JPH04265020A

JPH04265020A - データ圧縮方式

Info

Publication number: JPH04265020A
Application number: JP2586891A
Authority: JP
Inventors: Shigeru Yoshida; 茂吉田; Yoshiyuki Okada; 佳之岡田; Yasuhiko Nakano; 泰彦中野; Hirotaka Chiba; 広隆千葉
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1991-02-20
Filing date: 1991-02-20
Publication date: 1992-09-21
Anticipated expiration: 2016-01-31
Also published as: JP3130324B2

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は，文字コード，画像デー
タ等の複数種類のデータが混在する文字列を符号化して
圧縮するデータ圧縮方式に関する。文字コード，画像デ
ータ等の複数種類のデータがコンピュータで扱われるよ
うになるのにともない，取り扱われるデータ量も増大し
ている。そのような大量のデータにおいては，記憶容量
を減らしたり，遠隔地への伝送を可能とするため，デー
タ中の冗長な部分を省いて，圧縮して記憶したりデータ
転送を行うようにすることが望まれる。従来，文字コー
ド，画像データについて，それぞれ単独のデータについ
ては効率良くデータ圧縮する方法はあったが，文字コー
ドと画像データなど異なる種類のデータが混在するデー
タについて，効率良く圧縮する方法はなかった。本発明
は，複数の異なる種類のデータが混在するデータについ
て，高圧縮率の得られるデータ圧縮方式を提供すること
を目的とする。

【０００２】

【従来の技術】様々な種類のデータ（文字コード，画像
データ等）のデータに適用できるデータ圧縮方式として
，ユニバーサル符号による方式がある。ユニバーサル符
号においては，文書データにおける文字コードのみなら
ず画像データ等にも適用できる。そして，以下の説明に
おいては，データの１ワード単位を文字と呼び，データ
が任意ワードでつながったものを文字列と呼ぶ。

【０００３】ユニバーサル符号の一つであるジブ−レン
ペル（Ｚｉｖ　−Ｌｅｍｐｅｌ）符号には，■符号化デ
ータを，過去のデータ系列のうち任意の位置から一致す
る最大長の系列に区切り，過去の系列の複製として符号
化するユニバーサル型，■符号化データのうち新たに出
現する文字列のうちの文字部分列を辞書に順次登録し，
符号化対象の文字部分列を，過去に出現した辞書に登録
された文字部分列のうちの最大長のものに基づいて符号
化する増分分解型およびその改良方式であるＬＺＷ符号
方式がある。

【０００４】図５は，ＬＺＷ符号によるデータ圧縮方式
を示す。図において，４１はデータファイルであって，
文字コード等よりなるデータを格納するものを，４２は
データ格納部であって，データファイルから取り出され
た文字列を格納するもの，４３は文字部分列を登録する
辞書Ｄ，４４は辞書検索部，４５は出力符号格納部であ
って，辞書検索部４４が検索した最大一致文字部分列の
符号を格納するもの，４６は登録文字部分列格納部であ
って，最大一致文字部分列に続く次の一文字もしくは複
数の文字を付加した文字部分列を格納するもの，４７は
圧縮率判定部であって，圧縮率を判定するもの，４８は
辞書登録部であって，文字列を辞書に登録する処理をす
るものである。

【０００５】図示の構成の動作を図６に基づいて説明す
る。図６は，ＬＺＷ符号によるデータ圧縮方式のフロー
である。図における符号に従って説明する。必要に応じ
て図１を参照する。Ｓ１　　辞書Ｄ４３に単一文字を割
り付け，初期値とする。ｉは登録した文字の番号（符号
）であり，Ｄ（ｉ）は番号ｉの登録文字列を表す。Ａは
登録したアルファベットの大きさ（数）を示す。初期設
定される文字数は実際には，２５６文字を対象とするこ
とができるが（Ａ＝２５６），図１における辞書Ｄ（４
３）ではａ，ｂ，ｃの三文字のみよりなる場合を示す。カーソルを文字列の先頭文字に合わせ（カーソル＝１）
，先頭文字をデータ格納部４２に格納する。辞書Ｄ４３
における最大登録番号（識別番号）ｎをｎ＝Ａとする。

