專利名稱::用于數(shù)據(jù)壓縮優(yōu)化的方法、系統(tǒng)和計(jì)算機(jī)程序產(chǎn)品的制作方法
技術(shù)領(lǐng)域:
:本發(fā)明總地涉及數(shù)據(jù)壓縮,更具體地涉及基于行程指數(shù)(run-index)微分編碼分布的量化步長(zhǎng)、量化系數(shù)和熵編碼的聯(lián)合優(yōu)化。
背景技術(shù):
:如W.Pennebaker和J.Mitchell在“JPEGstillimagedatacompressionstandard(JPEG靜態(tài)圖像數(shù)據(jù)壓縮標(biāo)準(zhǔn))”中所描述的(KluwerAcademic出版商,1993年)(以下稱之為“參考文獻(xiàn)[1]”),和G..Wallace在“TheJPEGstill-imagecompressionstandard(JPEG靜態(tài)圖像壓縮標(biāo)準(zhǔn))”(Commun.ACM,1991年4月,第34卷第30-44頁(yè))(以下稱之為“參考文獻(xiàn)[2]”)中所描述的,JPEG是一種常見(jiàn)的基于DCT的靜態(tài)圖像壓縮標(biāo)準(zhǔn)。JPEG格式在諸如萬(wàn)維網(wǎng)和數(shù)字相機(jī)等中有著廣泛的使用。JPEG編碼系統(tǒng)的普及已經(jīng)激發(fā)了對(duì)JPEG優(yōu)化方案的研究——例如,參見(jiàn)J.Huang和T.Meng于1991年4月在Proc.IEEEInt.Conf.Acoustics,SpeechandSignalProcessing,第2621-2624頁(yè)中的“Optimalquantizerstepsizesfortransformcoders(用于變換編碼器的優(yōu)化量化器步長(zhǎng))”(以下稱之為“參考文獻(xiàn)[3]”);S.Wu和A.Gersho于1993年在Proc.IEEEInt.Conf.Acoustics,SpeechandSignalProcessing,第5卷,第389-392頁(yè)中的“Rate-constrainedpicture-adaptivequantizationforJPEGbaselinecoders(用于JPEG基線編碼器的強(qiáng)制速率圖片適應(yīng)性量化)”(以下稱之為“參考文獻(xiàn)[4]”);V.Ratnakar和M.Livny于1995年在Proc.DataCompressionConf..,第332-341中的“RD-OPTAnefficientalgorithmforoptimizingDCTquantizationtables(RD-OPT用于優(yōu)化DCT量化表的有效法則)”(以下稱之為“參考文獻(xiàn)[5]”);V.Ranakar和M.Livny于2000年2月在IEEETransImageProcessing,第9卷,第267-370中的“AnefficientalgorithmforoptimizingDCTquantizationtables(用于優(yōu)化DCT量化表的有效法則)”(以下稱之為“參考文獻(xiàn)[6]”);K.Ramchandran和M.Vetterli于1994年9月在IEEETransImageProcessing,第3卷,第700-704頁(yè)的“Rate-distotionoptimalfastthresholdingwithcompleteJPEG/MPEGdecodercompatibility(具有完全JPEG/MPEG解碼器兼容性的速率失真優(yōu)化快速閥值)”(以下稱之為“參考文獻(xiàn)[7]”);M.Crouse和K.Ramchandran于1995年在Proc.IEEEInt.Conf.Acoustics,SpeechandSignalProcessing,第23311-2334頁(yè)中的“Jointthresholdingandquantizerselectionfordecoder-compatiblebaselineJPEG(用于兼容解碼器的基線JPEG的聯(lián)合閥值和量化選擇)”(以下稱之為“參考文獻(xiàn)[8]”);和M.Crouse和K.Ramchandran于1997年2月在IEEETransImageProcessing,第6卷,第285-297中的“JointthresholdingandquantizerselectionfortransformimagecodingEntropyconstrainedanalysisandapplicationstobaselineJPEG(用于變換圖像編碼的閥值和量化選擇對(duì)基線JPEG的熵強(qiáng)制分析和應(yīng)用)”(以下稱之為“參考文獻(xiàn)[9]”)。所有這些參考文獻(xiàn)所描述的規(guī)則都忠于JPEG語(yǔ)法。由于這些規(guī)則僅優(yōu)化了JPEG編碼器而沒(méi)有改變標(biāo)準(zhǔn)的JPEG解碼器,因此它們不僅能進(jìn)一步降低JPEG壓縮圖像的尺寸,而且還具有易于展開(kāi)的優(yōu)點(diǎn)。這個(gè)獨(dú)有的特性使得它們?cè)诮邮战K端并不善于支持新的解碼器的應(yīng)用中十分有吸引力,諸如在無(wú)線通信中。量化表優(yōu)化JPEG量化步長(zhǎng)很大程度上決定了在JPEG壓縮圖像中速率失真折中。但,由于量化表是獨(dú)立于圖像的,因此使用默認(rèn)的量化表并不是最佳的。因此,所有量化表優(yōu)化方案的目的都是為每個(gè)圖像分量得到有效、圖像自適應(yīng)的量化表。量化表優(yōu)化的問(wèn)題能從以下輕易地闡明。(為了不失一般性,我們?cè)谝韵掠懻撝袃H考慮一個(gè)圖像分量。)給定具有目標(biāo)位率Rbudget的輸入圖像,想找到一組量化步長(zhǎng){Qkk=0,...,63}以最小化整個(gè)失真D=Σn=1Num_BlkΣk=063Dn,k(Qk)---(1)]]>對(duì)位率約束R=Σn=1Num_BlkRn(Q0,...,Q63)≤Rbudget---(2)]]>其中Num_Blk是塊數(shù)量,Dn,k(Qk)是在其由步長(zhǎng)Qk量化時(shí)在第nth塊中第kth個(gè)DCT系數(shù)的失真,而Rn(Q0,...,Q63)是在用量化表{Q0,…,Q63}對(duì)第nth塊編碼所產(chǎn)生的位數(shù)。由于JPEG使用零行程(run-length)編碼,其將從不同頻率頻帶來(lái)的零系數(shù)指數(shù)(coefficientindex)合并成一個(gè)符號(hào),因此位率并不是簡(jiǎn)單地通過(guò)對(duì)每個(gè)單獨(dú)的系數(shù)指數(shù)編碼所得的位之和。因此,很難用傳統(tǒng)的位分配技術(shù)來(lái)對(duì)(1)和(2)得到最優(yōu)解。Huang和Meng(參見(jiàn)參考文獻(xiàn)[3])提出了一種梯度下降技術(shù)(gradientdescenttechnique),其基于DCT系數(shù)的概率分布為拉普拉斯算子的假定而對(duì)量化表設(shè)計(jì)問(wèn)題解決局部最優(yōu)解。其后又提出了急切的最速下降方案,其并未假定DCT系數(shù)的概率分布(參見(jiàn)參考文獻(xiàn)[4])。開(kāi)始于大步長(zhǎng)的初始量化表,響應(yīng)低位率和高失真,這些算法每次均減少在量化表的一個(gè)入口處的補(bǔ)償步長(zhǎng)直至達(dá)到目標(biāo)位率。在每次迭代中,總是以對(duì)用于量化表的一個(gè)入口的所有可能降低的步長(zhǎng)值最大化在失真中降低的比率以增加位率。算法上,這些算法都在找尋解決如下最大化問(wèn)題的k和q的值maxkmaxq-ΔD|Qk→qΔR|Qk→q---(3)]]>其中ΔD|Qk→q和ΔR|Qk→q分別為在失真中的改變以及當(dāng)量化表的第kth個(gè)入口中Qk由q取代時(shí)整個(gè)的位率。這些增量由以下計(jì)算ΔD|Qk→q=Σn=1Num_blk[Dn,k(q)-Dn,k(Qk)]---(4)]]>和ΔR|Qk→q=Σn=1Num_blk[Rn(Q0,...,q,...Q63)-Rn(Q0,...qk,...Q63)]---(5)]]>重復(fù)迭代直到|Rbudget-R(Q0,...,Q63)|≤ε,其中ε為由用戶指定的收斂性判別標(biāo)準(zhǔn)(convergencecriterion)。上述的兩個(gè)算法在運(yùn)算上都很昂貴。Ratnakar和Livny(參見(jiàn)參考文獻(xiàn)[5]和[6])提出了一種比較有效的算法來(lái)基于DCT系數(shù)分布統(tǒng)計(jì)構(gòu)建量化表而無(wú)需重復(fù)整個(gè)壓縮-解壓縮的循環(huán)。他們提供了一種動(dòng)態(tài)編程途徑來(lái)在比率和失真的大范圍中優(yōu)化量化表并得到了與在參考文獻(xiàn)[4]中方案類似的性能。優(yōu)化閥值在JPEG中,相同的量化表必須提供給每個(gè)圖像塊。即便當(dāng)使用圖像自適應(yīng)量化表時(shí)也是如此。這樣,JPEG量化就缺乏局部針對(duì)性,這意味著在特定塊的特性和平均塊統(tǒng)計(jì)之間的差異仍存在潛在的增益。這就是最優(yōu)快速閥值算法的動(dòng)因(參見(jiàn)參考文獻(xiàn)[7]),它降低了在R-D方向上顯著的系數(shù)指數(shù)。在計(jì)算上,對(duì)于固定的量化器,在原始圖像X和施加位預(yù)算限制的量化圖像給定閥值圖像使失真最小化,即,min[D(X,X~)|X^]subjecttoR(X~)≤Rbudget---(6)]]>等效的未受限問(wèn)題是使如下最小化J(λ)=D(X,X~)+λR(X~)---(7)]]>采用動(dòng)態(tài)編程算法來(lái)解決上述遞歸優(yōu)化問(wèn)題(7)。它為每個(gè)0≤k≤63計(jì)算Jk*,然后,找到使該Jk*最小化的k*,即,找到最佳非零系數(shù)以獨(dú)立地結(jié)束在每個(gè)塊中的掃描。讀者可以詳細(xì)參閱參考文獻(xiàn)[7]。由于只有不顯著的系數(shù)指數(shù)改變了,因此最優(yōu)快速閥值算法(參見(jiàn)參考文獻(xiàn)[7])并未解決具有JPEG解碼器兼容性的系數(shù)指數(shù)的全部?jī)?yōu)化。聯(lián)合閥值和量化器選擇由于閥值算法采用塊水平統(tǒng)計(jì)的同時(shí),適應(yīng)性量化器選擇方案利用了廣泛圖像的統(tǒng)計(jì),因此它們的運(yùn)算近似于“正交”。這意味著將它們綁定在一起是很有益處的?;舴蚵砹硪环N留給JPEG編碼器的自由參數(shù)。因此,Crous和Ramchandran(參見(jiàn)參考文獻(xiàn)[8]和[9]),提出了一種對(duì)這三個(gè)參數(shù)的聯(lián)合優(yōu)化的方案,即,minT,Q,HD(T,Q)subjecttoR(T,Q,H)≤Rbudget---(8)]]>其中Q為量化表,H為合成的霍夫曼表,T為一組二進(jìn)制閥值標(biāo)志,其為是否對(duì)系數(shù)指數(shù)取閥值的信號(hào)。(8)的受限最小化問(wèn)題被過(guò)渡成拉格朗日乘子的非受限問(wèn)題,minT,Q,HD(T,Q)[J(λ)=D(T,Q)+λR(T,Q,H)]]]>接著,他們提出了一種算法,其反復(fù)選擇每個(gè)Q、T、H以在假定其他參數(shù)都固定的情況下最小化拉格朗日成本(9)。JPEG的局限上述討論都集中在JPEG語(yǔ)法限定內(nèi)的優(yōu)化。但,若給定了JPEG語(yǔ)法,R-D性能,則JPEG優(yōu)化方法的改進(jìn)會(huì)受限。部分限制來(lái)源于由JPEG編碼器所使用的糟糕的上下文模型,其不能取得存在于空間和頻率域中的像素校正的全部益處。因此,在文獻(xiàn)中提出了基于上下文的算術(shù)編碼來(lái)替代在JPEG中所使用的霍夫曼編碼以得到更好的R-D性能。
