第7章 量化

http://www.cnblogs.com/xkfz007/archive/2012/07/29/2614250.html

1. 量化Quantization

  • 用更小的集合表示更大的集合的过程
    • 对信号源的有限近似
    • 有损过程
    • 应用
      • A/D转换
      • 压缩
    • 量化方法
      • 标量(Scalar)量化
      • 矢量(Vector)量化

2. 量化的基本思想

  • 映射一个输入间隔到一个整数
  • 减少信源编码的bit
  • 一般情况重构值与输入值不同

3. 量化模型

第7章 量化_第1张图片

4. 量化的率失真优化

  • 量化器设计问题
    • 量化水平的个数,即Bin的个数
    • 决策边界:Bin的边界
    • 重构水平
  • 量化器设计是对率失真的优化
    • 为了减少码率的大小,需要减少Bin的个数
    • Bin的个数减少导致重构的误差增大,失真也就随着增大

5. 失真测量

6. 量化器设计

  • 量化器设计的两个方面
    • 给定量化水平数目M,找到决策边界xi和重构水平 使MSE最小
    • 给定失真限制D,找到量化水平数目M,决策边界xi和重构水平yi使MSE<=D

7. 均匀量化(Uniform Quantization)

第7章 量化_第2张图片

第7章 量化_第3张图片

8. 量化与峰值信噪比

第7章 量化_第4张图片

9. 中升量化器(Midrise Quantizer)

10. 中平量化器(Midtread Quantizer)

第7章 量化_第5张图片

11. 死区量化器(Deadzone Quantizer)

第7章 量化_第6张图片

12.非均匀量化(Non-uniform Quantization)

  • 如果信源不是均匀分布的,采用均匀量化不是最优的
  • 对于非均匀量化,为了减少MSE,当概率密度函数fX(x)高时,使Bin的量化步长减小,当概率密度函数fX(x)低时, 使Bin的量化步长增加。

第7章 量化_第7张图片

13. 最优的标量量化

第7章 量化_第8张图片

第7章 量化_第9张图片

14. 量化编码

  • 定长编码量化水平
    • 使用等长的码字编码每个量化水平,码字长为:
  • 熵编码量化水平
    • 根据量化水平的概率分布情况,用变长的码字编码每个量化水平
    • 平均码字长
    • 比定长编码量化水平效率高
    • 广泛应用在图像和视频编码中

15. 矢量量化

  • 标量量化:对数据一个一个的进行量化,称为标量量化。
  • 矢量量化:将数据分组,每组K个数据构成K维矢量,再以矢量为处理单元进行量化。
    • 矢量量化是标量量化的多维扩展
    • 标量量化是矢量量化的特殊情况
  • 矢量量化工作过程

第7章 量化_第10张图片

  • 二维矢量量化

  • 矢量量化优点
    • 只传码字的下标,编码效率高
    • 在相同码率下,比标量量化失真小
    • 在相同失真下,比标量量化码率低
  • 矢量量化缺点:复杂度随着维数的增加呈指数增加

你可能感兴趣的:(第7章 量化)