere
wird mit der vorliegenden Erfindung beabsichtigt, ein Codierungsschema
bereitzustellen, welches eine verringerte Abhängigkeit von umfangreichen
Tabellen aufweist, und einen einfachen und schnellen Codierungs-
und Decodierungs-Mechanismus bereitzustellen. Ferner wird mit der
vorliegenden Erfindung beabsichtigt, ein Codierungsschema bereitzustellen,
welches eine gute Fähigkeit
zur Anpassung an unterschiedliche statistische Merkmale von Signalen,
die Fähigkeit
zum Erkennen von Bitfehlern/Decodierungsfehlern und die Fähigkeit,
durch Ausnutzung statistischer Abhängigkeiten weniger als ein
Datenbit pro Symbol zuzuweisen, aufweist.
-
Zusammenfassung der Erfindung
-
Gemäß einem Aspekt der vorliegenden
Erfindung wird ein Verfahren zur Codierung von Quelldaten wie in
Ansprurch 1 definiert bereitgestellt, welches umfasst: Dekorrelieren
der Quelldaten, um Transformationskoeffizienten-Informationen zu
erzeugen; Zerlegen der besagten Transformationskoeffizienten-Informationen
in eine Vielzahl. von Bitebenen, wobei die besagte Vielzahl von
Bitebenen wengstens eine am wenigsten signifikante Bitebene umfasst;
Wählen
von Kontext aus den Bitebenen, um eine Vielzahl von Kontext-Levels zu
erzeugen; und für
wenigstens einige dieser vielen Kontext-Levels Anwenden von Lauflängen-Vorcodierung, um
Folgen von vorcodierten Symbolen zu erzeugen, und anschließend Codieren
der besagten vorcodierten Symbolfolgen mittels eines analytischen
Entropiecodierungs-Schemas.
-
Das analytische Entropiecodierungs-Schema
ist ein Golomb-Codierungsschema.
-
Die Symbolfolgen sind vorzugsweise
binäre
Symbolfolgen.
-
Das Zerlegen in Bitebenen wird vorteilhafterweise
mittels der Zero-Tree-Technik durchgeführt.
-
Gemäß einem weiteren Aspekt der
vorligenden Erfindung wird eine Datencodierungs-Vorrichtung wie in
Anspruch 6 dargelegt bereitgestellt.
-
Der Schritt der Kontextwahl beinhaltet
vorzugsweise das Messen der Häufigkeit
von Nullen oder, als andere Möglichkeit,
von Einsen für
jeden Kontext aus einer Vielzahl von Kontexten, das Erzeugen eines
Wahrscheinlichkeitsmodells und das Vergleichen der gemessenen Häufigkeit
von Nullen für
jeden der Kontexte mit dem Wahrscheinlichkeitsmodell. Ein ausgewählter Kontext
wird vorteilhafterweise gewählt,
indem festgestellt wird, welcher der verfügbaren Kontexte am besten zu
dem Wahrscheinlichkeitsmodell passt, für welches ein Golomb-Code der
Ordnung in optimal ist.
-
Kurze Beschreibung der
Figuren
-
Die Erfindung wird beim Studium der
nachfolgenden Beschreibung und der auf den beigefügten Zeichnungsblättern dargestellten
Figuren besser verständlich,
und verschiedene weitere Aspekte und Merkmale der Erfindung können dabei
offensichtlich werden, wobei:
-
1 ein
Blockschaltbild eines Prozesses der Codierung von Quelldaten zeigt,
bei dem Variable-Längen-Codierung
zur Anwendung kommt;
-
2A ein
Blockschaltbild eines Prozesses der Codierung von Quelldaten zeigt,
wie er zum Beispiel im Profil MPEG-4 FGS verwendet wird;
-
2B ein
Blockschaltbild eines modifizierten Prozesses der Codierung von
Quelldaten mit kontext-selektiver adaptiver arithmetischer Codierung
zeigt; und
-
3 ein
Blockschaltbild eines Prozesses der Codierung von Quelldaten gemäß der vorliegenden Erfindung
zeigt.