發(fā)明內(nèi)容根據(jù)本發(fā)明的第一方面,提供了一種在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的方法,其中每個(gè)序列對(duì)(run,indexderivative)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù)(digitalnumber),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和在特定值的連續(xù)指數(shù)的數(shù)量后面由指數(shù)值所獲得的基于指數(shù)的值。該方法包括步驟(a)使用給定的量化表和行程指數(shù)微分編碼來(lái)為多個(gè)可能的序列對(duì)(run,indexderivative)制訂成本函數(shù);(b)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)序列以確定關(guān)聯(lián)成本;和(c)基于多個(gè)可能的序列對(duì)(run,indexderivative)的每一個(gè)的關(guān)聯(lián)成本從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第二方面,提供了一種通過(guò)確定輸出量化表、由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列、和行程指數(shù)微分編碼分布來(lái)壓縮n個(gè)系數(shù)指數(shù)的方法,其中每個(gè)(run、indexderivative)序列對(duì)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和從特定值的連續(xù)指數(shù)的數(shù)量后面的指數(shù)值所獲得的基于指數(shù)的值,其中,n個(gè)系數(shù)指數(shù)的序列和量化表一起確定了軟決策量化的系數(shù)的序列。該方法包括步驟(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)將計(jì)數(shù)器t設(shè)定為0;(d)使用第tth個(gè)量化表和行程指數(shù)微分代碼分布來(lái)制定用于第tth多個(gè)可能的序列對(duì)(run,indexderivative)的第tth個(gè)成本函數(shù);和(e)將該第tth個(gè)成本函數(shù)提供給在第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定第tth個(gè)關(guān)聯(lián)成本;(f)基于該第tth個(gè)關(guān)聯(lián)成本從第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(g)如果該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)與第tth個(gè)量化表和行程指數(shù)微分分布一起滿足選擇標(biāo)準(zhǔn),則選擇該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)作為n個(gè)系數(shù)指數(shù)確定成本的序列而該第tth個(gè)量化表作為輸出量化表,否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(h)基于第tth個(gè)行程指數(shù)微分編碼分布對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第三方面,提供了一種通過(guò)聯(lián)合確定輸出量化表、輸出行程指數(shù)微分分布而為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)、由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的序列的方法,其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策(soft-decision)量化的系數(shù)序列。該方法包括步驟(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)設(shè)定計(jì)數(shù)器t為0;(d)為在n個(gè)系數(shù)序列的序列中的每個(gè)n個(gè)系數(shù)序列,(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)制定第tth個(gè)成本函數(shù);(ii)將該成本函數(shù)提供給在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;(iii)基于該關(guān)聯(lián)成本從關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇關(guān)聯(lián)的第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(e)在步驟(d)后,將該總成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列,以確定第tth個(gè)總的成本;(f)如果該第tth個(gè)總的成本滿足選擇標(biāo)準(zhǔn),則選擇第tth個(gè)量化表和行程指數(shù)微分編碼分布作為輸出量化表和輸出行程指數(shù)微分編碼分布,并且為在n個(gè)系數(shù)序列的序列中的每個(gè)n個(gè)系數(shù)序列,將由最終的確定成本的序列對(duì)(run,indexderivative)所表示的最終確定成本的系數(shù)指數(shù)序列作為關(guān)聯(lián)的第tth個(gè)序列對(duì)(run,indexderivative);否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(g)使用霍夫曼編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第四方面,提供了一種在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)序列而壓縮n個(gè)系數(shù)序列的數(shù)據(jù)處理系統(tǒng),其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue),和從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值。該數(shù)據(jù)處理系統(tǒng)包括步驟(a)初始化裝置,其使用給定的量化表和行程指數(shù)微分編碼分布來(lái)為多個(gè)可能的序列對(duì)(run,indexderivative)制定成本函數(shù);和(b)計(jì)算裝置,其用來(lái)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能序列以確定關(guān)聯(lián)成本;基于多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)的關(guān)聯(lián)成本而從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第五方面,提供了一種通過(guò)確定輸出量化表、由確定成本的序列對(duì)(run,indexderivative)表示的確定成本的n個(gè)系數(shù)指數(shù)序列和行程指數(shù)微分編碼分布而壓縮n個(gè)系數(shù)序列的數(shù)據(jù)處理系統(tǒng),每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策量化系數(shù)序列。該數(shù)據(jù)處理系統(tǒng)包括(a)初始化裝置,其選擇第0th個(gè)量化表和第0th個(gè)行程指數(shù)微分編碼分布,并將計(jì)數(shù)器t設(shè)定為0;(b)計(jì)算裝置,其(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為第tth多個(gè)可能的序列對(duì)(run,indexderivative)制訂第tth個(gè)成本函數(shù);(ii)將該第tth個(gè)成本函數(shù)提供給在第tth多個(gè)可能的序列對(duì)(run,indexderivative)中每個(gè)可能的序列以確定第tth個(gè)關(guān)聯(lián)成本;(iii)基于該第tth個(gè)關(guān)聯(lián)成本從第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選定第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(iv)如果該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)與第tth個(gè)量化表和行程指數(shù)微分編碼分布滿足選擇標(biāo)準(zhǔn),則選定該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)作為n個(gè)系數(shù)指數(shù)確定成本的函數(shù),而將第tth個(gè)量化表作為輸出量化表,否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(i);和(v)基于第tth個(gè)行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第六方面,提供了一種通過(guò)聯(lián)合確定輸出量化表、輸出行程指數(shù)微分分布而為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)、由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的序列的數(shù)據(jù)處理系統(tǒng),其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策量化系數(shù)序列。該數(shù)據(jù)處理系統(tǒng)(a)初始化裝置,其用于選擇第0th個(gè)量化表和第0th個(gè)行程尺寸分布;(b)計(jì)算裝置,其為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)制定第tth個(gè)成本函數(shù);(ii)將該成本函數(shù)提供給在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;(iii)基于該關(guān)聯(lián)成本從關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇關(guān)聯(lián)的第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(iv)在步驟(i)至(iii)后,為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)而將該總的成本函數(shù)提供給第tth個(gè)關(guān)聯(lián)的確定成本的序列對(duì)(run,indexderivative),以確定第tth個(gè)總的成本;(v)如果該第tth個(gè)總的成本滿足選擇標(biāo)準(zhǔn),則選擇第tth個(gè)量化表和行程指數(shù)微分編碼分布作為輸出量化表和輸出行程指數(shù)微分編碼分布,并為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)而將由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列作為關(guān)聯(lián)的第tth個(gè)序列對(duì)(run,indexderivative);否則,通過(guò)將t加一而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的選定序列中確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,并返回到步驟(i);和(v)使用霍夫曼編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第七方面,提供了一種計(jì)算機(jī)程序產(chǎn)品,其使用在計(jì)算機(jī)系統(tǒng)上來(lái)通過(guò)在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)表示確定成本的n個(gè)系數(shù)指數(shù)序列來(lái)壓縮n個(gè)系數(shù)序列,其中每個(gè)序列對(duì)(run,indexderivative)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù)(digitalnumber),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值。該計(jì)算機(jī)程序產(chǎn)品包括記錄介質(zhì),和記錄在記錄介質(zhì)上用來(lái)指示計(jì)算機(jī)系統(tǒng)執(zhí)行以下步驟的裝置(a)使用給定的量化表和行程指數(shù)微分編碼來(lái)為多個(gè)可能的序列對(duì)(run,indexderivative)制訂成本函數(shù);(b)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)序列以確定關(guān)聯(lián)成本;和(c)基于可能的序列對(duì)(run,indexderivative)的關(guān)聯(lián)成本函數(shù)從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第八方面,提供了一種計(jì)算機(jī)程序產(chǎn)品,其使用在計(jì)算機(jī)上來(lái)通過(guò)確定輸出量化表、由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列、和行程指數(shù)微分編碼分布來(lái)壓縮n個(gè)系數(shù)指數(shù)的方法,其中每個(gè)(run、size、ID)三重序列都限定了相應(yīng)的系數(shù)指數(shù)序列以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值。