跳至內容

分類向量量化器

本頁使用了標題或全文手工轉換
維基百科,自由的百科全書

分類VQ (Classified vector quantization , CVQ) ,採用多個編碼簿,每一個編碼簿都是專門用來編碼具有某一類特殊性質的方塊,例如水平方向的邊,垂直方向的邊,完全一致的領域等等。我們可以利用具有區別不同特殊性質的分類器,來選定編碼某一類方塊的編碼簿

概要

[編輯]

使用CVQ的優點是使用許多小型的編碼簿,每一個專門為某一類向量而設計,可以達到和使用單一一個大型編碼簿相當的重建品質,且搜尋時間會小很多。此外,CVQ也可以用在Mean/Residual vector quantization (參見乘碼) 技術的餘值向量上。

演算法

[編輯]

第一步
將原影像切割成大小為n (通常n = 4 x 4 = 16) 且不相重疊的方塊,每一個方塊都經過一個以邊的方向來做分類的分類器,將其歸類為M類當中的一類;這些類別可能包括暗影像方塊 (Shade block,沒什麼明顯梯度的方塊) ,中度範圍方塊 (Midrange block,具有中等梯度但無明顯邊的方塊) ,垂直邊方塊,水平邊方塊,邊方塊,以及混合型方塊 (有邊但方向不清楚)。

第二步
每一個分類後的方塊向量各以其所屬之編碼簿做編碼。編碼簿的大小可以各有不同,分別為,而且每一個方塊在選擇最接近的向量時,也可以採用不同的失真估算函數。整個碼向量數目為 :

第三步
將所選出的碼向量指標送給接收端,接收端則用這些指標解碼

參考資料

[編輯]
  • 戴顯權, "資料壓縮"
  • Bhaskar Ramamurthi and Allen::Gersho, Fellow, IEEE ,"Classified Vector Quantization of Images ", IEEE Transactions On Communications, VOL. Com-34, NO. 11, November 1986
  • Allen Gersho and Robert M. Gray, "Vector Quantization And Signal Compression"