数据压缩或熵编码中的alphabet size以及order-N adaptive context

最新推荐文章于 2021-12-13 10:26:21 发布
VIP文章 最新推荐文章于 2021-12-13 10:26:21 发布
阅读量473 收藏
点赞数
分类专栏： HEVC-HM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/king52113141314/article/details/108773770
版权

An order-N adaptive context-based modeler reads the next symbol S from the input stream and considers the N symbols preceding S the current order-N context C of S.The model then estimates the probability P that S appears in the input data following the particular context C. Theoretically, the larger N, the better the probability estimate(the prediction).

基于N阶自适应上下文的建模器从输入流中读取下一个符号S，并将S之前的N个符号视为S的当前N阶上下文C。

If our symbols are the 7-bit ASCII codes, the alphabet size is 2^7= 128 symbols. There are therefore128^2=16,384 order-2 contexts, 128^3=2,097,152 order-3 contexts, and so on. Number of contexts grows exponentially ,A^N,where A is the alphabet size.

Alphabet:The set of all possible symbols in the input stream. In text compression, thealphabet is normally the set of 128 ASCII codes. In image compression it is the set ofvalues a pixel can take (2, 16, 256, or anything else). (See also Symbol.)

Context: 

最低0.47元/天 解锁文章
king52113141314
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
meiyen_v31.zip_D-S证据_数据融合_最小熵_能量熵
07-15
能量熵的计算，D-S证据理论数据融合，利用最小二乘算法实现对三维平面的拟合。
JPEG压缩.rar_JPEG压缩 DCT_JPEG熵编码_jpeg 压缩_jpeg压缩_jpeg压缩编码
07-13
对图像进行JPEG压缩，通过DCT变化，量化，zigzag扫描，熵编码
matlab-基于huffman编解码的图像压缩算法matlab仿真,输出平均码长,信息熵,编码效率以及压缩比-源码
09-15
matlab_基于huffman编解码的图像压缩算法matlab仿真,输出平均码长,信息熵,编码效率以及压缩比_源码
算术编码：算术编码是一种用于无损数据压缩的熵编码形式-matlab开发
06-01
通常，像“hello there”这样的字符串使用每个字符的固定位数表示，就像在 ASCII 代码中一样。 当一个字符串被转换为算术编码时，频繁使用的字符将用较少的位存储，而不那么频繁出现的字符将用更多的位存储，从而导致总共使用较少的位。 算术编码与其他形式的熵编码（例如霍夫曼编码）的不同之处在于，算术编码不是将输入分离为分量符号并用代码替换每个符号，而是将整个消息编码为单个数字，即分数 n，其中 (0.0 ≤ n < 1.0).发射机只发送概率表和标签。 接收器对其进行解码。 如果您对此编码有任何疑问，请随时提出。
指数哥伦布熵编码-可用于手动生成sps的基础.rar
01-28
这个资源是有符号和无符号指数哥伦布熵编码代码实现工程，里面没有自动填充sps和pps的代码，仅仅是增加了如何进行哥伦布指数编码的代码，可以在此基础上自行根据sps和pps的规则来填充数据。
图像语义分割论文解读（二）：Adaptive Pyramid Context Network for Semantic Segmentation
Superstar02的博客
10-11 1308
Adaptive Pyramid Context Network for Semantic Segmentation 简述： 当前基于上下文的分割方法在构造上下文特征和实际应用中各不相同。本文首先介绍了上下文特征在分割任务中的三个理想性质。作者发现全局导向的局部亲和力(GLA)在构建有效的语境特征中起着至关重要的作用，并在此基础上提出了自适应金字塔上下文网络(APCNet)的语义分割方法。 ACP...
【Codecs系列】视频编码中常用熵编码介绍
CSDN明星博主，认证博客专家，视频、Matlab领域优质创作者。
10-21 4767
Date: 2017/10/21【Tag: 方法介绍】 Content：视频编码中常用熵编码方法介绍 1、熵编码 编码过程中按照熵原理不丢失任何信息的编码，即编码过程中不丢失信息量，保存信息熵。 熵编码是无损压缩的编码方法。 常见的熵编码方法：香农编码（shannon）、哈夫曼编码（huffman）、算术编码（arithmetic coding）、哥伦布编码（GolombCodes）、游程编码等。
熵编码概述
wangbuji的博客
12-13 6502
一、熵编码基本原理 熵编码即编码过程中按熵原理不丢失任何信息的无损编码方式，也是有损编码中的一个关键模块，处于编码器的末端。信息熵为信源的平均信息量（不确定性的度量）。常见的熵编码有：香农(Shannon)编码、哈夫曼(Huffman)编码，指数哥伦布编码(Exp-Golomb)和算术编码(arithmetic coding)。由于熵编码的是编码器通过量化、变换、运动、预测等一系列操作之后得到的需要编码的符号，根据编码符号的分布情况选择适合的熵编码模型，因此熵编码是一个相对独立的单...
深度学习图像压缩_1-概述：自编码器、量化、熵编码、率失真
heweiqiran的博客
10-15 8052
1、自编码器结构 目前端到端的图片编码大多使用了自编码器结构。这里的自编码器可以理解为是一种神经网络，label与输入相同，目的是让输出接近于输入，可以用于提取特征。例如图1-1，Hidden2只有150个节点，可以起到压缩的作用。 ...
论文研究-熵编码局部坐标分级跳跃渐进式3D网格压缩.pdf
07-22
