以分類式向量格化法作低率連續影像壓縮

Abstract

在用向量格化法(vector quantization) 作影像編碼的初期研究上曾顯示幾個重要 的問題。其中最嚴重的是邊的惡化(edge degradation)：當採用傳統的誤差量度法 如均方誤差法(mean square error) 時，邊會有嚴重惡化的現象。第二個問題是向 量格化法的高運算複雜度，這個複雜度隨比次率 (bit rate) 及格塊大小 (block size) 成指數比率增加。 在本論文中，我們探討上述兩項問題。我們採用以向量格化法為基礎的分類式向量 格化法(classified vector quantization)來降低邊的惡化並減少運算複雜度。此 外，分類式向量格化法原先應用於單色圖像上。我們進一步將之應用在彩色連續影 像的編碼上並採用運動補償(motion compensation) 。模擬的結果以及和一般向量 格化法的比較亦於文中討論。我們並把均值分離法(mean-separated method) 加入 分類式向量格化法中，此法有助於降低運算複雜度，並且對用來形成分類式向量格 化法的編碼簿(codebook)的不良的訓練集合有補償作用。