基于动态规划和描述长度的Context模型量化 |
| |
摘 要: | <正>在信源编码中熵编码已经广泛应用,而基于Context建模的熵编码可以有效的利用信源序列中条件概率间的相关性使信源编码码长变短。为了使Context模型中的条件概率分布更加快速有效的收敛于信源的实际概率分布,本文用动态规划算法按照描述长度最短的原则对已经建立的Context模型中的每个条件概率分布进行划分合并。实验证明此方法可以在多值信源的Context量化器设计中判别各个条件的重要性,从而自适应确定Context模型量化的最优阶数,还能提高编码率。
|
本文献已被 CNKI 等数据库收录! |
|