为进一步提高三维网格压缩算法性能，在高斯混合概率模型（GHPM）基础上，提出基于贝叶斯熵编码的局部坐标分级跳跃渐进式3D网格压缩算法。采用GHPM模型实现3D网格压缩过程的顶点创建、边沿触发器设计、面方向预测以及分级跳跃分割，实现对给定顶点的后验概率几何拓扑符号估计。基于后验概率的算术编码器进行拓扑符号编码，采用不同情景进行设计，提出渐进式的标签预测过程，实现已编码组信息的充分利用，并采用局部坐标系有效压缩几何残差。通过与对比编码器的实验验证，所提算法相对于AD、wavemesh、AAD以及RDO编码器具有更高的压缩比和压缩精度，计算性能更好。
entropy-coding.rar_colomb编码_entropy coding_熵编码_熵编码原理
09-20
介绍了熵编码的基本原理和一些具体方法，如huffman编码、colomb编码，详细介绍了算术编码的过程。
H264.rar_h264帧间_matlabh264_matlab视频压缩_帧内帧间压缩_熵编码
07-14
H264视频压缩matlab帧内预测帧间预测熵编码
双光子Jaynes-Cummings模型中光场的熵压缩
02-26
研究传统的光场压缩效应一般从海森伯(Heisenberg)测不准关系出发,应用均方根(RMS)偏差量度光场的量子涨落。由于均方根偏差只涉及光场密度矩阵的二阶统计矩,在许多情况下,这种物理量不能精确量度光场的量子涨落。海森伯测不准关系是熵测不准关系的一个特例,可用熵量度光场正交分量的量子涨落。依据熵测不准关系,建立了光场熵压缩的概念。研究了双光子杰内斯-卡明(Jaynes-Cummings(J-C))模型中光场的熵压缩规律。对比发现,熵指数δxf(t)比均方根偏差Δxf(t)更敏感于光场的压缩效应,是量度光场的压缩效应的高灵敏度物理量。
原子-腔光力学系统中原子熵压缩的研究
02-04
运用信息熵压缩理论研究了原子-腔光力学系统中两能级原子的信息熵压缩，讨论了原子相干角、腔场与机械模之间的耦合系数和原子两能级相对位相对原子熵压缩的影响。结果表明通过选择适当的原子相干角、腔场与机械模之间的耦合系数以及原子两能级间的相对位相，可以分别控制原子信息熵压缩的压缩幅度、压缩频率和压缩方向；并且通过调节原子相干角可以制备原子最佳熵压缩态，理论上提供了一种调控原子-腔光力学系统中原子熵压缩的方式。
论文研究 - 文本文件中不同数据压缩算法的复杂度分析和熵
05-30
在本文中，我们分析了使用固定长度代码（HFLC）后，数据压缩算法LZW，Huffman，固定长度代码（FLC）和Huffman的不同方法的复杂性和熵。 我们在不同大小的不同文件上测试了这些算法，然后得出以下结论：LZW是所有压缩...
VS2015无法使用编辑并继续 及 警告LNK4075的解决方法
king52113141314的博客
08-08 5887
调试项目时一直都可以使用编辑并继续(Edit and continue)，这个功能为我节省了大量的调试时间，故耐心地查找了一下原因，花了1个多小时后终于解决了。同时也回过头去解决了当时VS2015法使用的问题。解决方法如下： 强调，请在非调试下更改： 1、检查是否打开了编辑并继续功能：工具-选项-调试-编辑并继续-启用“编辑并继续”，这里要注意，VS2012和VS2013是默认关闭的，需要我们
视频编码器性能评价标准BDPSNR和BDBR的原理与代码
king52113141314的博客
03-17 1785
1,bitrate 码流比特率的计算较为简单，直接将码流的总比特数除以帧数得到平均值，然后再乘以fps，就是bitrate，单位为kbit/s(kbps) 2,BDPSNR和BDBR的原理 1,多项式插值之Lagrange、PCHIP与Spline以及BD-Rate和BD-PSNR的计算https://blog.csdn.net/qq_33552519/article/details/102742715 2,视频编码器效率评价标准：BDPSNR和BDBRhttps://blog.csdn.net/X
DCT和量化
king52113141314的博客
08-28 1725
Discrete cosine transform Note the top-left corner entry with the rather large magnitude. This is the DC coefficient (also called the constant component), which defines the basic hue for the entire block. The remaining 63 coefficients are the AC coeffic
香农熵编码压缩图像c语言
最新发布
05-31
以下是一个简单的使用香农熵编码对图像进行压缩的C语言示例： ```c #include <stdio.h> #include <stdlib.h> #include <string.h> #define MAX_SYMBOLS 256 typedef struct { unsigned char symbol; int frequency; } Symbol; typedef struct { long long low; long long high; } Range; typedef struct { Symbol symbol_list[MAX_SYMBOLS]; int symbol_count; } FrequencyTable; void init_frequency_table(FrequencyTable* table) { memset(table, 0, sizeof(FrequencyTable)); } void update_frequency_table(FrequencyTable* table, unsigned char* data, int size) { for (int i = 0; i < size; i++) { int found = 0; for (int j = 0; j < table->symbol_count; j++) { if (table->symbol_list[j].symbol == data[i]) { table->symbol_list[j].frequency++; found = 1; break; } } if (!found) { Symbol symbol = { data[i], 1 }; table->symbol_list[table->symbol_count++] = symbol; } } } void sort_frequency_table(FrequencyTable* table) { for (int i = 0; i < table->symbol_count - 1; i++) { for (int j = i + 1; j < table->symbol_count; j++) { if (table->symbol_list[i].frequency < table->symbol_list[j].frequency) { Symbol temp = table->symbol_list[i]; table->symbol_list[i] = table->symbol_list[j]; table->symbol_list[j] = temp; } } } } void build_range_table(FrequencyTable* table, Range* range_list) { long long total_frequency = 0; for (int i = 0; i < table->symbol_count; i++) { total_frequency += table->symbol_list[i].frequency; } long long low = 0; for (int i = 0; i < table->symbol_count; i++) { long long high = low + table->symbol_list[i].frequency * (1LL << 32) / total_frequency; range_list[i].low = low; range_list[i].high = high; low = high; } } void encode_data(unsigned char* data, int size, Range* range_list, FILE* output) { long long low = 0; long long high = (1LL << 32) - 1; for (int i = 0; i < size; i++) { int symbol_index = -1; for (int j = 0; j < MAX_SYMBOLS; j++) { if (range_list[j].low <= low && high < range_list[j].high) { symbol_index = j; break; } } if (symbol_index < 0) { fprintf(stderr, "Error: symbol not found in range table.\n"); exit(1); } Range range = range_list[symbol_index]; long long range_size = high - low + 1; high = low + range_size * range.high / (1LL << 32) - 1; low = low + range_size * range.low / (1LL << 32); while (1) { if ((low ^ high) < (1LL << 31)) { fputc(low >> 31, output); while (fputc(1, output), high_bits > 0) { high_bits--; } low = (low << 1) & ((1LL << 32) - 1); high = ((high << 1) | 1) & ((1LL << 32) - 1); } else if ((low >> 30) == 1 && (high >> 30) == 0) { high_bits++; low = (low << 1) & ((1LL << 32) - 1); high = ((high << 1) | 1) & ((1LL << 32) - 1); } else { break; } } } for (int i = 0; i < 8; i++) { fputc(low >> 31, output); } } void encode_image(char* input_filename, char* output_filename) { FILE* input = fopen(input_filename, "rb"); if (!input) { fprintf(stderr, "Error: failed to open input file.\n"); exit(1); } FILE* output = fopen(output_filename, "wb"); if (!output) { fprintf(stderr, "Error: failed to open output file.\n"); exit(1); } unsigned char buffer[1024]; FrequencyTable table; Range range_list[MAX_SYMBOLS]; init_frequency_table(&table); while (!feof(input)) { int size = fread(buffer, 1, sizeof(buffer), input); update_frequency_table(&table, buffer, size); } sort_frequency_table(&table); build_range_table(&table, range_list); fwrite(&table.symbol_count, sizeof(int), 1, output); for (int i = 0; i < table.symbol_count; i++) { fwrite(&table.symbol_list[i].symbol, sizeof(unsigned char), 1, output); fwrite(&table.symbol_list[i].frequency, sizeof(int), 1, output); } rewind(input); while (!feof(input)) { int size = fread(buffer, 1, sizeof(buffer), input); encode_data(buffer, size, range_list, output); } fclose(input); fclose(output); } int main(int argc, char** argv) { if (argc != 3) { fprintf(stderr, "Usage: %s input_file output_file\n", argv[0]); return 1; } encode_image(argv[1], argv[2]); return 0; } ``` 这个示例程序将输入的图像文件经过香农熵编码压缩后输出到指定的文件中。具体来说，它先对输入数据中各个符号的出现频率进行统计，并按照频率从高到低排序，然后根据符号出现频率构建出每个符号的编码范围，最后使用编码范围对输入数据进行编码，并将编码后的数据输出到文件中。在解压缩时，只需要使用相同的频率表和编码范围即可还原原始数据。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值