-
Ausführliche Beschreibung der vorliegenden
Erfindung
-
1 zeigt
schematisch ein Flussdiagramm der Schritte bei einem wohlbekannten
Verfahren der Datenkompression. Im Codierermodell-Schritt wird zuerst
die Redundanz so weit wie möglich
verringert. Zu diesem Zweck wird eine Redundanzminderungs-Funktion,
zum Beispiel eine diskrete Kosinustransformation (discrete cosine
transform, DCT), auf die ursprünglichen
Daten angewendet. Redundanzminderung wird in der Literatur zur Videocodierung
oft als Dekorrelieren bezeichnet, da die auf die ankommenden Daten
angewendeten Transformationen die räumliche Korrelation zwischen
benachbarten Pixeln des ursprünglichen
Bildes durcheinander bringen.
-
Die Redundanzminderungs-Funktion
gibt eine reduzierte Menge von Transformationskoeffizienten aus,
welche jedoch noch immer eine gewisse Menge an subjektiv irrelevanten
Details enthalten. Die irrelevanten Daten werden dann durch Anwendung
einer Quantisierungsfunktion entfernt. Das Entfernen irrelevanter Daten
ist unumkehrbar und hat einen Gesamtverlust an Information zur Folge.
-
Der Informationsverlust ist in 1 schematisch durch die
Einführung
eines Merkmals dargestellt, das unter der Bezeichnung Quantisieror
bekannt ist. Quantisierer haben, wie der Name vermuten lässt, die
Wirkung, dass sie Werte "runden", d. h. in Wirklichken
die Anzahl der Symbole, die zur Darstellung der ursprünglichen
Werte der Daten verwendet werden, im Vergleich zu dem "Alphabet" möglicher
Werte, die von Transformationskoeffizienten angenommen werden, verringern.
Quantisierer erzeugen einen Ausgang in Form von Quantisierer-Level-Symbolen.
-
Statistische Abhängigkeiten existieren zwischen
den Quantisierer-Levels nach wie vor. Mit dem anschließenden Schritt
der Entropiecodierung wird versucht, diese statistischen Abhängigkeiten
auszunutzen.
-
Eine Lauflängenvorcodierungs-Funktion
(RLC) wird auf die Quantisierer-Level-Symbole angewendet, und durch
Ausnutzung statistischer Abhangigkeiten zwischen den Level-Symbolen
reduziert sie die Anzahl der Bits, die zur Darstellung der ursprünglichen
Daten erforderlich sind, noch weiter. Hauptsächlich werden "Läute" (runs), d. h. aus Wiederholungen ein
und desselben Quantisierer-Level-Symbols
bestehende Abschnitte, als (kürzere)
Laufiängen-Symbole dargestellt,
die eine feste Bitlänge
besitzen.
-
Die Lauflängen-Symbole werden weiter
verdichtet, indem speziell entwickelte Codetabellen zur Codierung
mit variabler Länge
angewendet werden, zum Beispiel unter Verwendung von Huffman-Codierung. Die ungleichen
Wahrscheinlichkeiten des Auftretens der einzelnen Lauflängen-Symbole
ermöglichen
eine Entropiecodierung durch Zuweisung des kürzesten Codes variabler Länge (VLC)
zu dem am häufigsten
auftretenden Lauflängen-Symbol.
-
Das oben beschriebene Komprimierungsverfahren
hat zahlreiche Anwendungen, einschließlich Standbild- und Videocodierung
und insbesondere einschließlich
des wohlbekannten Standards JPEG.
-
Bei einer anderen Form der Codierung,
welche gegenwärtig
im Profil DPEG-4 FGS und im zukünftigen Standard
JPEG 2000 enthalten ist, werden die reduzierten Transformationskoeffizienten
vom Ausgang einer DCT-Funktion übernommen,
und es und zuerst Bitebenencodierung und dann Vorcodierung für Abschnitte
mit sich wiederholenden identischen Werten angewendet, und schließlich werden
entsprechend der Wahrscheinlichkeit des Auftretens der Lauflängen-Symbole
Codes variabler Länge
zugewiesen. Diese Form der Codierung kann als eine spezifische Ausführungsform
des in 1 dargestellten
Schemas angesehen werden, wobei der Quantisierer ein Bitebenen-Zerleger
(bit-plane slicer) ist. wie der Leser leicht einsehen wird, besteht
der Effekt des Weglassens der am wenigsten signifikanten Bitebenen,
die von einem Bitebenen-Zerleger erzeugt wurden, darin, die Werte
der Transfomationskoeffizienten zu runden und dadurch die Anzahl
der Symbole, die zur Darstellung des Datenstroms benötigt werden,
zu verringern. Ein Blockschaltbild des Ablaufs des Profils MPEG-4
FGS ist in 2A dargestellt.