該計(jì)算機(jī)程序產(chǎn)品包括記錄介質(zhì),和記錄在記錄介質(zhì)上用來(lái)指示計(jì)算機(jī)系統(tǒng)執(zhí)行以下步驟的裝置(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)將計(jì)數(shù)器t設(shè)定為0;(d)使用第tth個(gè)量化表和行程指數(shù)微分代碼分布來(lái)制定用于第tth多個(gè)可能的序列對(duì)(run,indexderivative)的第tth個(gè)成本函數(shù);和(e)將該第t個(gè)成本函數(shù)提供給在第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定第tth個(gè)關(guān)聯(lián)成本;(f)基于該第tth個(gè)關(guān)聯(lián)成本從第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(g)如果該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)與第tth個(gè)量化表和行程指數(shù)微分分布一起滿足選擇標(biāo)準(zhǔn),則選擇該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)作為n個(gè)系數(shù)指數(shù)確定成本的序列而該第tth個(gè)量化表作為輸出量化表,否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(h)基于第tth個(gè)行程指數(shù)微分編碼分布對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。根據(jù)本發(fā)明的第九方面,提供了一種計(jì)算機(jī)程序產(chǎn)品,其使用在計(jì)算機(jī)上來(lái)通過(guò)聯(lián)合確定輸出量化表、輸出行程指數(shù)微分分布而為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)、由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的序列的方法,其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、從特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策(soft-decision)量化系數(shù)序列。該計(jì)算機(jī)程序產(chǎn)品包括記錄介質(zhì),和記錄在記錄介質(zhì)上用來(lái)指示計(jì)算機(jī)系統(tǒng)執(zhí)行以下步驟的裝置(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)設(shè)定計(jì)數(shù)器t為0;(d)為在n個(gè)系數(shù)序列的序列中的每個(gè)n個(gè)系數(shù)序列,(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)制定第tth個(gè)成本函數(shù);(ii)將該成本函數(shù)提供給在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;(iii)基于該關(guān)聯(lián)成本從關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇關(guān)聯(lián)的第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(e)在步驟(d)后,將該總成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列,以確定第tth個(gè)總的成本;(f)如果該第tth個(gè)總的成本滿足選擇標(biāo)準(zhǔn),則選擇第tth個(gè)量化表和行程指數(shù)微分編碼分布作為輸出量化表和輸出行程指數(shù)微分編碼分布,并且為在n個(gè)系數(shù)序列的序列中的每個(gè)n個(gè)系數(shù)序列,將由最終的確定成本的序列對(duì)(run,indexderivative)所表示的最終確定成本的系數(shù)指數(shù)序列作為關(guān)聯(lián)的第tth個(gè)序列對(duì)(run,indexderivative);否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(g)使用霍夫曼編碼對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼?,F(xiàn)將參考以下附圖對(duì)優(yōu)選實(shí)施例進(jìn)行詳細(xì)描述,其中圖1顯示了JPEG編碼器的方框圖;圖2顯示了根據(jù)本發(fā)明的一個(gè)方面對(duì)量化、行程編碼和霍夫曼編碼的聯(lián)合優(yōu)化的方框圖;圖3顯示了根據(jù)本發(fā)明的一個(gè)方面的用來(lái)表示不同的可能系數(shù)指數(shù)(或,等同地,行程尺寸對(duì))的定向圖;圖4顯示了從圖3的圖而來(lái)的連接和節(jié)點(diǎn)的序列;圖5顯示了根據(jù)本發(fā)明的進(jìn)一步方面的用于表示DC指數(shù)可以認(rèn)為是n個(gè)系數(shù)序列的明確值的框架結(jié)構(gòu);圖6a、6b和6c表示了根據(jù)本發(fā)明的一個(gè)方面的用于聯(lián)合優(yōu)化行程編碼、霍夫曼編碼和優(yōu)化表的處理。圖7顯示了根據(jù)本發(fā)明的一個(gè)方面的用于聯(lián)合優(yōu)化行程編碼、霍夫曼編碼和優(yōu)化表的處理的流程圖。圖8顯示了圖7中處理的迭代處理的初始化的流程圖;圖9顯示了用于確定在圖7中的特定塊的最優(yōu)路徑的處理的流程圖;圖10顯示了由在圖9中的最優(yōu)路徑確定處理所調(diào)用的塊初始化處理的流程圖;圖11圖示了由圖9中的處理所調(diào)用的增量成本計(jì)算處理的流程圖;圖12顯示了用于更新由圖7的處理所調(diào)用的量化表的處理的流程圖;圖13顯示了根據(jù)本發(fā)明的一個(gè)方面的數(shù)據(jù)處理系統(tǒng)的流程圖;圖14顯示了用于不同量化表的比率-失真曲線的曲線圖;圖15的曲線圖顯示了根據(jù)本發(fā)明的一個(gè)方面的反映迭代的聯(lián)合優(yōu)化算法的不同迭代數(shù)的比率-失真曲線;圖16將根據(jù)本發(fā)明的不同方面所提供的優(yōu)化方法的不同配置的比率-失真(PSNR)曲線劃分成512×512的Lena圖像;圖17將根據(jù)本發(fā)明的不同方面所提供的優(yōu)化方法的不同配置的比率-失真(PSNR)曲線劃分成512×512的Barbara圖像;圖18將根據(jù)本發(fā)明的一個(gè)方面的用于512×512的Lena圖像從基于格狀的DC優(yōu)化所得結(jié)果劃分為DC熵vs.DC失真;圖19顯示了根據(jù)本發(fā)明的一個(gè)方面的并不限于JPEG語(yǔ)法的通用編碼器的結(jié)構(gòu)圖;圖20顯示了將圖19的通用編碼器應(yīng)用到未壓縮的圖像中的結(jié)構(gòu)圖;圖21顯示了根據(jù)本發(fā)明的進(jìn)一步方面表示不同的行程水平(run-level)對(duì)序列的直線;圖22a至22d羅列了偽碼,其顯示了根據(jù)本發(fā)明進(jìn)一步方面的基于曲線圖的優(yōu)化方法;圖23顯示了根據(jù)本發(fā)明進(jìn)一步方面的用于聯(lián)合優(yōu)化行程編碼、基于上下文的算術(shù)編碼和量化步長(zhǎng)的處理的流程圖;圖24顯示了圖23的處理的迭代處理的初始化的流程圖;圖25顯示了在圖23的處理中用來(lái)為特定塊確定最佳路徑的處理的流程圖;圖26顯示了在圖25的流程圖中調(diào)用的對(duì)基本/規(guī)則狀態(tài)計(jì)算成本的處理的流程圖;圖27顯示了在圖25的流程圖中調(diào)用的對(duì)延伸狀態(tài)計(jì)算成本的處理;圖28顯示了由圖23的流程圖的處理所調(diào)用的更新量化表的處理的流程圖;圖30將根據(jù)本發(fā)明進(jìn)一步的不同方面所提供的優(yōu)化方法的不同配置的比率-失真(PSNR)曲線劃分成512×512的Barbara圖像;圖31給定縮放比例的默認(rèn)量化表而將根據(jù)本發(fā)明的不同方面所提供的優(yōu)化方法的不同配置的比率-失真(PSNR)曲線劃分成512×512的Barbara圖像;圖32給定縮放比例的默認(rèn)量化表而將根據(jù)本發(fā)明的不同方面所提供的優(yōu)化方法的不同配置的比率-失真(PSNR)曲線劃分成512×512的Lena圖像。具體實(shí)施例方式部分I具有完全基線JPEG兼容性的行程編碼、霍夫曼編碼額量化表的聯(lián)合優(yōu)化圖1中顯示了執(zhí)行三個(gè)基本步驟的JPEG編碼器20。編碼器20首先將輸入的圖像22分割成8×8塊,接著按照光柵掃描的順序一個(gè)接一個(gè)處理這8×8個(gè)圖像塊(基線JPEG)。每個(gè)塊首先通過(guò)8×8DCT24而從像素域過(guò)渡成DCT域。然后,合成的DCT系數(shù)使用8×8的量化表26來(lái)統(tǒng)一地量化。從量化28來(lái)的系數(shù)指數(shù)為在步驟30中使用零行程編碼和霍夫曼編碼進(jìn)行編碼的熵。如果必須使用步長(zhǎng)來(lái)量化所有的圖像塊,則JPEG語(yǔ)法將量化步長(zhǎng)和霍夫曼碼字留給編碼器選擇。這種構(gòu)架提供了巨大的機(jī)會(huì)在編碼器20應(yīng)用比率-失真(R-D)因素,其中量化表26和霍夫曼表32是編碼器能優(yōu)化的兩個(gè)自由參數(shù)。編碼器還能優(yōu)化的第三個(gè)但有些隱藏的自由參數(shù)是圖象數(shù)據(jù)本身。取決于圖象數(shù)據(jù)在整個(gè)JPEG編碼處理期間的階段,圖象數(shù)據(jù)表現(xiàn)為不同的形式,如在圖2中所示。在硬決策量化前,它們表現(xiàn)為DCT系數(shù)34的形式;而在硬決策量化后,它們表現(xiàn)為DCT指數(shù)36的形式,即量化的DCT系數(shù)由所使用的量化步長(zhǎng)歸一化;在鋸齒形序列化和行程編碼后,在指定各個(gè)類別(run、size)代碼和同類(incategory)指數(shù)38內(nèi)的DCT指數(shù)的精確幅度的整數(shù)后,它們表現(xiàn)為行程指數(shù)對(duì)(run-size)的形式。同類(為了簡(jiǎn)明起見(jiàn),我們將這樣的整數(shù)稱之為同類同類指數(shù))。要注意的是,DCT指數(shù)與量化步長(zhǎng)一起確定量化的DCT系數(shù)。雖然JPEG語(yǔ)法允許量化表在編碼器定制,但通常使用按標(biāo)準(zhǔn)給定的示例性的量化表的縮放版本(參見(jiàn)參考文獻(xiàn)[1])(稱之為默認(rèn)表)。由于默認(rèn)表是獨(dú)立于圖像的并且縮放比例并不是圖像自適應(yīng)的,因此默認(rèn)表的縮放比例不是最理想的。即便使用圖像自適應(yīng)的量化表,JPEG也必須為每個(gè)圖像塊提供相同的表,以表示從優(yōu)化系數(shù)指數(shù),即DCT指數(shù)中仍然保留了潛在增益。要注意的是,硬決策量化加系數(shù)指數(shù)優(yōu)化等于軟決策量化。由于系數(shù)指數(shù)能等同地表示為同類行程尺寸對(duì),其后面是經(jīng)過(guò)行程編碼的同類指數(shù),因此我們可以簡(jiǎn)單地將系數(shù)指數(shù)優(yōu)化稱之為與步長(zhǎng)和霍夫曼優(yōu)化并行的行程編碼優(yōu)化。如以下所描述的,我們不僅提出了非常靈巧、基于曲線圖的行程編碼優(yōu)化方案,還提供了一種用于聯(lián)合優(yōu)化如分別在圖2的步驟40、42和44中的行程編碼、霍夫曼編碼和量化步長(zhǎng)的迭代優(yōu)化方案。形式問(wèn)題說(shuō)明現(xiàn)在,我們來(lái)制定我們的聯(lián)合優(yōu)化問(wèn)題,其中對(duì)在基線JEG中的所有三個(gè)自由參數(shù)進(jìn)行最小化處理。在這部分中我們僅考慮AC系數(shù)的優(yōu)化。DC系數(shù)的優(yōu)化將在以后討論。在JPEG編碼中給定輸入圖像I0和固定量化表Q,系數(shù)指數(shù)通過(guò)行程編碼完全確定了后繼是用于每個(gè)8×8塊的同類指數(shù)的行程尺寸對(duì)序列,反之亦然。