多媒体网络技术概述

《多媒体网络技术概述》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、多媒体网络技术概述21世纪信息资源共享的时代，多媒体计算机技术迅速发展，给信息传播带来了一场革命。现代意义上的多媒体以计算机技术为支撑，不仅具有计算机所固有的存储记忆、高速运算、逻辑判断、自行运行等功能，还采用了图形窗口、交互界面、语音识别和触摸屏等先进技术，使计算机不仅具有了处理文本、图形、音频、视频的能力，而且能够用人类习惯的方式、图像、声音生动逼真地传播和表达信息，与人类交流。多媒体技术的广泛应用促进了多媒体教室、多媒体虚拟实验室、多媒体电子出版物、电子图书室等的蓬勃发展。此外，随着计算机技术、多媒体技术和网络技术的不断发展和广泛应用，人与计算机之间的信息交流变得

2、生动活泼、丰富多彩。在互联网上发展各种多媒体业务已是大势所趋，因而多媒体网络的另一含义其实就是互联网。以因特网为主要标志的网络技术构成了现代技术文化的重要组成部分，联系上亿人的因特网将人类带入了一个全新的数字化时代，拓展了人类的第二生存空问——网络社会多媒体网络技术是多媒体技术与网络技术有机结合的产物，它集多种媒体功能和网络功能于一体，将文字、数据、图形、图像、声音、动画等信息有机地组合、交互地传递。而“多媒体”与“网络”结合使“多媒体网络教学”成为可能。多媒体与网络技术特有的优点使其对教学的介入不仅改变了教学手段，而且对传统的教学模式、教学内容、教学方法等也产生了深远

3、影响作为信息时代的教学媒体，多媒体网络技术所具有的集成性、交互性、可控性、信息空间主体化和非线性等特点使其与黑板、粉笔、挂图等传统媒体有本质的区别。目前这一技术正向着交互性、非线性化、智能化和全球化的方向推进。1多媒体信息传输对网络技术的要求1．1要有足够的带宽多媒体信息的数据量大，尤其是视频文件，即便是压缩过的数据，如果要达到实时的效果，其数据量是文本数据等无法比拟的。而实现实时的视频传输是多媒体技术必须实现的一个功能，所以要求通信网络具有足够带宽。1．2要有足够小的延时多媒体数据具有实时特性，尤其是语音和视频媒体。每一媒体流为一个有限幅度样本的序列，只有保持媒体流的

4、连续性，才能传递媒体流蕴含的意义。连续媒体的每两帧数据之间都有一个延迟极限，超出这个极限会导致图像的抖动或语音的断续，因而要求网络延时必须足够小。1．3要有同步的控制机制在多媒体应用中往往要对某种媒体执行加速、放慢、重复等交互处理，如音频、视频等与时间和类型有关的媒体，在不同通信路径传输会产生不同时延和损伤而造成媒体间歇通行的破坏。所以要求网络提供同步业务服务，同时要求网络提供保证媒体本身及媒体同时空同步的控制机制。1．4要有较高的可靠性网络中数据的传输有一项重要的性能指标，即差错率，它反映了网络传输的可靠性。要精确表示多媒体网络的可靠性需求是很困难的。由于人类的听觉比

5、视觉更敏感一些，容忍错误的程度要相对低一些，因此，音频传输比视频传输对网络的可靠性要求更高一些。2多媒体数据压缩技术由于多媒体数据量非常大，造成计算机的存储和网络传输负担。若帧速率为25帧，秒，则1s的数据量大约为25MB，一个640MB的光盘只能存放大约25s的动态图像。一幅640×480分辨率的24位真彩色图像的数据量约为900KB，一个IOOMB的硬盘只能存储约100幅静止图像画面。解决办法之一就是进行数据压缩，压缩后再进行存储和传输，到需要时再解压，还原。2．1数据压缩方法数据压缩：通过数学运算将原来较大的文件变为较小文件的数字处理技术，数据解压缩是把压缩数据还

6、原成原始数据或与原始数据相近的数据的技术。数据压缩通常可分为无损压缩和有损压缩两类。无损压缩：利用数据的统计冗余进行压缩，可完全恢复原始数据而不引人任何失真，但压缩率受到数据统计冗余度的理论限制，一般为2：1到5：l。这类方法广泛用于文本数据、程序和特殊应用场合的图像数据(如指纹图像、医学图像等)的压缩。由于压缩比的限制，仅使用无损压缩方法不可能解决图像和数字视频的存储和传输问题。有损压缩：利用人类视觉对图像中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息；虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响较小，却换来了更大的压缩比。有损压缩又称为

7、不可逆编码方法。它利用了人类视觉对图像中的某些成分不敏感的特性，允许压缩过程中损失一定的信息。虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响较小，却换来了大得多的压缩比。有损压缩广泛应用于图像、音频和视频数据的压缩，如预测编码、变换编码和子带编码等。（1）预测编码是一种专门用于压缩统计冗余数据的技术，主要是减少数据在空间和时间上的相关性。它根据某一模型利用以往的样本值对新样本值进行预测，再将新样本的实际值与预测值之差即误差值，进行量化编码。如果模型足够好，且样本序列的相关性较强，则误差值远远小于实际值，从而实现了数据的压缩