文献综述模板27182869

《文献综述模板27182869》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、附件1：文献综述熵编码方法研究综述摘要：文章对熵编码方法做了较为全面的介绍。概括了熵编码的背景知识，定义，应用以及较为详细的分类情况。比较了几种有代表性的经典熵编码方法。然后对熵编码的分类以及发展的走势进行了展望。关键词：熵编码；Huffman编码；算术编码；游程编码1.引言面对视频通信领域的高速发展的需求，视频信号数字化之后所面临的一个问题是巨大的数据量给存储和传输带来的压力。如果是单纯用扩大存储容量、增加通信信道的带宽的办法是不现实的。而数据压缩技术是个行之有效的方法以压缩编码的形式存储、传输，既节约了存储空间，又提高

2、了通信信道的传输效率，同时也可使计算机实时处理视频信息，以保证播放出高质量的视频节目[1]。图像编码发展至今已经非常成熟了，但新颖的编码方法仍然层出不穷，不管具体编码形式如何，它们都是力图消除图像中的一种或多种冗余。根据由压缩数据恢复的图像与原始图像的差别，压缩数据技术可以简单的分为两类——“可逆压缩”和“不可逆压缩”[2-3]。其中，可逆压缩在信息论中就称为“熵编码”(EntropyCoding)。熵编码（EntropyCoding）是纯粹基于信号统计特性的编码技术，它是一种无损编码，解码后能无失真地恢复原图像[4]。熵

3、编码的基本原理是给出现概率较大的符号一个短码字，而给出现概率较小的符号一个长码字，这样使得最终的平均码长很小。一个精心设计的商编码器，其输出的平均码长接近信源的信息熵，即码长的下限[5-6]。熵编码所完成的功能是去除数据的统计冗余[7]。熵编码是建立在随机过程的统计特性基础上的。但实际上对图像统计特性研究是不可能的，也没有意义。因此，对图像做统计分析研究时，为了不使分析过程过于复杂，同时又具有代表性和实用价值，通常把分析的对象集中在实际应用中某一类图像的一些典型代表图像（或序列）。用标准测试图像的采样文件，进行图像各种统计

4、特性的研究[1]。常用的熵编码方法有游程编码（RunLengthCoding，RLC）、霍夫曼（Huffman）编码、算术编码三种。上述三种熵编码均已被各种图像编码标准所采纳，以游程编码加Huffman编码或者游程编码加算术编码的形式，用于对变换、预测编码之后的图像系数作进一步编码[4]。在最新标准H.264中为进一步提高熵编码效率，提出了3种熵编码方法：（1）指数葛洛姆熵编码（ExponentialGolombcodes，Exp-Golomb）；（2）基于上下文的自适应变长编码（Context-basedAdaptive

5、VariablelengthCoding，CAVLC）；（3）基于上下文的自适应二进制算术编码（Context-basedAdaptiveBinaryArithmeticCoding，CABAC）。在H.264中，基于上下文自适应的可变长编码(CAVLC)是用于亮度和色度残差数据的编码，通过根据已编码句法元素的情况，动态调整编码中使用的码表，可取得极高的压缩比[8-9]。CAVLC充分利用残差的这些特性进行压缩，结合相邻4×4块非零系数的数目相关性，可进一步减少数据中的冗余信息。基于上下文的自适应编码方法可全面提高编码的质

6、量，其编码的自适应性和效率都有很大提高，降低对存储数据的复杂度，与以往的标准相比，压缩率都有明显的提高，它所具有的优势让人们不断继续着研究。2.熵编码原理2.1Huffman编码原理Huffman编码是一种不等长最佳编码方法，这里的最佳是指它的平均码长对相同概率分布的信源比其他任何一种有效编码方法都短[4，10]。Huffman编码自从19524年提出后，因为编码效率极高得到广泛采用，是静止图像编码标准JPEG中推荐的基本编码方法，成为熵编码中的经典算法[2]。Huffman编码必须知道信源的概率分布，而这一般是无法做到的

7、，通常采用对大量数据进行统计后得到的近似分布来代替。但是不同的图像类型其系数分布总有差异，这将导致实际应用时无法达到最佳性能。通过输入数据序列自适应的匹配信源概率分布的方法，可以较好地改进Huffman编码的性能，但这种方法运算程度复杂并且不适合硬件实现。Huffman编码的编码过程主要包括4个步骤：（1）将输入信号符号以出现概率由大到小为序排好；（2）将两处最小概率的符号相加合成为一个新概率，再按出现概率大小排序；（3）重复步骤（2），直至最终只剩两个概率；（4）编码从最后一步出发逐步向前进行，概率大的符号赋予“0”或“

8、1”码，另一个概率相对赋予“1”或“0”码，直至达到最初的概率排列为止[11]。2.2算术编码原理算术编码是20世纪80年代发展起来的一种熵编码方法，它已渐渐受到人们的注意。它的基本原理是，任何一个数据序列均可表示成0和1之间的一个间隔，该间隔的位置与输入的概率分布有关[4]。可以根据信源的统计特性来设