我們的的問(wèn)題是對(duì)后繼是同同類的指數(shù)ID的所有可能的行程尺寸對(duì)(R,S)序列、所有可能的霍夫曼編碼表H、和所有可能的量化表Q進(jìn)行約束的最優(yōu)化(constrainedoptimization)min(R,S,ID),H,Qd[I0,(R,S,ID)Q]subjecttor[(R,S),H]≤rbudget---(10)]]>或等價(jià)于min(R,S,ID),H,Qr[(R,S,),H]subjecttod[I0,(R,S,ID)Q]≤dbudget---(11)]]>其中d[I0,(R,S,ID)Q]表示在原始圖像I0和由(R,S,ID)和Q對(duì)所有AC系數(shù)所確定的重構(gòu)圖像之間的失真,r[(R,S),H]表示用于所有從選定的序列(R,S,ID)和霍夫曼表H所得的AC系數(shù)的壓縮率。在公式(10)和(11)中,rbudget和dbudget分別是比率約束(rateconstraint)和失真約束(distortionconstraint)。根據(jù)拉格朗日乘子,我們可以將比率約束問(wèn)題或失真約束問(wèn)題轉(zhuǎn)化成以下的非約束問(wèn)題。min(R,S,ID),H,Q{J(λ)=d[I0,(R,S,ID,)Q]+λ·r[(R,S),H]}---(12)]]>其中拉格朗日乘子λ是固定參數(shù),其表示用于失真比率的折中(tradeoff),而J(λ)為與拉格朗日成本。這種類型的優(yōu)化落入到所謂的固定斜率編碼(fixedslopecoding)的類型中,該固定斜率編碼由E.-h.Yang,Z.Zhang,和T.Berger于1997年9月在IEEETrans.Inform.Theory,第43卷,第1465-1476頁(yè)的“Fixedslopeuniversallossydatacompression(固定斜率的通用有損數(shù)據(jù)壓縮)”(以下稱之為“參考文獻(xiàn)[10]”)以及E.-h.Yang和Z.Zhang于1999年3月在IEEETrans.Inform.Theory,第45卷,第586-608頁(yè)的“Variable-ratetrellissourcecoding(可變比率的柵格信源編碼)”(以下稱之為“參考文獻(xiàn)[11]”)中所倡導(dǎo)。介紹性地,將我們的聯(lián)合優(yōu)化問(wèn)題與聯(lián)合閥值和量化器選擇進(jìn)行比較(參見(jiàn)參考文獻(xiàn)[8]和[9])。另一方面,這兩者都是旨在聯(lián)合優(yōu)化三個(gè)參數(shù)的迭代處理。另一方面,我們的方案在兩個(gè)方面顯著不同(參見(jiàn)參考文獻(xiàn)[8]和[9])。首先,我們考慮了系數(shù)指數(shù)或(R,S,ID)序列的全部?jī)?yōu)化而不是考慮只忽略無(wú)關(guān)緊要的系數(shù)指數(shù)表示的部分優(yōu)化(參見(jiàn)參考文獻(xiàn)[8]和[9])。正如我們?cè)谝韵虏糠种兴匆?jiàn)的,這使得全部的優(yōu)化都是非常靈巧、可有效計(jì)算的解決方案。這與所提出的相對(duì)耗時(shí)和繁瑣解決方案的部分優(yōu)化(參見(jiàn)參考文獻(xiàn)[7],[8]和[9]))截然不同。其次,我們不需要提供任何耗時(shí)的量化器選擇方案來(lái)在每次迭代中找出R-D的優(yōu)化步長(zhǎng)。相反,我們使用默認(rèn)的量化表作為起始點(diǎn),隨后為步長(zhǎng)的局部?jī)?yōu)化而在每次迭代中有效地更新步長(zhǎng)。問(wèn)題的解決方案比率失真優(yōu)化問(wèn)題(12)就是失真、比率、霍夫曼表、量化表和序列(R,S,ID)的聯(lián)合優(yōu)化。為了使優(yōu)化問(wèn)題易于處理,我們提出了一種迭代算法,其假定其他兩個(gè)參數(shù)固定,反復(fù)選擇序列(R,S,ID)、霍夫曼表、和量化表來(lái)使(12)的拉格朗日成本最小。由于行程尺寸概率分布P完全決定了霍夫曼表,因此我們使用P來(lái)替代在優(yōu)化處理中的霍夫曼表H。這種迭代算法可以描述如下1)從給定圖像I0和量化表Q0而初始化行程尺寸分布P0。由于量化是獨(dú)立于圖像的,因此這種將預(yù)定的量化表Q0應(yīng)用到I0就稱之為硬量化(hard-quantization)。(例如,初始的行程尺寸分布P0可以是通過(guò)使用由初始Q0所給定的硬決策量化器所得的(run、size)對(duì)序列的經(jīng)驗(yàn)分布,并用于量化I0的DCT系數(shù)。)設(shè)定t=0,并指定公差ε作為收斂性判別標(biāo)準(zhǔn)(convergencecriterion)。2)為任意t≥0固定Pt和Qt。找到能滿足以下最小式的優(yōu)化序列(Rt,St,IDt)minR,S,ID{J(λ)=d[I0,(R,S,ID)Qt]+λ·r[(R,S),Pt]}]]>其中,由Jt(λ)表示d[I0,(Rt,St,IDt)Qt]+λ·r[(Rt,St),Pt]3)固定(Rt,St,IDt)。將Qt和Pt分別更新成Qt+1和Pt+1以便Qt+1和Pt+1一起滿足以下最小式min(Q,P){J(λ)=d[I0,(Rt,St,IDt)Q]+λ·r[(Rt,St,),P]}]]>其中以上的最小化對(duì)所有的量化表Q和所有的行程尺寸概率分布P進(jìn)行。要注意的是Pt+1可以選定為(Rt,St)的經(jīng)驗(yàn)行程尺寸分布。4)對(duì)t=0,1,2,...重復(fù)進(jìn)行步驟2)和3)直到Jt(λ)-Jt+1(λ)≤ε。接著輸出(Rt+1,St+1,IDt+1),Qt+1和Pt+1。由于拉格朗日成本函數(shù)在每一步中并不增加,因此保證了收斂性。迭代算法的核心是步驟2)和步驟3),即,找到序列以用給定的Q和P最小化拉格朗日成本J(λ),并用圖像的新指數(shù)更新量化步長(zhǎng)。這兩步將在以下分別敘述?;谇€圖的行程編碼優(yōu)化如上所述,即便根據(jù)圖像自適應(yīng)的量化表,JPEG量化缺乏局部自適應(yīng)性,這顯示出從系數(shù)指數(shù)本身的優(yōu)化依然剩余潛在的增益。這種增益可在步驟2)中使用。優(yōu)化閥值(參見(jiàn)參考文獻(xiàn)[7])僅考慮了系數(shù)指數(shù)的部分優(yōu)化,即忽略在R-D方向(R-Dsense)中不顯著的系數(shù)。我們提出了一種高效的基于曲線圖的優(yōu)化搜索算法以優(yōu)化在R-D方向中的全部系數(shù)指數(shù)。它不僅能忽略(drop)非顯著的系數(shù),而且還能將它們從一種分類變?yōu)榱硪环N——如果在R-D方向中需要,甚至將零系數(shù)變?yōu)楹苄〉姆橇阆禂?shù)也是可能的。換句話說(shuō),我們的基于曲線圖的最佳路徑搜索算法在所有的可能系數(shù)指數(shù)(或等效地,優(yōu)化行程尺寸對(duì))中發(fā)現(xiàn)優(yōu)化系數(shù)指數(shù)以最小化拉格朗日成本。由于給定了Q和P,因此拉格朗日成本J(λ)是以塊方式(block-wise)增加的,在步驟2)中的最小化能通過(guò)一塊接一塊的方式解決。也就是說(shuō),可以為每個(gè)8×8圖像塊獨(dú)立地確定優(yōu)化序列(R,S,ID)。這樣,在以下中,我們僅限于討論一個(gè)8×8的圖像塊。讓我們限定一個(gè)具有65個(gè)節(jié)點(diǎn)(或狀態(tài))的定向圖。如在圖3中所示,首先的64個(gè)狀態(tài),其用數(shù)字i=0,1,...,63表示,相應(yīng)于鋸齒形順序中8×8圖像塊的64個(gè)系數(shù)指數(shù)。最后一個(gè)狀態(tài)是稱之為末狀態(tài)(endstate)的特定狀態(tài),其被用來(lái)處理EOB(end-of-block(塊末端))。每個(gè)狀態(tài)i(i≤63)可以具有從相應(yīng)于在(R,S)對(duì)中的run、R的先前的16個(gè)狀態(tài)j(j<i)引入的連接。(在JPEG語(yǔ)法中,R從0到15取值)。末狀態(tài)可以具有從具有表示EOB編碼(即,在第i個(gè)系數(shù)后的編碼(0,0))的狀態(tài)i(i≤62)來(lái)的每個(gè)連接的所有其他狀態(tài)來(lái)的引入連接。狀態(tài)63進(jìn)到狀態(tài)端點(diǎn)而沒(méi)有EOB代碼。對(duì)于給定的狀態(tài)i(i≤63)以及它的前趨i-r-1(0≤r≤15),在它們之間存在10個(gè)并行的過(guò)渡,其相應(yīng)于在(R,S)對(duì)中的尺寸組,S。為了簡(jiǎn)明起見(jiàn),我們僅僅畫(huà)出在圖3中所示的曲線圖中的一個(gè)過(guò)渡;整個(gè)曲線圖都需要S的延伸。對(duì)于每個(gè)i,其中i>15,從相應(yīng)于對(duì)(15,0)的狀態(tài)i-16到狀態(tài)i還存在一個(gè)過(guò)渡,即,ZRL(零行程)編碼。我們從狀態(tài)i-r-1到狀態(tài)i將成本分配給每個(gè)過(guò)渡(r,s),其中該成本被限定為當(dāng)?shù)趇th個(gè)DCT系數(shù)被量化為尺寸組s(即,該系數(shù)指數(shù)需要s位來(lái)表示它的幅度)并且在該第ith個(gè)DCT系數(shù)被量化為零之前所有的r個(gè)DCT系數(shù)立即出現(xiàn)時(shí)從從狀態(tài)i-r-1到狀態(tài)i進(jìn)行的拉格朗日成本。具體地,這個(gè)增加的成本等于Σj=i-1i-1Cj2+|Ci-qi·IDi|2+λ·(-log2P(r,s)+s)---(13)]]>其中,Cj,j=1,2,...,63,為第jth個(gè)DCT系數(shù),IDi為相應(yīng)于尺寸組s的同類指數(shù),其中該尺寸組在由該尺寸組s所指定的分類中的所有同類指數(shù)之間使Ci產(chǎn)生最小化失真,而qi為第ith個(gè)量化步長(zhǎng)。類似地,對(duì)于從狀態(tài)i(i≤62)到末狀態(tài)的過(guò)渡,它的成本限定為Σj=i+163Cj2+λ·(-log2P(0,0))---(14)]]>從狀態(tài)63到末狀態(tài)的過(guò)渡未分配成本。很容易看出,根據(jù)以上的描述,8×8塊的行程尺寸對(duì)的每個(gè)序列相應(yīng)于具有拉格朗日成本的從狀態(tài)0到末狀態(tài)的一條路徑。例如,塊的行程尺寸對(duì)序列(0,5),(4,3),(15,0),(9,1),(1,0)相應(yīng)于圖4所示的路徑。另一方面,在定向圖中并不是所有從狀態(tài)0到末狀態(tài)都代表8×8塊的行程尺寸對(duì)的合法序列。我們將稱這樣的路徑是非法路徑。例如,從狀態(tài)0到狀態(tài)1的過(guò)渡(0,5)以及從狀態(tài)1到狀態(tài)17的過(guò)渡(15,0)和從狀態(tài)17到末狀態(tài)的過(guò)渡(0,0)構(gòu)成的路徑就是非法路徑,并且其不表示8×8塊的行程尺寸對(duì)的合法序列。當(dāng),不難看出,對(duì)于任意非法路徑,總是存在合法路徑,該合法路徑的拉格朗日成本要比非法路徑的要小。因此,在包括了合法路徑和非法路徑的所有可能路徑中從狀態(tài)0到末狀態(tài)具有最小總的拉格朗日成本的最佳路徑一定是合法路徑。此外,最佳路徑連同其相應(yīng)的如在公式(13)中所確定的同類指數(shù)一起為任意給定的Q,P和8×8塊獲得了步驟2)中的最小化。同樣地,我們可以將快速動(dòng)態(tài)編程算法應(yīng)用到整個(gè)定向圖,以便為給定的8×8塊找到優(yōu)化序列。應(yīng)當(dāng)指出的是,基線JPEG語(yǔ)法并不會(huì)為8×8塊產(chǎn)生由(15,0)結(jié)束的序列(R,S)。理論上,通過(guò)我們的動(dòng)態(tài)編程所找到的優(yōu)化(R,S)序列可以由(15,0)至狀態(tài)63而結(jié)束,即使其不太可能在實(shí)際應(yīng)用中發(fā)生(當(dāng)(15,0)的熵率(entropyrate)比(0,0)的熵率要小時(shí)才可能發(fā)生)。但,由(15,0)至狀態(tài)63結(jié)束的(R,S)序列為合法路徑并且可以由JPEG語(yǔ)法來(lái)正確地編碼/解碼。以下將更詳細(xì)的一步步描述該算法。開(kāi)始時(shí),該算法基于給定行程尺寸分布P而為每個(gè)行程尺寸對(duì)(r,s)預(yù)先計(jì)算λ·(-log2P(r,s)+s)。為每個(gè)狀態(tài)i,遞歸預(yù)計(jì)算由忽略在狀態(tài)前的前述1至15個(gè)系數(shù)獲得的失真以及在該狀態(tài)結(jié)束該塊的余數(shù)成本。該算法從狀態(tài)0(DC系數(shù))開(kāi)始。忽略所有AC系數(shù)的成本存儲(chǔ)在J0中。接著,進(jìn)到狀態(tài)1(第一AC系數(shù))。存在十條路徑從狀態(tài)0開(kāi)始到狀態(tài)1。這十條路徑相應(yīng)于該第一AC指數(shù)可以落入的10個(gè)尺寸分類。