-
2B zeigt
ein Flussdiagramm der Schritte eines anderen wohlbekannten Verfahrens
der Datenkompressicn. Hier wird die Entropiecodierung mittels kontextbezogener
arithmetischer Codierung erreicht, statt mittels des RLC/VLC-Schemas
von 2A. Zu diesem Zweck
wird der von 1 her bekannte
Quantisierer erneut durch einen Mechanismus zum Zerlegen von Transformatinnskoeffizienten
in Bitebenen ersetzt.
-
Ein entscheidender Aspekt für die nachfolgende
arithmetische Codierung besteht darin, ein kleines Symbolalphabet
beizubehalten. Statistische Abhängigkeiten
werden anschlielßend
mit Hilfe eines Kontextwahl-Mittels gewählt, welches in mehreren Kontext-Levels
verlaufende Wege )"Multilevel-Kontext-Wege") zu dem nachfolgenden
Entropiecodierungs-Mechanismus zur Verfügung stellt. Mit der Wahl eines
bestimmten Kontexts wird versucht, das aktuelle Symbol anhand seiner
benachbarten Symbole vorherzusagen. Die hohe Wahrscheinlichkeit
des Auftretens des aktuellen Symbols in einem spezifischen Kontext
kann dann von einem nachfolgenden Entropiecodierungs-Mechanismus
auf effiziente Weise ausgenutzt werden. In dem in 2B dargestellten Fall ist der nachfolgende
Entropiecodierungs-Mechanismus ein Mechanismus zur adaptiven arithmetischen
Codierung.
-
Es existieren Varianten von Bitebenen-Zerlegungs-Mechanismen,
zum Beispiel die Zero-Tree-Technik.
-
Nunmehr wird als Beispiel die Art
und Weise der Ausführung
der Erfindung beschrieben, die von den Erfindern als die beste angesehen
wird. In der folgenden Beschreibung werden zahlreiche spezielle
Einzelheiten dargelegt, um ein umfassendes Verständnis der vorliegenden Erfindung
zu ermöglichen.
Für Fachleute
ist jedoch offensichtlich, dass die vorliegende Erfindung mit Änderungen
in den spezifischen Details in die Praxis umgesetzt werden kann.
-
Es wird nun auf 3 Bezug genommen; sie zeigt ein Blockschaltbild
eines Prozesses 300 zum Codieren von Bilddaten gemäß der vorliegenden
Erfindung. Auf bekannte Weise werden Pixelwert-Daten in einen Redundanzminderungs-Prozessor 302 eingegeben;
in 3 ist der Redundanzminderungs-Prozessor
eine DCT-Funktion. Der Redundanzminderungs-Prozessor 302 erzeugt
redundanzgeminderte Koeffizienten. Ein Prozessor zur Reduktion irrelevanter
Daten 304 übernimmt
die redundanzgeminderten Koeffizienten als Eingang. Die Reduktion
irrelevanter Daten wird günstigcrweise
mittels eines Bitebenen-Zerlegers durchgeführt. Aus dem Ausgang des Prozessors
zur Reduktion irrelevanter Daten 304 werden in einem Kontextwahl-Mittel 308 statistische
Abhängigkeiten
gewählt,
um dadurch "Multilevel kontext-Wege" in einem Entropiecodierungs-Mechanismus 310 zur
Verfügung
zu stellen.
-
Wenn man die 2B und 3 vergleicht,
bemerkt man, dass sich die beiden Codierungsverfahren hinsichtlich
ihrer Entropiecodierungs-Mechanismen unterscheiden. Bei dem erfindungsgemäßen Verfahren
von 3 empfängt ein
Lauflängenvorcodierer 312 auf
jedem Kontert-Level Eingabedaten. Danach gibt der Lauflängenvorcodierer 312 Lauflängen-Symbole
aus und übermittelt.
die Symbole zu einem analytischen Entropiecodierer 314.
Es ist anzumerken, dass sich der Kontextwahl-Schritt in 2B grundlegend von dem in 3 unterscheidet. Bei der
vorliegenden Erfindung ermöglicht
die Kontextwahl eine schrittweise Codierung und Decodierung.
-
Um den Unterschied zu veranschaulichen,
betrachten wir eine zweidimensionale Anordnung von Symbolen, welche
das folgende Aussehen besitzt:
-
X bezeichnet das zu codierende Pixel.
Im einfachsten Fall einer binären
Codierung ist der Wert an jeder Position, a, b, c usw., entweder '0' oder '1'.