【０００６】Ｓ２　　辞書検索部４４は，カーソルの位
置からの文字部分列と一致する辞書中の最長の文字部分
列Ｓを検索する。Ｓ３　　最大一致文字部分列の番号を
出力符号格納部４５に格納し，〔ｌｏｇ２ｎ　〕ビット
（　〔ｘ〕は，ｘ以上の最小の整数）で，Ｓに関する番
号を出力する。辞書登録数ｎを１インクリメント（ｎ＝
ｎ＋１）とする。

【０００７】Ｓ４　　辞書登録部４８は，Ｓに続く次の
文字Ｃにより作られる部分文字列ＳＣを登録文字部分列
格納部４６に格納し，文字部分列ＳＣを識別番号（ｎ＋
１）で辞書に登録する。カーソルを文字列Ｓの次の文字
（Ｃ）に合わせる。Ｓ５　　予め定めた整数ｍ（圧縮率
の良否をチェックするデータ間隔）に対して，ｍの倍数
の文字数分データを符号化したか調べる。もし，ｍの倍
数分でなければ，Ｓ２に戻る。

【０００８】Ｓ６　　もし，ｍの倍数分符号化していば
，圧縮率判定部４７は，ｍバイト間で以前より圧縮率が
悪化したか調べる。もし，圧縮率が悪化していなければ
，Ｓ２に戻る。もし，圧縮率が悪化していれば，Ｓ１に
戻り，辞書を初期化して，登録をしなおす。

【０００９】図７は，ＬＺＷ符号の例を示す。図におい
て６０は文字列，６１は出力符号，６２は辞書である。図は，文字列がａ，ｂ，ｃの三文字のみよりなる場合で
ある。文字列の各文字の上の括弧付の番号は説明の便宜
上付けた番号である。

【００１０】■　　文字列の先頭文字ａ（番号（１）　
）にカーソルを合わせる。辞書を参照し，ａは登録済で
あることを確認すると，次の一文字ｂを読む。文字部分
列ａｂは未登録であるから，ａ（１）　を符号１で出力
し，ａｂを識別番号４で登録する。■　　カーソルを次
の文字ｂ（番号（２）　）に合わせる。辞書を参照し，
ｂは登録済であることを確認すると，次の１文字ａ（３
）を読む。文字部分列ｂａは未登録であるから，ｂ（２
）　を符号２で出力し，文字部分列ｂａを識別番号５で
登録する。■　　次の文字ａ（３）　にカーソルを合わ
せる。ａは辞書に登録済であるから，次の文字ｂ（４）
　を読む。文字部分列ａｂは登録済であるから，さらに
次の文字ａ（５）　を読む。文字部分列ａｂａは未登録
であるから，文字部分列ａｂを符号４で出力し，文字部
分列ａｂａを識別番号６で辞書に登録する。

【００１１】■　　次に文字ａ（５）　にカーソルを合
わせる。ａは登録済であるから次の文字ａ（６）　を読
む。文字部分列ａａは未登録であるから，ａを符号１で
出力し，文字部分列ａａを識別番号７で登録する。以後
同様に，カーソルで指定した文字以降の文字列の文字部
分列より辞書に登録されている文字部分列より一致する
最長の文字部分列を見つけ出し，その文字部分列を辞書
における識別番号により符号化し，最大一致文字部分列
と次の一文字よりなる文字部分列を辞書に新たに登録し
てゆく。そして，出力符号６１として，「１２４１５３７・・・
」を出力する。

【００１２】

【発明が解決しようとする課題】文書データと画像デー
タのように性質の異なるデータが混在する場合に，ＬＺ
Ｗ符号でデータ圧縮を行うと，文字の種類もしくは並び
方の傾向の異なるそれぞれのデータ毎の文字部分列が同
一辞書に登録されるため，圧縮率が低下するものであっ
た。

