[發(fā)明專利]一種指數(shù)分布數(shù)據(jù)的基于塊自適應(yīng)量化的方法

無效

• 申請?zhí)枺?/td>: 200810244059.X
• 申請日: 2008-12-19
• 公開（公告）號: CN101527845A
• 公開（公告）日: 2009-09-09
• 發(fā)明（設(shè)計）人: 李恒中;夏衛(wèi)平
• 申請（專利權(quán)）人: 無錫億普得科技有限公司
• 主分類號: H04N7/26
• 分類號: H04N7/26;G06T9/00;H03M7/30
• 代理公司: 無錫市大為專利商標(biāo)事務(wù)所
• 代理人: 曹祖良

技術(shù)領(lǐng)域

本發(fā)明涉及一種指數(shù)分布數(shù)據(jù)的量化方法，具體的說是一種數(shù)據(jù)壓縮過程中，指數(shù)分布數(shù)據(jù)的量化方法。

背景技術(shù)

量化是壓縮中帶來損失的主要過程，有效的量化方法是提高壓縮性能的關(guān)鍵。

對于具有很大的動態(tài)范圍的圖像，有些區(qū)域比較暗，數(shù)據(jù)值比較??；有些區(qū)域特別亮，數(shù)值比較大。塊自適應(yīng)量化(BAQ：Block?AdaptiveQuantization)方法最初被Ronald?Kwok用來壓縮合成孔徑雷達的原始數(shù)據(jù)，合成孔徑雷達的原始數(shù)據(jù)服從高斯分布，通過估計每一塊數(shù)據(jù)的方差來查表決定每一塊的量化步長，通過BAQ可以將8比特的數(shù)據(jù)壓縮到2比特。

量化的任務(wù)是將區(qū)間[-u_max，u_max]上的數(shù)用固定長度的比特表示出來。不同的數(shù)據(jù)塊u_max差別比較大，如果對于所有的數(shù)據(jù)塊使用同樣的量化步長，就要使用所有塊中的最大的u_max，對于不同數(shù)據(jù)塊u_max變化范圍比較大，這顯然不是理想的方法。塊自適應(yīng)量化是一種能夠適應(yīng)塊局部特性的量化方法。量化時先計算出每塊的最大數(shù)據(jù)值，根據(jù)該值計算量化步長，為了便于實時實現(xiàn)，量化步長通過移位數(shù)來表示，如每個數(shù)量化為β比特，則量化步長Qstep＝floor(log₂(u_max))-β+1，其中floor(x)表示不大于x的最大整數(shù)。每一個數(shù)據(jù)塊壓縮時只需要記下量化步長。如圖1所示的是對一幅4K×2K的圖像的塊量化步長統(tǒng)計信息，可以看出量化變化范圍比較大，量化步長相差8倍左右。

塊自適應(yīng)量化比均勻量化具有顯著的優(yōu)點，它產(chǎn)生的平均量化誤差(MQE)要比均勻量化產(chǎn)生的平均量化誤差小得多。

發(fā)明內(nèi)容

本發(fā)明考慮數(shù)據(jù)壓縮過程中，成指數(shù)分布數(shù)據(jù)的量化方法，提供一種基于塊自適應(yīng)量化的量化方法，適用于數(shù)據(jù)動態(tài)范圍大，整體成指數(shù)分布的一類數(shù)據(jù)，基于塊自適應(yīng)的量化方法能夠有效地壓縮圖像，并且易于實時實現(xiàn)。

按照本發(fā)明提供的技術(shù)方案，一種指數(shù)分布數(shù)據(jù)的基于塊自適應(yīng)量化的方法，包括如下步驟：

(1)在量化模型中，假設(shè)產(chǎn)生N個量化步長，第i個移位為K_i(i＝0，1，...，N-1)，每個移位產(chǎn)生的概率為P_i(i＝0，1，..，N-1)，最大移位為K。均勻分布的數(shù)據(jù)使用均勻量化器，若量化步長為Q，則平均量化誤差MQE＝Q/4；使用塊自適應(yīng)量化產(chǎn)生的平均量化誤差MQE_baq為

MQEbaq=Σi=0N-12Ki/4*Pi=Σi=0N-12Ki-2*Pi.]]>

(2)使用均勻量化的方法，移位統(tǒng)一變?yōu)镵，對于原來移位為K_i塊現(xiàn)在使用移位為K進行量化，產(chǎn)生的平均量化誤差為MQE＝2^K/4，使用均勻量化參數(shù)的MQE_uq為