與每條路徑關(guān)聯(lián)的成本使用公式(13)來(lái)計(jì)算,其中還預(yù)先計(jì)算在(13)中的第一項(xiàng),而IDi如下來(lái)確定。為了簡(jiǎn)明起見(jiàn),這里我們只考慮正指數(shù);對(duì)稱性地可以類似地處理負(fù)指數(shù)。假定IDi‘為響應(yīng)輸入Ci的具有步長(zhǎng)qi的硬決策量化器的輸出,其落入到由s‘所指定的分類中。如果s=s‘,則由于在這樣的尺寸組中IDi導(dǎo)致了Ci的最小失真,因此選定IDi作為IDi‘。如果s<s‘,則由于這個(gè)最大的數(shù)導(dǎo)致了在這個(gè)組中的最小失真,因此選定IDi作為該尺寸組s中的最大數(shù)。類似地,如果s>s‘,則選定IDi作為該尺寸組s中的最小數(shù)。在計(jì)算出十個(gè)增加成本后,我們可以找到從狀態(tài)0到狀態(tài)1的最小成本并能夠記錄該最小成本以及導(dǎo)致到狀態(tài)1的最小成本的行程尺寸對(duì)(r,s)。接著,將忽略(dropping)從2到63的所有系數(shù)的成本加入到狀態(tài)1的最小成本。這個(gè)總和存儲(chǔ)在Ji中,其即為當(dāng)?shù)谝籄C系數(shù)為要被發(fā)送的最后的非零系數(shù)時(shí)這個(gè)塊的總的最小成本。進(jìn)行到狀態(tài)2,從狀態(tài)0到狀態(tài)2存在110條路徑。在這些路徑中,十條路徑是直接從狀態(tài)0到狀態(tài)2,而100條路徑是從狀態(tài)0通過(guò)狀態(tài)1到狀態(tài)2(10乘10)。確定在狀態(tài)2終止的最佳路徑的最有效的方法是使用動(dòng)態(tài)編程算法。由于與在狀態(tài)0和狀態(tài)1終止關(guān)聯(lián)的最小成本是已知的,因此找到終止在狀態(tài)2中的最小成本路徑的工作就是簡(jiǎn)單地找到從狀態(tài)0到狀態(tài)2和從狀態(tài)1到狀態(tài)2的最小增加成本。分別將這兩個(gè)最小增加成本加入狀態(tài)0和狀態(tài)1的最小成本;在這兩個(gè)總和之中較小的一個(gè)就是狀態(tài)2的最小成本。這個(gè)最小成本和導(dǎo)致該最小成本的行程尺寸對(duì)(r,s)都存儲(chǔ)在狀態(tài)2中。接著,將忽略所有從3到63的系數(shù)的成本加入到狀態(tài)2的最小成本。該總和存儲(chǔ)在Ji中,其即為當(dāng)?shù)诙嗀C系數(shù)為要被發(fā)送的最后的非零系數(shù)時(shí)這個(gè)塊的總的最小成本。要注意的是,如果到狀態(tài)2的最小路徑是直接從狀態(tài)0來(lái)的,則在所存儲(chǔ)的狀態(tài)2的行程尺寸對(duì)(r,s)中所存儲(chǔ)的r為1,這意味著該第一AC被量化或強(qiáng)制為0。如果該到狀態(tài)2的最小路徑是從狀態(tài)1來(lái)的,則所存儲(chǔ)的r為0,這意味著該第一AC指數(shù)是非零的。該遞歸繼續(xù)到第三系數(shù),直到在位置63的最后的系數(shù)也進(jìn)行完了。此時(shí),我們比較Jk(k=0,1,...,63)的值,并找到最小值,也就是說(shuō),對(duì)某個(gè)k*的Jk。通過(guò)在每個(gè)狀態(tài)中所存儲(chǔ)的對(duì)(r,s)的幫助下從k*返回,可以在所有可能的路徑中找到從狀態(tài)0到末狀態(tài)具有最小成本的最佳路徑,從而得到給定8×8塊的優(yōu)化序列(R,S,ID)。這個(gè)算法的偽碼如圖6a、6b和6c所示。以上的處理是全動(dòng)態(tài)編程方法。為了進(jìn)一步降低計(jì)算的復(fù)雜性,我們可以對(duì)其進(jìn)行細(xì)微地修改。具體地,在實(shí)際中我們并不一定要比較在從一個(gè)狀態(tài)到另一個(gè)狀態(tài)的10或11個(gè)并行過(guò)渡中增加的成本。反而,對(duì)我們來(lái)說(shuō),只要比較在與尺寸組s-1,s,和s+1關(guān)聯(lián)的過(guò)渡中的增加成本就已經(jīng)足夠了,其中s為相應(yīng)于給定硬決策量化器的輸出的尺寸組。與其他組關(guān)聯(lián)的過(guò)渡最有可能導(dǎo)致更大的增加成本。我們應(yīng)當(dāng)比較在以下所述的實(shí)驗(yàn)結(jié)果中這兩個(gè)方案的復(fù)雜性和性能差異。優(yōu)化量化表更新為了更新在步驟3)中的量化步長(zhǎng),我們需要解決以下的最小化問(wèn)題minQd[I0,(R,S,ID)Q]]]>由于一旦給定了(R,S,ID),則壓縮率就與Q無(wú)關(guān),其中I0表示要被壓縮的原始圖像,Q=(q0,q1,...,q63)代表了量化表。讓Ci,j表示以第jth塊的鋸齒形順序中在第ith個(gè)位置處的I0的DCT系數(shù)。序列(R,S,ID)確定DCT指數(shù),即,由量化步長(zhǎng)歸一化量化的DCT系數(shù)。讓Ki,j表示以從(R,S,ID)獲得的第jth塊的鋸齒形順序在第ith個(gè)位置的DCT指數(shù)。接著,通過(guò)Ki,jqi給定以第jth塊的鋸齒形順序中在第ith個(gè)位置處的量化的DCT系數(shù)。根據(jù)Ci,j和Ki,jqi,我們可以將d[I0,(R,S,ID)Q]重寫(xiě)為d[I0,(R,S,ID)Q]=Σl-163Σj=1Num_blk(Ci,j-Ki,jqi)2---(15)]]>其中Num_Blk為在給定圖像中的8×8塊的數(shù)量。在公式(15)中,其遵循d[I0,(R,S,ID)Q]的最小化可以通過(guò)獨(dú)立地為每個(gè)i=1,2,...,63最小化公式(15)內(nèi)部總和而獲得。我們的目的是找到一組新的量化步長(zhǎng)(1≤i≤63)來(lái)最小化minq^iΣj=1Num_blk(Ci,j-Ki,jqi),i=1,...,63---(16)]]>公式(16)可以寫(xiě)作minq^iΣj=1Num_blkCi,j2-2Ci,jKi,jq^i+Ki,j2q^i2,i=1,...,63---(17)]]>這些二次函數(shù)的最小化可以對(duì)公式(17)的取導(dǎo)數(shù)而估算。當(dāng)按下式時(shí),獲得了公式(16)的最小化q=Σj=1Num_blkCi,j·Ki,jΣj=1Num_blkKi,j2,i=1,...,63]]>從而更新在步驟3)中的步長(zhǎng)。基于柵格的DC優(yōu)化在這部分,我們根據(jù)量化步長(zhǎng)和霍夫曼表考慮量化的DC系數(shù)的聯(lián)合優(yōu)化。在JPEG語(yǔ)法中,量化的DC系數(shù)使用一維預(yù)測(cè)器差異性編碼,其為先前的量化DC值。由于對(duì)量化DC編碼的成本僅僅取決于先前量化的DC系數(shù),因此在聯(lián)合優(yōu)化中使用柵格。讓我們限定柵格具有N個(gè)階段,其相應(yīng)于DC系數(shù)的數(shù)量,即,在重新開(kāi)始的間隔中8×8塊的數(shù)量(DC系數(shù)的預(yù)測(cè)初始于在每個(gè)重新開(kāi)始的間隔和每個(gè)掃描開(kāi)始的0處(參見(jiàn)參考文獻(xiàn)[1])。每個(gè)階段都具有M個(gè)狀態(tài),其相應(yīng)于DC指數(shù)能取的不同值,同時(shí)在相鄰階段中的狀態(tài)能完全連接,如同在圖5中所示的。在每個(gè)階段中的每個(gè)狀態(tài)都與作為從初始狀態(tài)到該狀態(tài)的最小成本的成本關(guān)聯(lián)。找到優(yōu)化DC指數(shù)序列的處理從0階段開(kāi)始直至N-1階段。在N-1階段,具有最小成本的狀態(tài)被挑選出來(lái)并且從0階段到N-1階段的具有最小成本的最佳路徑被向后描繪出,從而產(chǎn)生優(yōu)化DC指數(shù)序列。以下將更具體地一步步描述該處理。讓x(i,j)表示在階段i中的第jth個(gè)狀態(tài)(0≤i≤N-1,0≤j≤M-1),讓v(i,j)表示相應(yīng)于狀態(tài)x(i,j)的Dc指數(shù)值。讓cost_mini(i,j)表示從初始狀態(tài)到x(i,j)的最小成本。讓cost_inc(i-1,j’,i,j)表示從x(i-1,j’)到x(i,j)的增加成本,其限定如下cost_inc(i-1,j’,i,j)=|DC1-q0·v(i,j)|2+λ·(-log2P(S)+S)(19)其中q0為用于DC系數(shù)的量化步長(zhǎng),DCi為第ith個(gè)系數(shù),S為|v(i,j)-v(i-1,j’)|之差的組類,而P(S)為在12個(gè)尺寸類(0≤S≤11)中的概率。與初始狀態(tài)關(guān)聯(lián)的成本被設(shè)定為0。我們從階段0開(kāi)始。由于每個(gè)狀態(tài)只有一個(gè)引入路徑,因此在0階段中對(duì)每個(gè)狀態(tài)的成本為從初始狀態(tài)增加的成本。接著,我們轉(zhuǎn)到階段1并從狀態(tài)0開(kāi)始。從x(0,j’)到x(1,0)存在M條引入路徑(0≤j’≤M-1)。使用公式(19)來(lái)計(jì)算M個(gè)增加成本(即,cost_inc(i-1,j’,1,0))同時(shí)將這些M個(gè)增加成本分別加入到與在階段0處的M個(gè)狀態(tài)關(guān)聯(lián)的M個(gè)最小成本。選定最小的并將其記錄為狀態(tài)x(1,0)的cost_mini(1,0)。為了回撤的目的還記錄優(yōu)化前趨。以相同的方式,我們需要為在階段1中的其他M-1個(gè)狀態(tài)找到cost_mini(1,j)(0≤j≤M-1)和優(yōu)化前趨。該過(guò)程對(duì)階段2繼續(xù)進(jìn)行直到階段N-1。此時(shí),我們?yōu)?≤j≤M-1找到了具有最小cost_mini(N-1,j)的j*。這個(gè)cost_mini(N-1,j*)為從初始狀態(tài)到階段N-1的最佳路徑的最小成本。在每個(gè)狀態(tài)中所存儲(chǔ)的優(yōu)化前趨的幫助下通過(guò)從j*回撤,可以找到從初始狀態(tài)到階段N-1的最優(yōu)路徑。從而,得到優(yōu)化DC指數(shù)序列。在獲得優(yōu)化DC指數(shù)序列后,如以上所討論的,我們可以以相同的方式更新P(S)和量化步長(zhǎng)q0。接著如同我們?yōu)楦鶕?jù)量化步長(zhǎng)和霍夫曼表聯(lián)合優(yōu)化量化AC系數(shù)所作的一樣,重復(fù)該優(yōu)化處理。在基線JPEG中DC指數(shù)能上達(dá)2047個(gè)不同的值(-1023至1023),其在每階段中需要2047個(gè)狀態(tài)。大量的狀態(tài)不僅增加了以上算法的復(fù)雜性,而且還需要大量的存儲(chǔ)位置。實(shí)際上,如果DC系數(shù)被軟量化到與硬決策量化器的輸出相差很遠(yuǎn)的值,則最有可能導(dǎo)致更高的成本路徑。因此,在實(shí)際的基于柵格的DC量化的執(zhí)行中,我們可以只設(shè)置相應(yīng)于在硬決策量化器的輸出附近的DC指數(shù)的少量狀態(tài)。例如,我們可以在相應(yīng)于硬決策量化器輸出的具有中間狀態(tài)的每個(gè)階段只使用33個(gè)狀態(tài),而以上和以下的16個(gè)狀態(tài)分別相應(yīng)于比硬決策量化器的輸出要大或要小的16個(gè)鄰近指數(shù)。這就在輕微降低性能的同時(shí)顯著地降低了計(jì)算的復(fù)雜性和存儲(chǔ)器的需求。在圖7的流程中顯示了根據(jù)本發(fā)明一方面的用于聯(lián)合優(yōu)化行程編碼、霍夫曼編碼和量化表的處理。在步驟52,開(kāi)始迭代處理,如在圖8的流程圖中詳細(xì)概括的一樣。在步驟54,j,表示N個(gè)總塊的第jth塊的指數(shù),被設(shè)定為1。在步驟56,處理為塊j確定最佳路徑,在這種情況下,為第一塊。這將在圖9中的流程圖中詳細(xì)概括。在查詢58,其確定了j是否為最后的塊。這通過(guò)將j與N(總的塊數(shù)量)進(jìn)行比較而得。如果j比N要小,則在步驟60中增加j。為每個(gè)塊j找到最佳路徑的處理繼續(xù),直到j(luò)=N。當(dāng)j=N時(shí),就確定了N個(gè)塊的每個(gè)的最佳路徑。在步驟62中計(jì)算J(λ)的第(t+1)th個(gè)值作為與N個(gè)塊的每個(gè)關(guān)聯(lián)的總的最小失真。然后,該值與在查詢64中的J(λ)的第tth個(gè)值進(jìn)行比較。若在J(λ)的第tth個(gè)值與J(λ)的第(t+1)th個(gè)值之間的差小于ε(選擇標(biāo)準(zhǔn),或更具體地,收斂性判別標(biāo)準(zhǔn)),則認(rèn)為已完成了優(yōu)化。若不是這種情況,則聯(lián)合優(yōu)化處理轉(zhuǎn)到步驟66并且更新量化表Qt+1,如在圖12的流程圖中所詳細(xì)概括的。在步驟68,使用第(t+1)th個(gè)概率分布函數(shù)來(lái)計(jì)算與行程尺寸對(duì)(r,s)關(guān)聯(lián)的熵率。在步驟70,增加指數(shù)t,隨后執(zhí)行額外的迭代。