【００１３】

【課題を解決しようとするための手段】本発明は，文書
データと画像データのように，予め出現するデータの種
類が分かる場合には，辞書をデータの種類の数だけ分割
するようにした。そして，それぞれのデータにおいて高
頻度で出現すると予想される文字部分列を，それぞれの
辞書に初期値として，登録しておくようにした。そして
，文字列を符号化する場合には，各分割した辞書を調べ
，最長一致文字部分列が最大となる辞書の符号を用いて
符号化するようにした。

【００１４】図１に本発明の基本構成を示す。図におい
て，１はデータファイルであって，文書データ等の文字
コードおよび，画像データ等を格納するもの，２はデー
タ格納部であって，文字列のデータを格納するもの，３
は辞書検索部であって，文字部分列について辞書を検索
し，最大一致文字部分列を求めるもの，４は辞書Ａであ
って，例えば，文字コードの文字部分列を登録したもの
，５は辞書Ｂであって，例えば，画像データについての
文字部分列を登録したものである。６は出力符号格納部
であって，最大一致文字部分列の符号（辞書における識
別番号等）を格納するもの，７は登録文字部分列格納部
であって，辞書検索部３が検索した最大一致文字部分列
と次の一文字もしくは続く文字部分列を格納するもの，
８は辞書登録部であって，登録文字部分列格納部７に格
納された文字部分列を辞書に格納する処理を行うもので
ある。なお，図において，圧縮率判定部は省略されてい
る。

【００１５】

【作用】図の構成の動作を説明する。データファイル１
より文字コードと画像データが混在する文字列がデータ
格納部２に格納される。辞書検索部３は，データ格納部
２の文字列の先頭文字から順次辞書Ａ（４），辞書Ｂ（
５）を検索し，最大一致文字部分列を求める。出力符号
格納部６は最大一致文字部分列の辞書における識別番号
に基づいて符号を作成し，出力する。登録文字部分列格
納部７は最大一致文字部分列に，それに続く次の一文字
もしくは複数の文字を付け加えた文字部分列を格納する
。辞書登録部８は登録文字部分列格納部７に格納された
文字部分列を，最大一致文字部分列を検出した辞書Ａ（
４）もしくは辞書Ｂ（５）に登録する。なお，最長一致
文字部分列が複数の辞書にある場合には，前回選ばれた
辞書の符号を用いる。また，本発明の方式で作成された
圧縮データを復号する方法については説明されていない
が，入力データに基づいて，符号化と逆の順序で，辞書
を復元の参照を繰り返して文字列を復元すればよい。なお，本発明は，ＬＺＷ符号方式だけでなく増分分解型
等の他のユニバーサル符号化方式にも適用できるもので
ある。

【００１６】

【実施例】本発明の実施例のフロー（１）および（２）
を図２，図３に示す。図２は，ＬＺＷ符号により本発明
を実施する場合のフローであって，最適辞書が今まで用
いていた辞書から変更になった時点で，識別番号の符号
化に先立ち，変更になった辞書の番号を符号化する方法
を示す。本実施例においては，識別番号０を辞書変更の
識別フラグに割り当てる。図示の符号に従ってフローを
説明する。