Ein Kontext-Muster wird gebildet, indem die Werte ausgewählter Positionen
betrachtet werden. Aus Gründen
der Einfachheit besteht das Kontext-Muster in diesem Beispiel nur aus
den schattierten Positionen, nämlich
den Positionen 'c' und 'g' (grau hinterlegt).
-
Ein "Kontext" ist in diesem Beispiel eine einzelne
Permutation der Werte an den Positionen des Kontext-Musters. Indem
wir alle möglichen
Permutationen betrachten, erhalten wir die folgende Tabelle:
-
Das in 3 dargestellte
Verfahren der Kontextwahl ist von Natur aus an den nachfolgenden
Golomb-Code-Schritt gebunden. Für
jeden Kontext messen wir die Häufigkeit
von X = '0' und X = '1'.
-
Ausgehend von dieser gemessenen Häufigkeit
schätzen
wir den Parameter m des Golomb-Codes. Das Ziel besteht darin, Kontexte
so zu wählen,
dass die gemessene Häufigkeit
von '0' für jeden
Kontext dem Wahrscheinlichkeitsmodell, für welches der Golomb-Code der
Ordnung m optimal ist, möglichst
nahe kommt.
-
Im Gegensatz dazu zielt der herkömmliche
Schritt der Kontextwahl von 2B darauf
ab, die Wahrscheinlichkeit dafür,
dass X = '0' (oder '1') gefunden wird, zu maximieren.
-
Bei der in 3 dargestellten Ausführungsform verwendet der analytische
Entropiecodierer 37.9 Golomb-Codes (GC). Nachdem die Entropiecodierung
durchgeführt
worden ist, werden die Signale in einem einzigen Bitstrom gestreamt.
-
Bei anderen Ausführungsformen der Erfindung
muss die Quelle des Symbolstroms, mit welchem zuerst der Lauflängen-Prozessor
und danach der analytische Entropiecodierer operiert, nicht auf
die speziellen Stufen begrenzt sein, die in 3 dargestellt sind. Der Symbolstrom kann
im Ergebnis der Abtastung einer binären Abbildung zur Verfügung gestellt
werden oder das Ergebnis einer Zerlegung von Koeffizienten in Bitebenen,
gefolgt von der Anwendung von geeignet gestaltetem Kontext, sein.
Der beschriebene Symbolstrom beruht auf Transformationskoeffizienten,
kann jedoch auf Daten beliebigen Typs erweitert werden, einschließlich: diskreter
Kosinus, ganzzahlige Kosinus-Transformation (integer cosine transform,
ICT), finite Fourier- oder Wavelet-Transformationskoeffizienten;
Bildintensitätswerte;
oder sogar zwei- oder dreidimensionale Verwaltungsinformatinnen,
zum Beispiel MPEG-4-Deskriptoren.
-
Die beschriebene Vorgehensweise kann
auf jede Art von zweidimensionaler Ebene oder dreidimensionalem
Feld von binären
oder sogar nichtbinären
Symbolen verallgemeinert werden. Mit. diesem Verfahren kann ein
Blookcodierungsmuster (coded block pattern, CBP) codiert werden.
-
Nachfolgend werden die einzelnen
Prozesse, die von den Prozessoren ausgeführt werden, ausführlicher
erläutert.
-
In dem Prozessor zur Reduktion irrelevanter
Daten (dem Bitebenen-Zerleger [bitplane slicer]) werden die Transformatinnskoeffizienten
G[] in N Bitebenen α
k[] zerlegt:
wobei k ∊ {0, ...,
N – 1}.
-
Jede Bitebene kann als ein binäres Feld
oder eine binäre
Abbildung Mk = (αk[i,
j]|(i, j) ∊ Λ}betrachtet
werden, wobei A ein zweidimensionales Gitternetz ist.
-
Im folgenden Schritt operiert der
Kontextwahl-Prozessor auf jeder Bitebene, und statistische Abhängigkeiten
zwischen benachbarten Pixeln werden ausgenutzt, indem Kontexte C1 gebildet werden. Es bezeichne Sp
; ein von den Pixelwerten
in der Umgebung N von b[i, j] gebildetes spezielles binäres Muster Sp ={b[i – n, j – m]}|(m,
n) ∊ N}.
