基于描述长度的 Context 建模算法

ByElmer1

摘 要：在基于 Context 建模的熵编码系统中，为了达到预期的压缩性能，需要通过 Context 量化来缓解由高阶
% Y$ D* Z* e: u' ~$ aContext 模型所引入的“Context 稀释”问题。为此，该文提出一种通过最小化描述长度来实现 Context 量化
! f" t$ U. l( L- B* N6 }(Minimum Description Length Context Quantization, MDLCQ)的算法。该算法使用描述长度作为评价准则，通过
( \/ n/ |. H' x0 i" n动态规划算法来实现单条件的最优 Context 量化，然后通过循环迭代来实现多条件的 Context 量化。该算法不仅可
以得到多值信源的优化 Context 量化器，而且可以自适应地确定各个条件的重要性从而确定模型的最佳阶数。实验
结果表明：由 MDLCQ 算法所得到的 Context 量化器，可以明显改善熵编码系统的压缩性能。
关键词：条件熵编码；Context 量化；描述长度；算术编码
! `" y' @. `& c4 D1 引言
$ y1 d5 c" F. u- X8 Q+ ~" L近些年来，Context 建模被广泛地用来改善编
* E' m; Y, s5 Q, K# {& H) q码系统的压缩性能。2006 年，文献[1]优化了 Context
量化算法以改善 JPEG2000 中图像小波变换系数的
比特平面编码。2012 年，文献[2]利用改进的游程编
码和基于 Context 建模的自适应算术码对嵌入式代
数矢量量化器的二进制索引值进行压缩，以提高音
& x8 P* B) f* s$ h7 }) ?$ a$ C6 d频类信源的编码效率。2013 年，文献[3]在近无损
! }! m7 i+ q7 e' g! nCALIC 系统中通过 Context 建模的思想来优化预测
) E6 R7 S7 d- B8 u7 O误差的标量量化器的性能。2014 年，文献[4]利用预
测误差建立 Context 模型，通过将矢量量化映射为
. ]# f1 W. B. ~7 k4 B4 W, e非均匀的标量量化来自适应地实现 Context 量化，
# q, w) _8 }% |4 D) ^
* N# i" i4 N, k
5 ?% W% {# [: }6 w! D- j% G6 E
! @) v9 B; H; R; Y9 l3 E附件下载：

游客，如果您要查看本帖隐藏内容请回复

ounce

描述长度的 Context 建模算法 ，收藏了。