【００１７】Ｓ１　　文書データ（文字コード），画像
データ（１，０のビットの並びに基づいて作成したラン
レングス符号等の数値データ）等のデータの種類毎に辞
書の初期値とするための一文字データおよび出現頻度が
高いと予測される文字部分列を求める。Ｓ２　　データの種類毎に辞書Ｄｊを作成する（ｊはデ
ータの種類）。カーソルを文字列の先頭文字に合わせる
（カーソル＝１）。ｊ番目の最大登録番号ｎｊ（ｊ＝１
〜Ｋ）を設定する（ｎｊ＝Ａｊ）。但し，Ａｊはデータ
の種類ｊに登録された初期値の個数を表す。直前で用い
た辞書の番号ｐｐのデフォルトの値を設定する（ｐｐ＝
０）。Ｓ３　　カーソルの位置からの文字部分列を読み取り，
各辞書Ｄｊにおける最長の文字部分列Ｓｊ（ｊ＝１〜Ｋ
）を求める。Ｓ４　　各辞書毎に求めた最長文字部分列Ｓｊの中から
，最長の文字部分列Ｓｐを求める。Ｓ５　　辞書番号ｐは直前の辞書番号ｐｐと一致すれば
Ｓ７に移る。Ｓ６　　〔ｌｏｇ　２　ｎｐｐ〕ビットで辞書切替えフ
ラグである識別番号０を表し，また，〔ｌｏｇ　２　Ｋ
〕ビットで辞書番号ｐを表して，一緒に出力する。

【００１８】Ｓ７　　最長の文字列Ｓｐの番号を〔　ｌ
ｏｇ２ｎｐ　〕ビットを用いて出力する。ここで〔　ｌ
ｏｇ２ｎｐ　〕は　ｌｏｇ２ｎｐ　線上の最小の整数を
表す。Ｐ番目の辞書における最大登録番号ｎｐ　を１イ
ンクリメントする（ｎｐ　＝ｎｐ　＋１）。Ｓ８　　カーソルを，求めた最長文字部分列Ｓｐの次の
文字Ｃに合わせる。文字部分列ＳｐＣをＰ番目の辞書に
，番号ｎｐ　で登録する。直前の辞書番号ｐｐを今回の
辞書番号ｐで置き換える（ｐｐ＝ｐ）。カーソルを，文
字列において求めた最長文字部分列Ｓｐの次の文字（Ｃ
）に合わせる。Ｓ３　　以降の処理を繰り返す。この例では「辞書切替
えフラグ＋辞書番号」で辞書を選択するようにしたが，
複数の辞書の数だけ各辞書で同じ識別番号を予約語とし
てとっておき，その識別番号を用いて辞書を指定しても
良い。

【００１９】図３は，辞書の選択符号を用いないやり方
であり，前回の最適だった辞書を用いて，一致が最大長
の文字部分列を符号化する方法を示す。辞書変更による
選択のタイミングを一回遅らせるので，選択符号がなく
ても，復号側で選択された辞書が分かる。Ｓ１〜Ｓ４は
図２と同様である。Ｓ５　　辞書Ｄｐｐの最長の文字部
分列Ｓｐｐの識別番号を〔　ｌｏｇ２ｎｐｐ〕ビットを
用いて出力する。ここで，〔　ｌｏｇ２ｎｐｐ〕は　ｌ
ｏｇ２ｎｐｐ以上の最小の整数を表わす。ｐｐ番目の辞
書における最大登録番号ｎｐ　を１つインクリメントす
る（ｎｐｐ＝ｎｐｐ＋１）。Ｓ６　　カーソルを，求め
た最長文字部分列Ｓｐ　の次の文字Ｃに合わせる。文字
部分列ＳｐｐＣをｐｐ番目の辞書に番号ｎｐｐで登録す
る。直前の辞書番号ｐｐを今回の辞書番号ｐで置き換え
る（ｐｐ＝ｐ）。カーソルを，文字列における最長文字
部分列Ｓｐ　の次の文字（Ｃ）に合わせる。以上のよう
にして，文書データ（文字コード）と画像データ等の種
類の異なるデータが混在する文字列を符号する。そして，文書データと画像データの二種類の辞書を作成
した場合を例にとると，文書データの文字列部分は，文
書データの文字部分列を登録した辞書が参照されて符号
化されることが多く，画像データの文字部分列について
は，画像データの辞書が参照されて符号化されることが
多くなるので，効率的なデータ圧縮がなされる。