若確定了滿足在查詢64中的選擇標(biāo)準(zhǔn),則使用與行程尺寸對(duì)(r,s)關(guān)聯(lián)的第(t+1)th個(gè)概率分布函數(shù)在步驟72中產(chǎn)生定制的霍夫曼表。步驟74使用這些定制的霍夫曼表來(lái)對(duì)行程尺寸對(duì)和指數(shù)編碼。用于聯(lián)合優(yōu)化行程編碼、霍夫曼編碼和量化表的處理完成?,F(xiàn)參考圖8的流程圖,更詳細(xì)地描述在圖7的流程圖的步驟52中的迭代處理的初始化。在步驟82,選擇拉格朗日乘子,λ。它是表示用于失真的比率折衷的固定參數(shù)。在步驟84,選擇收斂性判別標(biāo)準(zhǔn)ε。這就是通過(guò)連續(xù)迭代的拉格朗日成本,Jt(λ),的量被認(rèn)為該迭帶是成功和完成必須低于的的量。在步驟86,產(chǎn)生初始量化表Q0。步驟88使用給定的圖像I0和在先前步驟中產(chǎn)生的量化表Q0來(lái)確定行程尺寸分布P0(r,s)。在步驟90,該行程尺寸分布接著用于計(jì)算與行程尺寸對(duì)(r,s)關(guān)聯(lián)的熵率。在步驟92,基于原始DCT系數(shù)和拉格朗日算子λ而計(jì)算初始的拉格朗日成本J0(λ)、量化表Q0和與行程尺寸對(duì)(r,s)關(guān)聯(lián)的熵率。在步驟94,將N設(shè)定為等于圖像塊的數(shù)量,而在步驟96,當(dāng)指數(shù)被強(qiáng)制到尺寸組0時(shí),為給第ith個(gè)DCT系數(shù)發(fā)送的指數(shù)ID(i,0)被設(shè)定為0,其中,15<i<63。最后,在步驟98,迭代指數(shù)t設(shè)定等于0并且完成初始化迭代處理的處理。現(xiàn)參考圖9的流程圖,在圖7中的流程圖更詳細(xì)地描述了用于為步驟56的塊j確定最佳路徑的處理。在步驟112,初始化塊j,如在圖10的流程圖中詳細(xì)概括的。在步驟114,currentminicost,為塊j的狀態(tài)i存儲(chǔ)當(dāng)前最低拉哥朗日成本的變量,被設(shè)定為大數(shù)。在步驟116,變量k被分配一個(gè)值,以表示從先前狀態(tài)引入連接的數(shù)。若i>15,則k被分配的值是15。若i≤15,則k=i-1。在步驟118,與行程關(guān)聯(lián)的變量r被設(shè)定為等于0,而在步驟120,與尺寸組關(guān)聯(lián)的變量s被設(shè)定為0。在查詢122,處理確定關(guān)系式s=0和r<15是否為真。若不是這種情況,則在步驟124計(jì)算對(duì)狀態(tài)i的成本,正如在圖11的流程圖中所詳細(xì)概括的一樣。在查詢126,對(duì)狀態(tài)i的成本與當(dāng)前最小的成本,current_cost,進(jìn)行比較。若J,對(duì)狀態(tài)i的成本比current_cost要少,則用J替換current_cost并且在步驟128將變量r、s、id(i,s)和J存儲(chǔ)到狀態(tài)i。在當(dāng)前成本不少于current_minicost時(shí)從步驟128,以及從查詢126,當(dāng)找到s=0和r<15持續(xù)為真時(shí)從查詢122,處理轉(zhuǎn)到查詢130,其詢問(wèn)s是否少于10。若s<10,則在步驟132增加s并且與計(jì)算對(duì)狀態(tài)i的成本關(guān)聯(lián)的迭代與更新的變量一起重復(fù)。若在查詢130中s≥10,則查詢134詢問(wèn)r是否小于k。若r<k,則在步驟136中r增加,在步驟120中將s重置為0,并且重復(fù)用于計(jì)算對(duì)狀態(tài)i的成本的迭代。但,若r不少于k,則查詢138詢問(wèn)i是否少于63。若存在這種情況,則在步驟140增加i并且重復(fù)整個(gè)迭代。若i不少于63,則認(rèn)為所有的成本都已被計(jì)算并且在步驟142中通過(guò)回撤而確定塊j的最佳路徑。在步驟144,從最佳路徑來(lái)的行程尺寸對(duì)(r,s)用來(lái)更新行程尺寸概率分布函數(shù)Pt+1(r,s),同時(shí)完成對(duì)塊j找尋最佳路徑的處理?,F(xiàn)參考圖10的流程圖,更詳細(xì)地描述圖9的流程圖中步驟112的用于塊j的初始化。在步驟152中,塊成本的末端,對(duì)0≤i≤62,遞歸地計(jì)算eob_cost(i)。這相應(yīng)于在狀態(tài)i后忽略所有系數(shù)的成本。在步驟154,失真,對(duì)i≤r≤15和2≤i≤63,遞歸地計(jì)算dist(r,i)。這涉及到忽略在狀態(tài)i-r-1和狀態(tài)i之間的所有系數(shù)的均方失真(MSE)。在步驟156,第二失真度量(distortionmetric),對(duì)于1≤i≤63和1≤s≤10,計(jì)算d(i,s)。當(dāng)相應(yīng)的指數(shù)強(qiáng)制到尺寸組s中時(shí),這是從第ith個(gè)DCT系數(shù)(1≤i≤63)導(dǎo)出均方失真(MSE)。在步驟158,當(dāng)指數(shù)在尺寸組s中時(shí),計(jì)算用于第i個(gè)DCT系數(shù)的要被發(fā)送的指數(shù)id(i,s),其中1≤i≤63和1≤s≤10。最后,在步驟160,狀態(tài)值數(shù)i被設(shè)定為等于1同時(shí)完成對(duì)塊j的初始化?,F(xiàn)參考圖11的流程圖,用于計(jì)算對(duì)狀態(tài)i的成本的過(guò)程,在圖9的流程圖的步驟124進(jìn)行了詳細(xì)描述。查詢172詢問(wèn)s是否等于0。若發(fā)現(xiàn)這種情況為真,則步驟174確定從狀態(tài)i-r-1(其中r=15)到狀態(tài)i增加的失真作為在忽略狀態(tài)i-16和i之間所有系數(shù)的均方失真和忽略在當(dāng)前塊中的第ith個(gè)DCT系數(shù)的均方失真的總和。接著,在步驟176中計(jì)算對(duì)狀態(tài)i的的成本,來(lái)作為對(duì)狀態(tài)i-r-1的成本、從狀態(tài)i-r-1到狀態(tài)i增加的失真、以及與由λ測(cè)量的與行程尺寸對(duì)(15,0)關(guān)聯(lián)的熵率的總和。若s在查詢172不等于0,則在步驟178中計(jì)算增加的失真作為忽略在狀態(tài)i-r-1和狀態(tài)i之間所有系數(shù)的均方失真和當(dāng)若強(qiáng)制到尺寸組s中則相應(yīng)的指數(shù)時(shí)從第i個(gè)DCT系數(shù)所得的均方失真的總和。接著在步驟180中計(jì)算對(duì)狀態(tài)i的成本作為對(duì)狀態(tài)i-r-1的成本,加上從狀態(tài)i-r-1到狀態(tài)i的增加成本,加上與由λ測(cè)量的行程尺寸對(duì)(15,0)關(guān)聯(lián)的熵率的總和。當(dāng)該迭代的成本已經(jīng)在步驟176或步驟180中計(jì)算時(shí),完成對(duì)狀態(tài)i的成本計(jì)算?,F(xiàn)參考圖12的流程圖,詳細(xì)說(shuō)明圖7的流程圖的步驟66用于更新量化表Qt+1的處理。在步驟192中,分子陣列,num(i)對(duì)1≤i≤63初始為0。類似地,在步驟194,分母陣列,den(i)也對(duì)1≤i≤63初始為0。在步驟196,塊指數(shù)j初始為1。在步驟198,塊j從它的行程尺寸和指數(shù)格式恢復(fù)以產(chǎn)生系數(shù)指數(shù)陣列Ki,j。在步驟200,指數(shù)i,其表示在第j塊的鋸齒形順序中的位置被設(shè)定為1。在步驟202,計(jì)算在分子陣列中的第ith個(gè)值以作為它的當(dāng)前值和第jth個(gè)塊的原始的第ith個(gè)DCT系數(shù)和在以第jth個(gè)塊的鋸齒形順序中第ith個(gè)位置恢復(fù)的DCT系數(shù)的乘積的總和,正如在步驟198中從行程尺寸和指數(shù)格式一樣。在步驟204,計(jì)算在分母陣列中的第ith個(gè)值以作為它的當(dāng)前值和在以第jthu個(gè)塊的鋸齒形順序中第ith個(gè)位置的DCT指數(shù)的平方。查詢206詢問(wèn)i是否小于63。若i<63,則在步驟208中增加i并且計(jì)算與新的i關(guān)聯(lián)的分子和分母值。若在查詢206中i不小于63,則查詢210詢問(wèn)j是否比N(塊的總數(shù)量)小。如果j<N,則在步驟212增加j并且基于下一個(gè)塊執(zhí)行分子和分母的計(jì)算。否則在步驟214將i設(shè)定等于1。在步驟216,計(jì)算與在量化表Qt+1的鋸齒形順序中的第ith個(gè)位置關(guān)聯(lián)的值,qi,以作為在位置i的分母上的分子值。查詢218詢問(wèn)i是否小于63。若這種情況為真,則在步驟220增加i并且計(jì)算在量化表中的余數(shù)位置。否則,完成Qt+1的更新。參考圖13,其顯示根據(jù)本發(fā)明的優(yōu)選方面的用于執(zhí)行諸如與圖7-12相關(guān)聯(lián)的如上所述的壓縮方法的數(shù)據(jù)處理系統(tǒng)230的結(jié)構(gòu)圖。如所示,系統(tǒng)230包括顯示器232,其用于顯示例如要被傳輸?shù)膱D像等。類似地,存儲(chǔ)器234可以包括要被傳輸?shù)腏PEG或MPEG文件。在通過(guò)用戶界面236從用戶接收指令時(shí),微處理器238使用計(jì)算模塊和初始模塊(未示出)以上述描述的方式壓縮輸入的圖像數(shù)據(jù),隨后將壓縮的數(shù)據(jù)提供給子系統(tǒng)240。然后,通信子系統(tǒng)240向網(wǎng)絡(luò)242傳輸該壓縮的數(shù)據(jù)。如上所述,雖然從通信子系統(tǒng)240向網(wǎng)絡(luò)242傳輸?shù)姆绞娇梢允菬o(wú)線的或通過(guò)電話線,或通過(guò)更高帶寬的連接,但系統(tǒng)240可以集成到數(shù)碼相機(jī)或移動(dòng)電話中。實(shí)驗(yàn)結(jié)果AC系數(shù)的優(yōu)化上述的基于曲線圖的行程編碼優(yōu)化算法和迭代的聯(lián)合優(yōu)化算法為解碼器的兼容優(yōu)化可以適用于JPEG和MPEG編碼環(huán)境。它們兩者都以給定的量化表開(kāi)始。由于以上討論的量化步長(zhǎng)更新算法僅取得了局部?jī)?yōu)化性,因此如果必須使用默認(rèn)的量化表,則默認(rèn)的量化表的初始縮放比例對(duì)R-D性能有直接的影響。例如,圖14顯示了使用我們的基于曲線圖的行程編碼優(yōu)化方法對(duì)512×512的Barbara圖像的影響。曲線“a”相應(yīng)于默認(rèn)的量化表而曲線“b”相應(yīng)于0.5精密標(biāo)度(即,所有步長(zhǎng)長(zhǎng)度的一半)。這些曲線通過(guò)所有感興趣的正值清除拉格朗日算子λ而得到。對(duì)于比較的目的,通過(guò)縮放量化表而取得的R-D曲線也給定為“c”可以看出,我們可以從曲線“a”或曲線“b”取的點(diǎn)X的相同的失真。從曲線“a”我們可以使用小λ來(lái)得到點(diǎn)Y。(由于可以預(yù)乘熵率因此在執(zhí)行比率以降低復(fù)雜性之前替換λ;-1/λ在R-D曲線上具有坡度的物理意義)。從曲線“b”我們可以使用比較大地λ來(lái)得到點(diǎn)Z。即便對(duì)分檢索(binarysearch)方法能夠用來(lái)找到在R-D方向上優(yōu)化的初始比例縮放因子,根據(jù)經(jīng)驗(yàn)所確定的比例能很好地起作用并可以取得通過(guò)優(yōu)化方案所取得的大多數(shù)增益。在我們的實(shí)驗(yàn)中也使用了經(jīng)驗(yàn)方法。給定初始量化表,在迭代的聯(lián)合優(yōu)化算法中的疊代數(shù)還在計(jì)算復(fù)雜性和取得壓縮性能上有直接的影響。圖15比較了為512×512Lena圖像從一次迭代(僅優(yōu)化行程尺寸對(duì))、兩次迭代和全部迭代(收斂性判別標(biāo)準(zhǔn)ε設(shè)定為0.1同時(shí)迭代的結(jié)果的平均數(shù)為大約6)取得的R-D曲線??梢钥闯觯瑥娜柯?lián)合優(yōu)化所得到的大多數(shù)增益可以在兩次迭代中取得。如上所述,量化步長(zhǎng)更新算法僅能得到局部?jī)?yōu)化性。除了比例縮放的默認(rèn)量化表外,所提出的聯(lián)合量化算法還可以很輕易地被配置來(lái)從諸如從在參考文獻(xiàn)[3]-[5]中的任何方案所得的任意其他的量化表開(kāi)始。(應(yīng)當(dāng)指出的是,在參考文獻(xiàn)[3]-[5]中提出的方案僅僅解決了如何設(shè)計(jì)用于硬決策量化的優(yōu)化量化表;同樣地,從這些方案中所得到的量化表對(duì)我們?cè)诒景l(fā)明中所考慮的軟決策量化不是最優(yōu)的。但,作為用于我們迭代聯(lián)合優(yōu)化算法的初始量化表,這些量化表優(yōu)于比例縮放的默認(rèn)量化表。)在我們的試驗(yàn)中,我們選擇在參考文獻(xiàn)[5]中的快速算法來(lái)產(chǎn)生以此開(kāi)始的初始量化表。