-
Da die Anzahl von Mustern Sp, in Abhängigkeit
von der Anzahl der Elemente der Umgebung, sehr groß werden
kann, ist ein Kontext C1 als eine Menge
definiert, welche wenigstens ein Muster Sp enthält. Der
Kontext muss in Bezug auf die Reihenfolge der Abtastung kausal sein,
um eine kontinuierliche Dekodierbarkeit sicherzustellen, was die
Elemente in der Umgebung N einschränkt. Überdies kann der Kontext sogar
auf drei Dimensionen ausgedehnt werden, indem Pixel in umgebenden
Bitebenen höherer
Ordnung mit einbezogen werden. Mit jedem Kontext Ck ist
ein Bitpuffer Bk verknüpft, der dazu dient, die binären Werte
zu speichern, die als zum Kontext Ck "gehörig" identifiziert wurden.
-
Der Kontext Ck wird
definiert, um die Wahrscheinlichkeit eines der beiden möglichen
binären
Symbole '0' und '1' im Hinblick auf diesen Kontext zu maximieren.
Anders ausgedrückt,
mit der Kontextwahl wird versucht, statistische Abhängigkeiten
zwischen benachbarten Symbolen auszunutzen. Die Kontextwahl erhöht folglich
die Wahrscheinlichkeit einer richtigen vorhersage des aktuellen
Pixelwertes. Infolgedessen weist der erzeugte Bitstrom für jeden
Kontext eine hohe Wahrscheinlichkeit für ein Symbol auf. Ferner sind,
in Abhängigkeit
von den definierten Kontexten, die resultirenden Folgen der einzelnen
Kontexte nahezu vollständig
statistisch unabhängig.
-
Bei der Entropiecodierung solcher
aus der Kontextwahl resultierenden Folgen profitiert die arithmetische
Codierung vom Vorhandensein jener Symbole, welche hohe Wahrscheinlichkeiten
des Auftretens haben und welche eine (theoretische) Codewortlänge von
weniger als einem Bit besitzen.
-
Gemäß der vorliegenden Erfindung
wird ein Lauflängenvorcodierer
auf die aus der Kontextwahl resultierende binäre Folge angewendet. Die Lauflängen-Symbole
werden dann in eine GC-Funktion eingegeben, um einen Ausgangs-Bitstrom
zu erzeugen. Ein großer
Vorteil dieser Ausführungsform
besteht darin, dass Lauflängen-Symbole,
die aus einer binären
Folge von statistisch unabhängigen
binären
Symbolen erhalten werden, stets eine (exponentiell fallende) geometrische
Verteilung besitzen: pdf(i) = pi(1 – p), wobei
p < 1, unabhängig von
der zugrunde liegenden Verteilung der Transformationskoeffizienten,
wobei p die Wahrscheinlichkeit des Symbols '0' und
i die Länge
des aus aufeinanderfolgenden Nullen bestehenden Abschnitts ist.
Es wurde gezeigt, dass Golomb-Codes (GCs) für geometrisch verteilte Quellen
optimal sind. Diese Ausführungsform
ermöglicht
daher, die Codierung von binären
Abbildungen dem theoretischen Optimum anzunähern.
-
Vorteilhafterweise ermöglichen
GCs eine sehr einfache Anpassung an sich ändernde satistische Maßzahlen
von Symbolen: In Abhängigkeit
von der Wahrscheinlichkeit p wird jeweils eine andere Ordnung m
des Codes verwendet.
-
Obwohl sie seit den 70er Jahren bekannt
sind, erscheinen GCs nur in einer kleinen Zahl von Anwendungen;
eine bekannte Anwendung erfolgt im Standard JPEG 2000.
-
GCs sind präfixfreie Codes und können daher
auf enre ähnliche
Weise behandele werden wie Codes variabler Länge (VLCs), wobei sie dieselben
Vorteile wie diese Codes bieten. Überdies bietet diese Vorgehensweise
eine hohe Effizienz der Codierung, welche die Effizienz der arithmetischen
Codierung übertrifft,
da die Verteilung der Quelldaten sehr gut mit der Verteilung des
Codes übereinstimmt.
-
Schließich besitzt ein Code gemäß der vorliegenden
Erfindung bedeutende Verteile, was die Implementierung anbelangt.
Da keine Notwendigkeit besteht, irgendwelche Tabellen zu speichern,
lassen sich die Codes sehr leicht generieren, sie lassen sich einfach
decodieren, und die codes können
an sich ändernde
statistische Maßzahlen
der Symbole angepasst werden, indem lediglich die Ordnung des Codes
(eine einzige Zahl) geändert
wird.