【００２０】本発明においては，データ圧縮の対象とす
るデータもしくは同種類の他のデータをサンプルデータ
として，出現する文字部分列の出現頻度を測定し，高頻
度で出現する文字部分列を辞書の初期値として登録する
。

【００２１】図４は，本発明における辞書の初期値作成
方法を示す。図において，３０は出現頻度測定部，３２
はサンプルデータ，３３はサンプルデータの符号化手段
であって，サンプルデータについて符号化し，頻度を測
定するもの，３４は文字部分列の頻度格納部，３５は初
期値設定部である。３６は初期値設定された辞書，３７
は符号化手段であって，実際のデータを符号化するもの
，３８は復号化手段である。

【００２２】サンプルデータ３２に基づいて，符号化手
段３３は，実際に符号化する方法と同様の方法（例えば
，ＬＺＷ符号）で符号化する。そして，求めた文字部分
列の出現頻度を算出し，頻度格納部３４に格納する。初期値設定部３５は，頻度格納部３４に格納された文字
部分列のうち，出現頻度の高いもの（予め定めた，出現
頻度の閾値Ｔより大きいもの）を選択する。

【００２３】その結果，例えば，図のおいては一文字ａ
，ｂ，ｃおよび出現頻度の高い文字部分列ｂａを，辞書
３６に初期値として登録する。符号化手段３７は実際の
データについて，辞書３６の初期値に基づいて，符号化
を始め，新たに出現する文字列を順次登録する。復号側
では，復号化手段３８により辞書を復元しながら，送ら
れてきた符号を復元する。

【００２４】

【発明の効果】本発明によれば，分割した辞書には，各
種データにおける出やすい文字部分列が予め登録されて
いるので，複数種類のデータが混在するデータを符号化
する場合にも，データの種類に対応した辞書が選択され
る。そして，それぞれの辞書には，対象とするデータに
おける文字部分列が学習されて登録されるので，高圧縮
率の符号化を行うことができる。

【図面の簡単な説明】

【図１】本発明の基本構成を示す図である。

【図２】本発明の実施例フロー（１）を示す図である。

【図３】本発明の実施例のフロー（２）を示す図である
。

【図４】本発明における辞書の初期値作成方法を示す図
である。

【図５】ＬＺＷ符号によるデータ圧縮方式を示す図であ
る。

【図６】ＬＺＷ符号によるデータ圧縮方式のフローを示
す図である。

【図７】ＬＺＷ符号の例を示す図である。１　　データファイル２　　データ格納部３　　辞書検索部４　　辞書Ａ５　　辞書Ｂ６　　出力符号格納部７　　登録文字部分列格納部８　　辞書登録部

Claims

【特許請求の範囲】

【請求項１】　　複数種類のデータが混在するデータよ
りなる文字列を圧縮して符号化する方式において，文字
列における出現頻度の高い文字部分列を初期値として識
別番号を対応付けて登録した辞書（４，５）をデータの
種類毎に備え，符号化の対象とする文字列の文字部分列
を辞書に登録された部分列と比較し，辞書において一致
する最大長の文字部分列を求め，対応する辞書の識別番
号に基づいて符号化することを特徴とするデータ圧縮方
式。
【請求項２】　　請求項１において，求めた最大長の文
字部分列に続く一文字もしくは複数文字を，求めた最大
長の文字部分列に付加した文字部分列を求めた最大長の
文字部分列のある辞書に登録することを特徴とするデー
タ圧縮方式
【請求項３】　　請求項１および請求項２において，一
致する最大長の文字部分列をもつ辞書の番号を，識別番
号の符号化に先立ち符号化し，対応する辞書を選択する
ことを特徴とするデータ圧縮方式。
【請求項４】　　請求項１および請求項２において，符
号化の対象とする文字部分列を辞書に登録された文字部
分列との前回の比較で，一致する最大長の文字部分列の
あった辞書における一致する最大長の文字部分列の識別
番号によって符号化することを特徴とするデータ圧縮方
式。