VQ: Vector Quantization

مکانیزم Vector Quantization) VQ)


کوانتیزاسیون برداری برای فشرده سازی تصویر

کوانتیزاسیون برداری از رو شهای کارآمد در فشرده سازی تصویر است. ساده بودن عمل کدگشایی که سادگی پیاده سازی سخت افزاری را موجب می شود و نرخ بیت پایین کد فشرده، به محبوبیت آن افزوده است. کوانتیزاسیون برداری شامل سه مرحله زیر است:

 آموزش کتابچه کد: در این مرحله تعدادی تصاویر به عنوان  تصاویر آموزشی در نظر گرفته می شود. این تصاویر به بلوک های  غیرهم پوشان به اندازه ثابت تقسیم می شوند. الگوریتم آموزش، مجموعه بلوکهای به نام کلمه کد با تعداد محدود (128، 256،   512 و 1024 ) را چنان می یابد که در مجموع بتوان با کمترین  تخریب در تصاویر، بلوکهای آنها را تخمین زد.

کد کردن: در این مرحله تصویر فشرده به بلوک هایی غیرهم پوشان با اندازه مشخص تقسیم می شود. سپس برای هربلوک، کتابچه کد مورد جستجو قرار گرفته و بسته به میزان شباهت بر اساس فاصله اقلیدسی نزدیکترین کلمه کد به بلوک کدشده پیدا می شود  و اندیس نزدیکترین کلمه کد در کتابچه کد برای بلوک جاری مورد استفاده قرار می­گیرد. کد تولید شده نهایی را جدول اندیس می نامند.
کدگشایی : در این  مرحله هر اندیس ازجدول اندیس، با کلمه کد معادل از کتابچه کد جایگزین شده و در نهایت کل تصویر بازسازی می شود.

 


در کوانتیزاسیون برداری معمولی فقط همبستگی بین پیکسلهای هر بلوک، برای فشرده سازی مورد استفاده قرار می گیرد و همبستگی بین بلوکهای مجاور در نظر گرفته نمی شود،در نتیجه نرخ بیت پایین تری به دست می آید. ازاین روی انواع بهبود یافته روش کوانتیزاسیون برداری وجود دارد که در ادامه به ذکر سه مورد از آنها می­پردازیم.

کوانتیزاسیون برداری طبق روش تطبیق جوانب
کوانتیزاسیون برداری تطبیق جوانب ، براساس پیشگویی بلوک کار می­کند. بدین صورت که هنگام کد کردن هر بلوک، پیکسلهای مرزی بلوکهای بالا و سمت چپ که قبل از بلوک جاری کد شده اند، مورد استفاده قرار می گیرند تا کلمه کدهایی که کناره های آنها بیشترین تطابق را با پیکسلهای مورد اشاره از بلوکهای همسایه دارند، پیدا شوند. کلمه های یافت شده تشکیل کتابچه کد محلی را می دهند. سپس  بلوک جاری با اندیس نزدیکترین کلمه کد از کتابچه کد محلی کد می شود. چون کتابچه کد محل از کتابچه کد اصلی ، کلمه  کد کمتری دارد پس تعداد بیت کمتری برای نمایش  اندیس ها نیاز است. کوانتیزاسیون براساس تطبیق جوانب علاوه بر فشرده سازی بیشتر، باعث کاهش میزان مصنوعیت در لبه های بلوک های تصویر می شود.

کوانتیزاسیون برداری طبق کد مرتبه جستجو
در جدول اندیس هر تصویر، تعداد زیادی از اندیس ها دقیقا برابر با یکی از اندیس های واقع شده در همان ناحیه از جدول است. کد کردن مرتبه جستجو (SOC: Coding Order Search) از این ویژگی برای فشرده سازی جدول اندیس بهره می برد. این روش برای هر اندیس، یک مسیر از پیش تعریف شده را برای اندیس جاری مورد جستجو قرار می دهد، اگر یافت شد کد مرتبه جستجو است در غیر این صورت مقدار اصلی اندیس برای کد کردن بلوک جاری استفاده می شود. برای تفکیک مرتبه جستجوی  اندیس و مقدار اصلی اندیس از یک بیت نشانگر قبل از کد هر اندیس استفاده می شود.

کوانتیزاسیون برداری طبق کد محل وفقی
از روش کوانتیزاسیون  کد کردن محل وقفی (Adaptive Scheme LAS: Locally  ) برای فشرده سازی جدول اندیس استفاده می شود. برای این کار یک لیست سازمان بدون مقدار اولیه، اندیس هایی که اخیرا برای کد شدن استفاده شده اند را در خود نگه می دارد.تکنیک انتقال به جلو در لیست کمک میکند تا با احتمال بیشتری بتوان اندیس جاری را در یکی از مکان های ابتدایی لیست یافت. برای کد کردن هر اندیس ،اندیس مورد نظردر لیست جستجو می شود، اگر یافت شد عدد مکان آن اندیس در لیست برای کد کردن آن اندیس  به کار می رود و سپس آن اندیس از آن مکان در لیست به ابتدای لیست منتقل می شود. در صورت یافت نشدن اندیس در لیست،یک کد خاص و به دنبال آن اندیس اصلی می­آید و اندیس جدید به ابتدای لیست اضافه می­شود.


برگرفته از : http://www.khuisf.ac.ir/dorsapax/userfiles/file/pazhohesh/bargh93/137.pdf

فایل کمک آموزشی : http://www.slideshare.net/srkrishna341/quantisation

      


نظرات (0)
امکان ثبت نظر جدید برای این مطلب وجود ندارد.