圖16和表I比較了我們的優(yōu)化方法和用于512×512Lena圖像的參考方法的不同配置的峰值信噪比(PeakSignal-NoiseRatio,PSNR)性能。圖17和表II比較了512×512Barbara圖像的相同性能。定制的霍夫曼表用在最后的熵編碼階段。幾條備注是按序的。首先,在參考文獻(xiàn)[7]和[9]中的優(yōu)化自適應(yīng)閥值方案是所提出的行程編碼優(yōu)化的子集。因此,建議的行程編碼優(yōu)化方案像我們期望的在任意位率下的兩個(gè)圖像優(yōu)于優(yōu)化自適應(yīng)閾值方案。其次,由于在低位率更多的系數(shù)被量化為零,因此量化表優(yōu)化在低位率起著較少的作用。所提出具有初始縮放比例默認(rèn)量化表的聯(lián)合優(yōu)化方案在低位率可以比在參考文獻(xiàn)[9]中的聯(lián)合優(yōu)化方案取得更好的結(jié)果。第三,對(duì)于例如Barbara等的復(fù)雜圖像,由于存在更多要被優(yōu)化的非零系數(shù),因此所提出的具有從參考文獻(xiàn)[5]所產(chǎn)生的初始量化表的聯(lián)合優(yōu)化方案在所有位率相比于在參考文獻(xiàn)[9]中的聯(lián)合優(yōu)化方案要作得更好。對(duì)于例如Lina等簡(jiǎn)單圖像,由于量化表在低位率起著較小的作用,因此所提出的聯(lián)合優(yōu)化方案在低位率相比于在參考文獻(xiàn)[9]中的方案仍然能取得更好的結(jié)果。但,由于我們的方法并不在每次迭代中盡其可能地找出優(yōu)化量化步長(zhǎng),因此在參考文獻(xiàn)[9]的方案對(duì)于Lena圖像在高位率仍然能取得較好的結(jié)果。第四,相比于定制的基線JPEG,所提出的聯(lián)合優(yōu)化方案顯著地改進(jìn)了目標(biāo)PSNR,對(duì)于低位率的例如Barbara等復(fù)雜圖像,對(duì)比可知其性能超出了一些例如在1993年12月J.Shapiro的“Embededimagecodingusingzerotressofwaveletcoefficients(使用小波系數(shù)的零樹(shù)的內(nèi)嵌圖像編碼)”(IEEETrans.SignalProcessing,第41卷,第3445-3462頁(yè))(以下稱之為參考文獻(xiàn)[13])中所提出的Shapiro’s內(nèi)嵌零樹(shù)小波算法等現(xiàn)有技術(shù)的基于小波圖像編碼器的所報(bào)結(jié)果。表III和IV列出了所提出的優(yōu)化方案對(duì)于另外兩種圖像(512×512的Mandrill和Goldhill)的PSNR結(jié)果。表I具有不同優(yōu)化方法的PSNR比較(512×512的Lena)表II具有不同優(yōu)化方法的PSNR比較(512×512的Barbara)表III512×512的Mandrill的PSNR結(jié)果表IV512×512的Goldbill的PSNR結(jié)果計(jì)算復(fù)雜性現(xiàn)在我們介紹一些行程編碼優(yōu)化算法和迭代聯(lián)合優(yōu)化算法的計(jì)算復(fù)雜性的結(jié)果。如上所述,給定狀態(tài)和前趨,我們可以通過(guò)比較所有的10個(gè)寸組或3個(gè)尺寸組(即,從硬決策量化器來(lái)的尺寸組和從軟決策量化器來(lái)的尺寸組)來(lái)找出最小的增加成本。我們的實(shí)驗(yàn)顯示了這兩個(gè)方案在所感興趣的區(qū)域中取得了相同的性能。僅在λ非常大時(shí),我們可以看出比較10個(gè)尺寸組的結(jié)果略微好于比較3個(gè)尺寸組的結(jié)果。但,實(shí)際上,由于會(huì)導(dǎo)致大的失真或不能接收的低劣圖像質(zhì)量,因此并不使用很大的λ值。因此,在本發(fā)明中所有的實(shí)驗(yàn)結(jié)果都可以通過(guò)比較3個(gè)尺寸組而得到。表V列出了在奔騰PC(PentiumPC)上對(duì)512×512的Lena圖像進(jìn)行一次迭代時(shí)用于所提出的聯(lián)合優(yōu)化算法的C代碼執(zhí)行的CPU時(shí)間。可以看出,我們的算法相比于參考文獻(xiàn)[7]和[9]中的方案是非常高效的(對(duì)512×512的圖像在SPARC-II工作站上,參考文獻(xiàn)[7]中的快速閥值算法一次迭代花費(fèi)大約6.1秒;而在參考文獻(xiàn)[9]中的方案一次迭代花費(fèi)大約幾十秒)。當(dāng)將所提出的聯(lián)合優(yōu)化算法應(yīng)用于網(wǎng)路圖像加速時(shí),其花費(fèi)大約0.2秒來(lái)用2次迭代優(yōu)化通常尺寸(300×200)JPEG彩色圖像。表V.在所提出的聯(lián)合優(yōu)化算法在奔騰PC上一次迭代的CPU時(shí)間(512×512Lena)DC系數(shù)的優(yōu)化在先前的實(shí)驗(yàn)中并沒(méi)有優(yōu)化量化的DC系數(shù)。與AC系數(shù)不同,DC系數(shù)通常非常大并且對(duì)于在JPEG語(yǔ)法中的霍夫曼編碼差別只有12個(gè)尺寸組(與AC系數(shù)的162個(gè)不同的行程尺寸對(duì)相反)。因此,從基于柵格的DC系數(shù)來(lái)的增益是有限的。當(dāng)從DC優(yōu)化來(lái)的增益平均為位率時(shí),在PSNR上的所有改進(jìn)都是可以忽略的。為了顯示從在部分V中所概括基于柵格的DC優(yōu)化所得到的性能的改進(jìn),圖18圖示了對(duì)于512×512Lena圖像的DC熵vs.DC失真。從這些繪圖,即便增益非常有限,我們也可以清楚地看出在縮放比例的步長(zhǎng)上基于柵格的DC優(yōu)化算法的改進(jìn)。部分II行程編碼、基于上下文的算術(shù)編碼和量化步長(zhǎng)的聯(lián)合優(yōu)化以上的討論提出了一種基于曲線圖的聯(lián)合優(yōu)化算法,其聯(lián)合優(yōu)化了JPEG編碼器的三個(gè)自由參數(shù)量化步長(zhǎng)、霍夫曼表和RUN-SIZE對(duì)格式的DCT指數(shù)。這種聯(lián)合優(yōu)化算法在計(jì)算上非常有效,并對(duì)已有的JPEG和MPEG編碼器具有完全的兼容性?,F(xiàn)在,假定我們考慮不同的情況,其中拋開(kāi)對(duì)JPEG兼容性的要求,但相比于那些JPEG編碼器和解碼器,編碼器和解碼器都需要具有低計(jì)算復(fù)雜性。(這種情況常應(yīng)用于諸如JPEG壓縮圖像的重新編碼中)。我們應(yīng)當(dāng)如何進(jìn)一步改進(jìn)在上述JPEG兼容的聯(lián)合優(yōu)化的頂部的比率失真性能呢?一旦消除了JPEG兼容性的要求,任何現(xiàn)有技術(shù)中的圖像壓縮/解壓縮算法和方案,諸如,在1993年12月J.Shapiro的“Embededimagecodingusingzerotressofwaveletcoefficients(使用小波系數(shù)的零樹(shù)的內(nèi)嵌圖像編碼)”(IEEETrans.SignalProcessing,第41卷,第3445-3462頁(yè))(以下稱之為參考文獻(xiàn)[13])中所提出的Shapiro’s內(nèi)嵌零樹(shù)小波算法;在Said和W.A.Pearlman的“New,fast,andefficientimagecodecbasedonsetpartitioninginhierarchicaltrees”中所描述的.層次樹(shù)中的設(shè)定分離(SPIHT)(IEEETrans.Circuits,Syst.,VideoTechnol,第6卷,第243-249頁(yè),1996年6月)(以下稱之為“參考文獻(xiàn)[15]”);在D.Taubman的“HighperformancescalableimagecompressionwithEBCOT”中描述的具有最佳平截的內(nèi)嵌塊編碼(IEEETrans.ImageProcessing,第9卷,第1158-1170頁(yè),2000年7月)(以下稱之為“參考文獻(xiàn)[15]”);在X.Wu的“High-ordercontextmodelingandembeddedconditionalentropycodingofwaveletcoefficientsforimagecompression”中描述的小波系數(shù)或DCT系數(shù)的基于上下文的熵編碼(在Proc.31AsilomarConf.Signal,System,Computers,第1378-1382頁(yè),1997年11月);Tu,J.Liang,和T.Tran的“AdaptiveRunlengthCoding”(IEEESignalProcessingLetters,第10卷,第61-64頁(yè),2003年3月);和Tu和T.Tran的“Context-basedEntropyCodingofBlockTransformCoefficientsforImageCompression”(IEEETrans.ImageProcessing,第11卷,第1271-1283頁(yè),2002年11月)(以下分別稱之為“參考文獻(xiàn)[16]”、“參考文獻(xiàn)[17]”和“參考文獻(xiàn)[18]”);在T.Tran,J.Liang,和C.Tu的“LappedTransformviaTime-domainPre-andPost-Filtering”中描述的預(yù)置和后置濾波技術(shù)(IEEE.Trans.SignalProcessing,第51卷,第1557-1571頁(yè),2003年6月)(以下稱之為“參考文獻(xiàn)[19]”);都可能被應(yīng)用以改進(jìn)給定圖像的比率失真性能。但,由于他們固有的編碼結(jié)構(gòu),因此這些方法在編碼器和解碼器上不能滿足嚴(yán)厲的計(jì)算復(fù)雜性的需求。在這部分中將提供不同的方法。為了滿足嚴(yán)厲的計(jì)算復(fù)雜性的需求,我們用基于上下文的算術(shù)編碼來(lái)替代霍夫曼編碼。在這種方式中,我們避免了執(zhí)行在計(jì)算上高昂的小波變換和反向小波變換以及額外DCT變換和反向DCT變換,特別是在JPEG壓縮圖像重新編碼的情況下。為了改進(jìn)比率-失真性能,我們接著聯(lián)合第優(yōu)化行程編碼、基于上下文的編碼,和量化步長(zhǎng),如圖19中所示,在圖19中顯示了JPEG壓縮圖像的重新編碼。在圖20中顯示了未壓縮圖像的編碼。圖19和20顯示了根據(jù)本發(fā)明的一個(gè)方面的編碼器320在不同環(huán)境中的操作的方框圖。在圖19的情況中,輸入是JPEG圖像。如結(jié)合圖1的描述,本JPEG圖像已經(jīng)進(jìn)行了霍夫曼編碼和量化。因此,為了開(kāi)始量化、行程編碼和基于上下文算法編碼的聯(lián)合優(yōu)化,這個(gè)JPEG圖像首先必須在步驟322中解碼霍夫曼編碼而在步驟324中進(jìn)行量化?;诤铣傻腄CT系數(shù),在步驟326中的量化、在步驟328中的行程編碼和基于上下文的算術(shù)編碼(在步驟330中)的聯(lián)合優(yōu)化使用上下文模塊332來(lái)進(jìn)行。在圖20中,編碼器320對(duì)未壓縮的圖像340執(zhí)行操作,而不是如圖19中那樣對(duì)JPEG圖像進(jìn)行操作。類似于圖1的JPEG編碼器20,圖20的編碼器320首先將未壓縮的圖像340分割成8×8塊,然后,處理這些8×8的圖像塊。在DCT步驟342中通過(guò)8×8DCT每個(gè)塊都首先從圖像域轉(zhuǎn)換成DC域?;谠摵铣傻腄CT系數(shù),在步驟326中的量化、在步驟328中的行程編碼和在步驟330中的基于上下文的算術(shù)編碼的聯(lián)合優(yōu)化使用上下文模塊332來(lái)進(jìn)行。RUN和LEVEL的上下文建模JPEG標(biāo)準(zhǔn)使用行程編碼來(lái)將量化系數(shù)塊排序?yàn)橐匀缦滤驹黾宇l率的次序的鋸齒形序列(DC)(run,size)(Amplitude)...(run,size)(Amplitude)(EOB)接著對(duì)該序列進(jìn)行霍夫曼編碼。在上下文建模和關(guān)聯(lián)的熵編碼中,DCT系數(shù)的幅度通常被合并成尺寸部分以形成如下所示的(run,level)序列(DC)(run,level)(Amplitude)...(run,level)(Amplitude)(EOB)其中,RUN仍然表示先于非零的系數(shù)指數(shù)的連續(xù)零AC系數(shù)指數(shù)的數(shù)量,而LEVEL為非零系數(shù)指數(shù)的值。EOB符號(hào)表示在當(dāng)前塊中不存在額外的非零系數(shù)指數(shù)。Tu等人的[17]提出了上下文建模方案,其使用量化DCT塊的RUN-LEVEL序列屬性,諸如小RUN要比大RUN出現(xiàn)的頻率高,而具有小幅度的LEVEL比具有大幅度的LEVEL發(fā)生的頻繁等。接著,使用基于上下文的二進(jìn)制算術(shù)碼分別對(duì)RUN和LEVEL編碼(EOB視作特殊的RUN符號(hào))。為了由二進(jìn)制算術(shù)編碼器對(duì)非二進(jìn)制符號(hào)進(jìn)行編碼,該符號(hào)首先要被二進(jìn)制化。