[发明专利]用于处理数字数据的方法

说明书

技术领域

本发明涉及数字数据处理领域，着眼于诸如数字数据压缩、数字数据搜索、数字数据比较或数字数据解压缩之类的应用。本发明涉及视听数据、更具体为各种类型数字数据的处理。本发明的目的是减少处理时间和与计算能力和内存需求两者相关的计算资源需求。

这些应用特别但不排它地涉及需要超大量数据来对其进行描述的图像的处理。为了减少传输时间和存储所需的大小，通过提取将被单独编码的可视信息来压缩信息。该被编码的信息必须在频率和空间方面处于最优形式，以允许最优再现、同时避免任何不利于编码性能的冗余。为此目的，已知使用小波变换技术，其坐标构成随后经受矢量量化(vector quantisation)步骤的矢量格(vector lattice)。

矢量量化(VQ)的原理是对形成矢量的样本序列进行编码，而不是对每个样本单独编码。编码是通过用属于通常称为“码本”(codebook)的目录形式的矢量对要被编码的序列进行近似来完成的。目录形式的每个矢量都被编以索引。编码期间，将使用最接近要被编码的样本序列的矢量的索引来表示该被编码的样本序列。

已知解决方案需要确定每个矢量、将其记录在内存中，然后关于对所有矢量进行处理，以对矢量进行计数。矢量基(vector base)可能需要数千兆(gigabyte)字节，并且这样大的基所需的计算时间超长。本发明的目的是提出一种避免这些缺陷的计数和索引方法。

背景技术

从文章[1]已知一种量化方法。

从术语的数学意义上看，格是形成加法群的n维空间中的矢量集合。书籍[2]详细描述了这样的格。

现有技术中已知国际专利申请W09933185，其涉及一种编码方法，该方法包括：确定被称为首领(leader)的矢量，该矢量包括与量化矢量相同、但按预定次序排列的分量；然后确定在所述形成的具有与首领相同、并按预定方式排列在所述集合中的分量的集合中，所述量化矢量的等级或级别。该方法因而包括根据首先是表示因此确定的所述首领的索引、其次是所述级别来形成编码。

设计用于压缩的代数矢量量化器遇到的主要困难与对规则点格(其构成量化字典)中的矢量进行计数和编索引的问题相关。我们在此呈现在广义高斯分布源的情况下(例如小波系数)我们为解决这些问题而提出的解决方案。

代数矢量量化

迄今为止，对量化的研究已有几十年，完成的工作已经形成了关于率/失真理论的如今已成为常规的许多成果。特别地，已经证明当需要固定长度编码时，与标量量化(SQ)相比，矢量量化(VQ)具有许多优点。此外，香农(Shannon)的工作已经证明，如果量化矢量的维数n足够大，则VQ的性能接近最优理论性能。

然而，重要的是，要注意到，VQ可达到这些最优性能，需要以高的计算复杂度为代价；复杂度随矢量维数呈指数增加。通常，使用根据表示源的统计数据(学习序列)构造的非结构式字典来执行VQ。在这种情况下，由于字典大小导致的复杂度和存储需求对于压缩应用可能是无法承受的。此外，存在这样的字典稳健性(robustness)问题：针对给定学习序列优化的字典对于学习序列之外的图像给出了很差性能。克服这些问题的一种解决方案是使用n-维结构式VQ，例如代数矢量量化(AVQ)或有关于规则点格的矢量量化。

当字典的矢量被强迫属于结构式规则格时，AVQ的性能一般比非结构式VQ的性能差。

然而，在大多数应用中，该轻微缺点被以下事实抵消：对于AVQ，不需要生成或存储字典，并且降低了编码复杂度。

可将规则点格的量化看作是均匀标量量化的扩展。如在非结构式VQ的情况中那样，在文档的其余部分，术语AVQ将用于或者表示矢量量化，或者表示矢量量化器。AVQ考虑矢量系数以及分割排列的增益之间的空间依赖性。无论源分布为何，AVQ总是比SQ更有效。