2. 计算机
  3. 信息压缩是多媒体信息技术的一个重要方面，它可以(11)。哈夫曼(Huffman)编码是一种频度相关压缩编码方法，属于(12)数据压缩，而对于声音和图像的压缩则通常采用(13)数据压缩方法，以达到更高的数据压缩比。常用的静止图像压缩标准是(14)，而活动图像

信息压缩是多媒体信息技术的一个重要方面，它可以(11)。哈夫曼(Huffman)编码是一种频度相关压缩编码方法，属于(12)数据压缩，而对于声音和图像的压缩则通常采用(13)数据压缩方法，以达到更高的数据压缩比。常用的静止图像压缩标准是(14)，而活动图像

admin2019-04-08  39
问题 信息压缩是多媒体信息技术的一个重要方面，它可以(11)。哈夫曼(Huffman)编码是一种频度相关压缩编码方法，属于(12)数据压缩，而对于声音和图像的压缩则通常采用(13)数据压缩方法，以达到更高的数据压缩比。常用的静止图像压缩标准是(14)，而活动图像压缩标准则为(15)。
选项 A、同构
B、JPEG
C、可逆
D、MPEG
答案D
解析 信息理论认为，若信源编码的熵大于信源的实际熵，该信源中一定存在冗余度。去掉冗余不会减少信息量，仍可原样恢复数据；但若减少了熵，数据则不能完全恢复。不过在允许的范围内损失一定的熵，数据可以近似地恢复。根据压缩过程中是否减少了熵，目前常用的压缩编码方法可以分为两大类：一类是无损压缩编码法(Lossless　compression　coding)，也称冗余压缩法或熵编码法；另一类是有损压缩编码法(Loss　compression　coding)，也称为熵压缩法，参见图3-1。

