基于SLWE的自適應熵編碼器概率估計模型應用研究.pdf

1、熵編碼，特別是自適應熵編碼，是大多數(shù)圖像和視頻壓縮編碼標準和許多非標準編碼器的核心部分，例如JPEG2000中的MQ編碼器和H.264/AVC中的CABAC編碼器均用到了自適應二值算數(shù)編碼。熵編碼的編碼性能主要與兩個因素有關，一是概率模型與信源的實際特性相符的程度，二是編碼器依據(jù)概率模型為待編碼符號分配碼字的方式。對于第二點，目前，當給定概率模型時，很多熵編碼方法的平均碼長已經(jīng)非常接近給定概率模型下的香農(nóng)熵，關于這方面的性能提升已經(jīng)非常

2、有限。而對于第一點，當待編碼數(shù)據(jù)統(tǒng)計特性較平穩(wěn)時，概率模型的建立問題相對容易，但當待編碼數(shù)據(jù)統(tǒng)計特性經(jīng)常發(fā)生變化時，概率模型往往會與信源的實際特性有所偏離，影響編碼性能，若概率模型能實時的反映待編碼數(shù)據(jù)這種特性變化，理論上可以取得更好的編碼效果?；谝陨媳尘埃疚膶?shù)據(jù)特性經(jīng)常變化時熵編碼器概率模型的建立問題展開了研究。
　　首先介紹了與熵編碼密切相關的信源熵、概率模型和估計熵的相關定義，分析了熵編碼的碼長與待編碼數(shù)據(jù)的信源熵和在

3、概率模型約束下的估計熵之間的關系，闡述了自適應熵編碼器中概率估計模型的重要作用?；谝陨匣纠碚?，接著給出了本文中平穩(wěn)數(shù)據(jù)和非平穩(wěn)數(shù)據(jù)的定義以及相關數(shù)學表示，并分析了靜態(tài)模型以及傳統(tǒng)的基于貝葉斯參數(shù)估計理論的概率估計算法不適合對非平穩(wěn)數(shù)據(jù)進行概率估計的原因并進行了相關實驗驗證，最后介紹了加窗法和遺忘因子法兩種經(jīng)典的非平穩(wěn)環(huán)境下的概率估計算法，并分析了各概率估計算法對于不同特性數(shù)據(jù)的概率估計效果，最后探討了非平穩(wěn)數(shù)據(jù)特性變化的劇烈程度對整

4、個概率估計過程的影響，提出了根據(jù)數(shù)據(jù)的變化特性調(diào)節(jié)概率估計算法的自適應能力的基本思想。
　　其次，研究了隨機學習弱估計理論（stochastic learning weak estimators，SLWE）在非平穩(wěn)數(shù)據(jù)概率估計問題中的應用。首先介紹了基于SLWE的二項分布和多項分布參數(shù)估計過程，并從定性和定量兩方面分析了其適用性，深入剖析了其概率更新的內(nèi)在原理，并將其與加窗法比較，分析了其與加窗法的內(nèi)在聯(lián)系。最后利用區(qū)間編碼的架構

5、設計了利用SLWE算法進行概率估計的區(qū)間編碼方法，詳細敘述了將SLWE算法移植到區(qū)間編碼中時可能會引起的區(qū)間退化問題和由于浮點累加的舍入誤差引起的解碼問題及相應的解決辦法。最后通過實驗分析了新的區(qū)間編碼方法對不同特性數(shù)據(jù)的編碼效果。
　　最后，提出了根據(jù)數(shù)據(jù)局部特性變化情況自適應調(diào)節(jié)算法自適應能力的參數(shù)自適應SLWE算法。該算法針對實際數(shù)據(jù)特性變化情況比較復雜的特點，首先利用數(shù)據(jù)的局部統(tǒng)計特性的變化情況分析數(shù)據(jù)的非平穩(wěn)度，然后提取