多媒体数据压缩算法研究与实现

《多媒体数据压缩算法研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、多媒体数据压缩算法研究与实现摘要：多媒体数据压缩技术是实现实时有效地处理、传输和存储庞大的多媒体数据的关键技术。许多应用领域对多媒体信息的实时压缩提出了更高的要求，快速、高效的压缩算法是解决这一问题的关键。针对多媒体数据在空间、时间、结构、视觉、知识等方面所产生的冗余,利用有损压缩和无损压缩等方法,对图像、音频、视频等多媒体数据进行压缩,以保留尽可能少的有用信息。本文主要是把所学的数据结构和算法设计的知识应用于实践，对目前普遍采用的多媒体数据及其压缩算法加以研究，同时介绍了数据压缩所采用的分类、方法及其标准，并分析每种算法的

2、优缺点，并据此选择设计一种多媒体数据的无损压缩算法。并以实例加以说明。关键词：多媒体;压缩;哈夫曼编码.1.多媒体数据类型1.1文字在现实世界中，文字是人与计算机之间进行信息交换的主要媒体。文字主要包括西文与中文。在计算机中，文字用二进制编码表示，即使用不同的二进制编码来代表不同的文字。1.2音频音频（Audio）指的是20HZ～20kHz的频率范围，但实际上“音频”常常被作为“音频信号”或“声音”的同义语，是属于听觉类媒体，主要分为波形声音、语音和音乐。1.3视频媒体能够利用视觉传递信息的媒体都是视频媒体。位图图像、矢量图

3、像等都是视频媒体。1.4动画动画是指运动的画面，动画在多媒体中是一种非常有用的信息交换工具。动画之所以成为可能，是因为人类的“视觉暂留”的生理现象。用计算机实现的动画有两种，一种是帧动画，另一种是造型动画。2.数据压缩基本原理2.1信息、数据和编码数据是用来记录和传送信息，或者说数据是信息的载体。真正有用的不是数据本身，而是数据所携带的信息。数据压缩的理论基础是信息论。数据压缩技术是建立在信息论的基础之上的。数据压缩的理论极限是信息熵。而信息熵有两个基本概念作铺垫，这两个基本概念就是信息、信息量。首先第一个概念“信息”。1．

4、信息信息是用不确定的量度定义的，也就是说信息被假设为由一系列的随机变量所代表，它们往往用随机出现的符号来表示。我们称输出这些符号的源为“信源”。也就是要进行研究与压缩的对象。应该理解这个概念中的“不确定性”、“随机”性、“度量”性，也就是说当你收到一条消息之前，某一事件处于不确定的状态中，当你收到消息后，去除不确定性，从而获得信息，因此去除不确定性的多少就成为信息的度量。比如：你在考试过后，没收到考试成绩（考试成绩通知为消息）之前，你不知道你的考试成绩是否及格，那么你就处于一个不确定的状态；当你收到成绩通知（消息）是“及格”

5、，此时，你就去除了“不及格”（不确定状态，占50%），你得到了消息——“及格”。一个消息的可能性愈小，其信息含量愈大；反之，消息的可能性愈大，其信息含量愈小。2．信息量指从N个相等的可能事件中选出一个事件所需要的信息度量和含量。也可以说是辨别N个事件中特定事件所需提问“是”或“否”的最小次数。例如：从64个数（1~64的整数）中选定某一个数（采用折半查找算法），提问：“是否大于32？”，则不论回答是与否，都消去半数的可能事件，如此下去，只要问6次这类问题，就可以从64个数中选定一个数，则所需的信息量是6（bit）我们现在可以

6、换一种方式定义信息量，也就是信息论中信息量的定义。设从N中选定任一个数X的概率为P(x)，假定任选一个数的概率都相等，即P(x)=1/N，则信息量I(x)可定义为：上式可随对数所用“底”的不同而取不同的值，因而其单位也就不同。设底取大于1的整数α，考虑一般物理器件的二态性，通常α取2，相应的信息量单位为比特（bit）；当α=e，相应的信息量单位为奈特（Nat）；当α=10，相应的信息量单位为哈特（Hart）；显然，当随机事件x发生的先验概率P(x)大时，算出的I(x)小，那么这个事件发生的可能性大，不确定性小，事件一旦发生后

7、提供的信息量也少。必然事件的P(x)等于1，I(x)等于0，所以必然事件的消息报导，不含任何信息量；但是一件人们都没有估计到的事件（P(x)极小），一旦发生后，I(x)大，包含的信息量很大。所以随机事件的先验概率，与事件发生后所产生的信息量，有密切关系。I(x)称x发生后的自信息量，它也是一个随机变量。现在可以给“熵”下个定义了。信息量计算的是一个信源的某一个事件（X）的自信息量，而一个信源若由n个随机事件组成，n个随机事件的平均信息量就定义为熵(Entropy)。3．信息熵信源X发出的xj(j=1,2,……n),共n个随机

8、事件的自信息统计平均，即求数学期望H(X)在信息论中称为信源X的“熵”(Entropy)，它的含义是信源X发出任意一个随机变量的平均信息量。更详细的说，一般在解释和理解信息熵时，有4种样式：（1）当处于事件发生之前，H(X)是不确定性的度量；（2）当处于事件发生之时，是一种惊奇性的度量；（