无损压缩法去掉或减少了数据中的冗余，但这些冗余值是可以重新插入到数据中的，因此，这种压缩是可逆的，也称为无失真压缩。为了去除数据中的冗余度，常常要考虑信源的统计特性，或建立信源的统计模型，因此许多适用的冗余度压缩技术均可归结于统计编码方法。此外，统计编码技术在各种熵压缩方法中也经常会用到。统计编码方法有霍夫曼编码、算术编码、游程编码等。冗余压缩法由于不会产生失真，因此在多媒体技术中一般用于文本、数据以及应用软件的压缩，它能保证完全地恢复原始数据。但这种方法压缩比较低，如　Lz编码、游程编码、霍夫曼编码的压缩比一般在2:1～5:1之间。无损压缩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。有损压缩法压缩了熵，会减少信息量。因为熵定义为平均信息量，而损失的信息是不能再恢复的，因此这种压缩法是不可逆的。熵压缩主要有两大类：特征抽取和量化。特征抽取的编码方法如基于模型编码、分形编码等。对于实际应用而言，量化是更为通用的熵压缩技术，包括特征提取、零记忆量化、预测编码、直接映射、变换编码等，其中预测编码和变换编码是最常见的实用压缩编码方法。熵压缩法由于允许一定程度的失真，可用于对图像、声音、动态视频等数据的压缩。如采用混合编码的JPEG、MPEG等标准，它对自然景物的灰度图像，一般可压缩几倍到几十倍，而对于自然景物的彩色图像，压缩比将达到几十倍甚至上百倍；采用自适应差分脉冲编码调制的声音数据，压缩比通常能做到4:1～8:1；动态视频数据的压缩比最为可观，采用混合编码的多媒体系统，压缩比通常可达100:1～400:1。有损压缩广泛应用于语音、图像和视频数据的压缩。1948年，Oliver提出了第一个编码理论——脉冲编码调制(Pulse　Coding　Modulation，简称PCM)；1948年，Shannon的经典论文——“通信的数学原理”首次提出并建立了信息率失真函数概念；1959年，Shannon进一步确立了码率失真理论，以上工作奠定了信息编码的理论基础。同时在数据编码上，又有第一代编码和第二代编码之称。第一代编码方法主要有预测编码、变换编码和统计编码，也称为三大经典编码方法。(1)预测编码的基本思想是根据数据的统计特性得到预测值，然后传输图像像素与其预测值的差值信号，使传输的码率降低，达到压缩的目的。预测编码方法简单经济，编码效率较高。(2)变换编码的基本思想是由于数字图像像素间存在高度相关性，因此可以进行某种变换来消除这种相关性。目前，国际上已经制定了基于离散余弦变换的静止图像压缩标准JPEG和运动图像压缩标准MPEG等一系列标准。(3)统计编码的基本思想主要针对无记忆信源，根据信息码字出现概率的分布特征而进行压缩编码，寻找概率与码字长度间的最优匹配。常用的统计编码有游程编码、Huffman编码和算术编码三种。这些编码技术都是非常优秀的纹理编码方案，它们能够在中等压缩率的情况下，提供非常好的图像质量，但在非常低的位率情况下，无法为一般的序列提供令人满意的质量。20世纪80年代初期，第一代编码技术已经达到了顶峰，这类技术去除客观和视觉冗余信息的能力已接近极限。究其原因是由于这些技术都没有利用图像的结构特点，因此它们也只能以像素或块作为编码的对象，另外，这些技术在设计编码器时也没有考虑人类视觉系统的特性。为了克服第一代编码技术的局限性，Kunt等人于1985年提出了第二代编码技术。他们认为，第一代编码技术只是以信息论和数字信号处理技术为理论基础，旨在去除图像数据中的线性相关性的一类编码技术，其压缩比不高。而第二代编码技术不局限于信息论的框架，充分利用人的视觉、心理和图像信源的各种特征，实现从波形编码到模型编码的转变，以便获得更高压缩比。第二代编码方法主要有基于分形的编码、基于模型的编码、基于区域分割的编码和基于神经网络的编码等。(1)基于分形的编码是一种不对称的编码技术，适于自相似性较强的自然景物图像。(2)基于模型或知识的编码是在编码端通过各种分析手段，提取所建模型的特征与状态参数。在解码端依据这些参数，通过模型及相关知识生成所建模的信源。这类方法是把计算机视觉和计算机图形学中的方法应用到视频(图像)编码。(3)基于区域分割与合并的编码是根据图像的空域特征将图像分成纹理和轮廓两部分，然后分别对它们进行编码。该方法一般可分为三步来完成，即预处理、编码和滤波。预处理将图像分割成纹理和轮廓两部分。选取分割方法是关键，它直接影响图像编码的效果。分割之后图像成为一系列相连的小区域。对纹理可采用预测编码和变换编码，对轮廓则采用链码方法进行编码。这种方法较好地保存了对人眼十分重要的边缘轮廓信息，因此在压缩比很高时解码图像质量仍然很好。(4)基于神经网络的编码是模仿人脑处理问题的方法，通过各种人工神经元网络模型对数据进行非线性压缩。人工神经网络是一个非线性动态网络，工作过程一般分训练和工作两个阶段。训练阶段就是使用一些训练图像和训练算法，调整网络的权重，使重建图像的误差最小。目前直接用于图像压缩编码的神经网络主要有反向误差传播(BP)型和自组织映射型。第二代编码方法充分利用了计算机图形学、计算机视觉、人工智能与模式识别等相关学科的研究成果，为视频(图像)压缩编码开拓出了广阔的前景。但是由于第二代编码方法增加了分析的难度，所以大大增加了实现的复杂性。从当前发展情况来看，第二代编码方法仍处于深入研究的阶段。例如，分形法由于图像分割、迭代函数系统代码的获得是非常困难的，因而实现起来时间长，算法非常复杂。模型法则仅限于人头肩像等基本的视频(图像)上，进一步的发展有赖于新的数学方法和其他相关学科的发展。神经网络的工作机理至今仍不清楚，硬件研制不成功，所以在视频(图像)编码中的应用研究进展缓慢，目前多与其他方法结合使用。但由于巨大压缩性能的潜力，人们都在致力于这些新方法的研究之中。(1)过渡编码技术　　近年来，出现了一类充分利用人类视觉特性的多分辨率编码方法，如子带编码、塔形编码和基于小波变换的编码。这类方法使用不同类型的一维或二维线性数字滤波器，对视频(图像)进行整体的分解，然后根据人类视觉特性对不同频段的数据进行粗细不同的量化处理，以达到更好的压缩效果。这类方法原理上仍属于线性处理，属于波形编码，可归入经典编码方法，但它们又充分利用了人类视觉系统的特性，因此可以被看作是第一代编码技术向第二代编码技术过渡的桥梁。(2)子带编码技术，子带编码是一种高质量、高压缩比的图像编码方法，它早已在语音信号压缩编码中获得了广泛的应用。其基本依据是语音和图像信号可以划分为不同的频域段，人眼对不同频域段的敏感程度不同。例如图像信号的主要能量集中在低频区域，它反映图像的平均亮度，而细节、边缘信息则集中在高频区域。子带编码的基本思想是利用滤波器组，通过重复卷积的方法，经取样将输入信号分解为高频分量和低频分量，然后分别对高频和低频分量进行量化和编码。解码时，高频分量和低频分量经过插值和共轭滤波器而合成原信号。进行子带编码的一个关键问题，是如何设计共轭滤波器组，除去混叠频谱分量。(3)基于小波变换的编码技术　　基于小波变换的编码技术具有特别重要的意义。它不仅为多分辨分析、时一频分析和子带编码建立了统一的分析方法，提供了更合理的表示框架，而且它体现着小波分析这一新型分析方法的优越性。目前小波变换在多媒体编码中的应用研究主要有正交小波基的选择(小波包法)、小波变换与各种量化方式的结合、小波变换在分形法中实现初级分形、小波变换用于运动估值等。可以说，小波变换法处于多媒体编码当前首选方法的位置，一方面，它有快速算法，实现起来简单方便、速度快，可暂时弥补第二代编码技术的不足；另一方面，它有着先进的分析方法，可有效提高现有标准的水平，实现突破性进展。因此人们对它的热衷也就不足为奇了。根据上面的介绍，显然，信息压缩可以节省存储空间和缩短传输时间。　Huffman编码就是一种基于统计的无损压缩方案，是一种与频度有关的压缩编码方法。
转载请注明原文地址:https://jikaoti.com/ti/6cJ7FFFM
本试题收录于： 系统分析师上午综合知识考试题库软考高级分类
0

系统分析师上午综合知识考试

软考高级

相关试题推荐
随机试题
最新回复(0)