【摘要】：Context建模熵編碼技術(shù)被廣泛應(yīng)用于數(shù)據(jù)壓縮中。提高Context建模熵編碼效率的途徑是獲取編碼性能較好的Context模型。借助統(tǒng)計計數(shù)的方法來估計Context模型中各個條件概率分布時,會面臨由于模型階數(shù)高以及統(tǒng)計計數(shù)值不充足而帶來的“模型稀釋”問題。Context量化通過合并條件概率分布來降低模型規(guī)模,從而緩解“模型稀釋”帶來的編碼性能下降問題。然而目前根據(jù)Context樹建模的Context量化實際上只適用于符號數(shù)較少的信源,而以最小化自適應(yīng)碼長為目標的Context量化器又只能應(yīng)用于二進制信源。因此,有必要針對多進制信源,設(shè)計優(yōu)化Context量化器以保證量化劃分和量化級數(shù)被同時優(yōu)化。另一方面,Context加權(quán)可在不增加模型規(guī)模的前提下盡可能利用信源相關(guān)性。然而現(xiàn)有Context加權(quán)沒有對其加權(quán)性能的評價方法,使得在編碼過程中,加權(quán)操作需要一直進行。同時,權(quán)值的設(shè)定大多來源于經(jīng)驗或者根據(jù)模型編碼性能進行相應(yīng)計算,沒有對權(quán)值進行優(yōu)化,這導(dǎo)致未能將Context加權(quán)的性能充分發(fā)揮。鑒于此,本文針對Context量化、Context加權(quán)方法存在的問題進行研究,提出描述長度增量、加權(quán)代價的概念和性質(zhì),并提出可選擇Context加權(quán)、權(quán)值優(yōu)化等算法改進。隨后,將改進的算法應(yīng)用于微生物基因組序列和圖像的壓縮應(yīng)用中,以改進其壓縮效率。具體來說包括:將最小化描述長度作為Context量化器的優(yōu)化目標;提出了描述長度增量的概念,通過分析描述長度增量的性質(zhì),確定其作為多個計數(shù)向量的相似測度,并將其應(yīng)用于智能聚類算法中來實現(xiàn)優(yōu)化Context量化器。此外,針對1階Context模型探索了信源取值相關(guān)的量化方法,借助動態(tài)規(guī)劃來實現(xiàn)多進制信源情況下,1階Context模型的全局最優(yōu)模量化。通過分析Context加權(quán)過程中描述長度的變化情況,提出了加權(quán)代價的概念,分析了加權(quán)代價的各項性質(zhì),并證明Context加權(quán)近似等價于各個參與加權(quán)的計數(shù)向量的描述長度加權(quán),同時證明在Context加權(quán)過程中,最小化加權(quán)后模型的描述長度等價于最小化加權(quán)代價,從而提出一種在加權(quán)前對Context加權(quán)進行評價的方法,以實現(xiàn)可選擇Context加權(quán),以便在編碼前排除那些有可能引入過高加權(quán)代價的加權(quán)操作。同時,以最小化加權(quán)代價為目標,給出了基于多模優(yōu)化算法(MOA)的權(quán)值優(yōu)化算法,并討論針對統(tǒng)計平穩(wěn)信源的最小二乘權(quán)值優(yōu)化方法,從而給出優(yōu)化的編碼結(jié)果。在微生物基因組序列壓縮應(yīng)用中,通過使用兩種映射方法將微生物基因組序列映射到數(shù)值信源,并使用可選擇Context加權(quán)和權(quán)值優(yōu)化方法對其進行編碼;對圖像信源,則將最小描述長度Context量化器用于替代經(jīng)驗量化器,從而提高模型的編碼性能;對于警用指紋圖像壓縮,采用可選擇Context加權(quán)和權(quán)值優(yōu)化協(xié)同的方法對其進行編碼,以提高存儲效率。實驗結(jié)果表明,最小描述長度Context量化器能夠獲得略好于其他量化器的圖像編碼結(jié)果。而可選擇Context加權(quán)和權(quán)值優(yōu)化方法不論對微生物基因組序列還是對警用指紋圖像,均能夠獲得更好的編碼結(jié)果。
【圖文】：

Context建模示意圖（二進制信源）

例如，圖 2-2 上圖中的父節(jié)點(2,5,4,1)，，其有兩個0)，但并不意味著另外兩個子節(jié)點(1,3,2,1)和(1,2,2,0)就具因此，簡單對葉子節(jié)點進行修剪，建模效果并不明顯。事實，考慮葉子結(jié)點融合要比葉子結(jié)點修剪更為有效，假使兩個性相似，且其在 Context 樹中所處的葉子結(jié)點又相鄰，則可考降低模型規(guī)模。
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：Q933;O157.4

【參考文獻】

相關(guān)期刊論文 前7條

1 紀震;周家銳;朱澤軒;Q H Wu;;基于生物信息學(xué)特征的DNA序列數(shù)據(jù)壓縮算法[J];電子學(xué)報;2011年05期

2 紀震;周家銳;姜來;Q.H.Wu;;DNA序列數(shù)據(jù)壓縮技術(shù)綜述[J];電子學(xué)報;2010年05期

3 周映虹;馬爭鳴;;JPEG2000中重要性編碼及上下文建模的改進[J];中國圖象圖形學(xué)報;2008年08期

4 潘泓 ;W C Siu;夏良正;;一種基于二進制小波變換的無損圖像編碼算法[J];電子與信息學(xué)報;2008年07期

5 李吉星,王文俊;一種新穎的小波系數(shù)分類算法在圖像無損編碼中的應(yīng)用[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2004年09期

6 盧欣,陳惠民,李衍達;細菌 DNA 序列中的長程相關(guān)性[J];清華大學(xué)學(xué)報(自然科學(xué)版);1999年07期

7 覃筱婷,周俊初,李阜棣;原核生物的基因組短重復(fù)序列[J];微生物學(xué)通報;1997年02期

本文編號：2667394