由于小RUN和小LEVEL出現(xiàn)比較頻繁,因此較短的二進(jìn)制序列應(yīng)當(dāng)分配給較小的RUN和LEVEL。在Tu等人的[17]中詳細(xì)描述了一種滿足這種需求的簡(jiǎn)單二進(jìn)制方案,其詳細(xì)描述如下RUN二進(jìn)制為由“1”跟隨的(RUN+1)“0’s”;EOB視為特定的RUN并二進(jìn)制為“1”;LEVEL二進(jìn)制為除了標(biāo)志位外由結(jié)尾“1”所跟隨的(|LEVEL|-1)“0’s”。塊的DC系數(shù)從其左邊相鄰的塊和它的頂部的DC值而預(yù)測(cè)。如果該預(yù)測(cè)的DC余數(shù)是非零,則以相同的方式將其二進(jìn)制作為規(guī)則的LEVEL符號(hào)的二進(jìn)制。由于不同位的統(tǒng)計(jì)可能大不一樣,因此不同的模型通常使用不同的位來(lái)最大化編碼的效率?;谏舷挛乃阈g(shù)編碼的聯(lián)合優(yōu)化基于上下文算術(shù)編碼的聯(lián)合優(yōu)化的基本構(gòu)思類似于在部分I中所描述的JPEG兼容性的聯(lián)合優(yōu)化。對(duì)所有(run,level)(或縮寫(xiě)為(R,L))對(duì)序列、所有可能的上下文模型M和所有可能的量化表Q進(jìn)行強(qiáng)制優(yōu)化。因此,該優(yōu)化問(wèn)題可以表述為如下min(R,L),M,Qd[I0,(R,L)Q]subjecttor[(R,L),M]≤rbudget---(20)]]>其中d[I0,(R,L)Q]表示在原始圖像I0和在所有AC系數(shù)上由(R,L)和Q所確定的重新構(gòu)建的圖像之間的失真,而r[(R,L),M]表示為從所選定的(R,L)對(duì)和上下文模型M所得的所有AC系數(shù)的壓縮率。等效的非強(qiáng)制性優(yōu)化問(wèn)題是min(R,L),M,Q{J(λ)=d[I0,(R,L)Q]+λ·r[(R,L),M]}---(21)]]>其中拉格朗日乘子λ是固定參數(shù),其表示用于失真比率的折中(tradeoff),而J(λ)為與拉格朗日成本。在本部分中,我們選擇適當(dāng)?shù)纳舷挛牟⒃诿看蔚械拿總€(gè)上下文中更新(或優(yōu)化)概率分布。接著,解決本非強(qiáng)制優(yōu)化問(wèn)題的迭代算法可以如下描述1)從給定圖像I0和量化表Q0初始化上下文模型分布P(M0)。設(shè)定t=0,并指定公差ε作為收斂性判別標(biāo)準(zhǔn)(convergencecriterion)。2)為任意t≥0固定P(Mt)和Qt。找到能滿足以下最小式的優(yōu)化序列(Rt,Lt)min(R,L){J(λ)=d[I0,(R,L)Qt]+λ·r[(R,L),P(Mt)]}]]>其中,由Jt(λ)表示d[I0,(Rt,Lt)Qt]+λ·r[(Rt,Lt),P(Mt)]3)固定(Rt,Lt)。將P(Mt)和Qt分別更新成P(Mt+1)和Qt+1以便P(Mt+1)和Qt+1一起滿足以下最小式minP(M),Q{J(λ)=d[I0,(Rt,Lt)Q]+λ·r[(Rt,Lt),P(M)]}]]>4)對(duì)t=0,1,2,...重復(fù)進(jìn)行步驟2)和3)直到Jt(λ)-Jt+1(λ)≤ε。接著輸出(Rt+1,Lt+1),Qt+1和P(Mt+1)。該迭代算法的核心是步驟2)和步驟3),即,找出序列(R,L)以最小化給定P(M)和Q的拉格朗日成本J(λ),并用該圖像新的指數(shù)更新量化步長(zhǎng)。在部分I中同樣的量化步長(zhǎng)更新算法也能用于后面的目的。下文中,我們專注于步驟2),即如何為給定上下文模型和量化步長(zhǎng)的分布,為每個(gè)塊找到優(yōu)化序列(R,L)。適用的上下文模型以下使用的上下文模型是一組從參考文獻(xiàn)[17]而來(lái)但為DC、RUN、和LEVEL稍微修改了的上下文模型,其合并在此作為參考。(1)用于DC余數(shù)的上下文模型為DC余數(shù)的幅值使用了兩個(gè)上下文,其是在當(dāng)前DC指數(shù)和頂部相鄰塊的DC指數(shù)之間的差別,并取決于頂部相鄰塊的DC余數(shù)是否為零。(2)用于第一個(gè)RUN的上下文模塊第一個(gè)RUN是以相鄰塊的平面為條件的。使用了五個(gè)上下文模型來(lái)對(duì)塊的第一個(gè)RUN編碼。前三個(gè)模型用來(lái)對(duì)相應(yīng)于具有非零的AC指數(shù)的左邊和上邊的相鄰塊之一,或全部,或全不是的第一個(gè)RUN的第一個(gè)二進(jìn)位編碼。第四模型用來(lái)為第一個(gè)RUN的第二個(gè)二進(jìn)位編碼,而第五模型用來(lái)為所有剩余的二進(jìn)制位編碼。應(yīng)當(dāng)指出的是,第一個(gè)RUN的五個(gè)上下文模型都僅在最后的熵編碼階段使用;在聯(lián)合優(yōu)化處理中并不會(huì)涉及它們(在聯(lián)合優(yōu)化處理中,我們只為第一RUN采用固定模型)。這是因?yàn)榈谝粋€(gè)RUN是以相鄰塊的平面熵為條件的,因此,在聯(lián)合優(yōu)化中包括第一個(gè)RUN將導(dǎo)致更復(fù)雜的聯(lián)合優(yōu)化算法。由于第一個(gè)RUN編碼僅使用了在位率中非常小的片斷,因此可以很好地調(diào)整壓縮。(3)用于其他RUN的上下文模型其他RUN符號(hào)以前述LEVEL的幅值和鋸齒形順序?yàn)闂l件的,其分別用m和zz表示。則上下文模型可以選定如(zz<6和m=1),(zz<6和m>1),(6≤zz<15和m=1)(6≤zz<15和m>1),(zz≥15)(22)此外,可以為第一個(gè)二進(jìn)位、第二個(gè)二進(jìn)位和所有剩余的二進(jìn)位使用不同的模型??偣?5個(gè)上下文模型都可以用于其他的RUN。(4)用于LEVEL幅值的上下文模型LEVEL的幅值以zz,當(dāng)前LEVEL的鋸齒形順序,和r,當(dāng)前RUN為條件。上下文模型選定為(0<zz<3),(3≤zz<6),(6≤zz<15和r<3)(15≤zz或3≤r)(23)此外,可以為第一個(gè)二進(jìn)位、和所有剩余的二進(jìn)位使用不同的模型??偣?個(gè)上下文模型都可以用于LEVEL幅值。一個(gè)額外的單個(gè)模型可以用于LEVEL和DC余數(shù)的標(biāo)記位但也不會(huì)進(jìn)入聯(lián)合優(yōu)化??偟膩?lái)說(shuō),可以使用31個(gè)二進(jìn)制上下文模型來(lái)對(duì)DCT系數(shù)指數(shù)編碼。基于曲線圖的RUN-LEVEL優(yōu)化類似于部分I的基于曲線圖優(yōu)化的構(gòu)思也用來(lái)在基于上下文算術(shù)編碼的聯(lián)合優(yōu)化中找出優(yōu)化序列(R,L)。但,由于現(xiàn)在通常給定鋸齒形順序和前述LEVEL的幅值編碼RUN,因此使用了與部分I中所考慮的不同的曲線圖。從RUN編碼的方式,可以遵循如下,在RUN編碼中所將量化的幅值(單一或非單一的)與前14個(gè)AC系數(shù)的鋸齒形順序一起使用;但,在前14個(gè)后的AC系數(shù)的量化振幅僅基于鋸齒形順序而不是基于幅值進(jìn)行編碼。為了解決該額外的依賴性,我們?yōu)榍?4個(gè)AC系數(shù)的每個(gè)限定一個(gè)或多個(gè)狀態(tài)。具體地,我們限定具有64個(gè)超級(jí)節(jié)點(diǎn)(或超級(jí)狀態(tài))的定向圖,其相應(yīng)于鋸齒形順序的8×8個(gè)圖像塊的64個(gè)系數(shù)指數(shù)以及末端狀態(tài)(末端節(jié)點(diǎn)),如圖21所示。相應(yīng)于前14個(gè)AC系數(shù)的前14個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)(狀態(tài)0相應(yīng)于DC系數(shù))包括兩個(gè)狀態(tài)(或節(jié)點(diǎn))一個(gè)稱之為基本狀態(tài),其表示相應(yīng)的AC系數(shù)的幅值>1(狀態(tài)1’到狀態(tài)14’),另一個(gè)稱之為擴(kuò)展?fàn)顟B(tài),其表示相應(yīng)的AC系數(shù)大額幅值等于1(狀態(tài)1到狀態(tài)14)。剩余的超級(jí)狀態(tài)(狀態(tài)15到狀態(tài)63以及狀態(tài)0)的每個(gè)僅具有一個(gè)狀態(tài)并被稱之為規(guī)則狀態(tài)。每個(gè)非末端的狀態(tài)都可以包括從前面16個(gè)超級(jí)節(jié)點(diǎn)來(lái)的引入連接(incomingconnection),其相應(yīng)于在(R,L)對(duì)中的RUN,R,其中R的取值是從0到15。末端狀態(tài)可以具有從其他所有狀態(tài)來(lái)的引入連接,其相應(yīng)于EOB節(jié)點(diǎn),即代碼(0,0)。狀態(tài)63到末端狀態(tài)而沒(méi)有EOB代碼。對(duì)于給定的基本狀態(tài)i’(1≤i’≤14)以及它的前趨i’-r-1(0≤r≤15)(雖然對(duì)于前14個(gè)狀態(tài)r≤13),在它們中間存在2m-2個(gè)平行的過(guò)渡,其中m為L(zhǎng)EVEL的最大幅值。要注意的是,前趨可以是基本狀態(tài)或擴(kuò)展?fàn)顟B(tài)。我們從狀態(tài)i’-r-1到狀態(tài)i’分配給每個(gè)過(guò)渡(r,l’)成本(-m≤l’≤m,|l’|>1),其被限定為當(dāng)?shù)趖’個(gè)DCT系數(shù)被量化為l’(|l’|>1)并且所有的r個(gè)DCT系數(shù)在第t’個(gè)DCT系數(shù)被量化為零之前立即出現(xiàn)時(shí)從狀態(tài)i’-r-1到狀態(tài)i’增加的拉格朗日成本。該增加成本被限定為Σj=l′-rl′-1Cj2+(Cl′-ql′·l′)+λ·f(r,l′),|l′|>1---(24)]]>其中Ci’和qi’分別為第ith個(gè)DCT系數(shù)和第ith個(gè)量化步長(zhǎng);而f(r,l’)為長(zhǎng)度函數(shù),其基于上下文模型M的當(dāng)前概率分布從過(guò)渡(r,l’)映射到熵率。要注意的是,給定上下文模型M的r的概率分布僅取決于前趨,而給定上下文模型M的l’概率分布取決于r和i’狀態(tài)。類似地,對(duì)于給定的擴(kuò)展?fàn)顟B(tài)i(1≤i≤14)和它的前趨i-r-1,在它們之間存在兩個(gè)過(guò)渡,(r,1)和(r,-1)。由于單獨(dú)處理標(biāo)記位,因此為了簡(jiǎn)便起見(jiàn),我們僅畫(huà)出了圖21中定向圖的一個(gè)過(guò)渡。這兩個(gè)過(guò)渡的拉格朗日成本,即第ith個(gè)DCT系數(shù)被量化為統(tǒng)一的并且在第ith個(gè)DCT系數(shù)被量化成零之前所有的r個(gè)DCT系數(shù)立即出現(xiàn),被限定為對(duì)于規(guī)則狀態(tài)i(15≤i≤63)和它的前趨i-r-1,在它們之間存在2m個(gè)平行的過(guò)渡(要注意的是,如果前趨的位置小于15,則基本節(jié)點(diǎn)和擴(kuò)展節(jié)點(diǎn)對(duì)狀態(tài)i都具有2m個(gè)平行的過(guò)渡)。與從狀態(tài)i-r-1到狀態(tài)i關(guān)聯(lián)的過(guò)渡(r,l)(-m≤l≤m,l≠0)增加的拉格朗日成本類似地可以限定為Σj=i-ri-1Cj2+(Ci-qi·l)2+λ·f(r,l),l≠0---(26)]]>對(duì)于從每個(gè)超級(jí)狀態(tài)i(如果1≤i≤14,則是基本狀態(tài)和擴(kuò)展?fàn)顟B(tài))到末端狀態(tài)的過(guò)渡,它的成本被限定為Σj=i+163Cj2+λ·f(0,0)]]>對(duì)于每個(gè)規(guī)則狀態(tài)i(i≥16),從狀態(tài)i-16到i(取決于i-16的位置)存在一個(gè)或兩個(gè)以上的過(guò)渡,其相應(yīng)于對(duì)(15,0),即ZRL(零行程)編碼,。它的成本被限定為Σj=l-15iCj2+λ·f(15,0)]]>其中對(duì)(15,0)被視作具有16個(gè)長(zhǎng)度的特定RUN。根據(jù)上述限定,8×8個(gè)塊的每個(gè)(R,L)對(duì)序列都相應(yīng)于具有拉格朗日成本的從狀態(tài)0到末端狀態(tài)的路徑。類似于部分I的方法,可以將快速動(dòng)態(tài)編程算法應(yīng)用到整個(gè)定向圖來(lái)為給定的8×8塊找出優(yōu)化序列(R,L)??焖賱?dòng)態(tài)編程算法的詳細(xì)描述類似于部分1。因此在圖22a到22d的偽碼中略述了相應(yīng)的偽碼。在圖23的流程圖中顯示了根據(jù)本發(fā)明的一個(gè)方面的用于聯(lián)合優(yōu)化行程編碼、基于上下文算術(shù)編碼和量化步長(zhǎng)處理。在步驟352,開(kāi)始迭代處理,如在圖24的流程圖中詳細(xì)概括的。在步驟353,開(kāi)始統(tǒng)一所有的上下文模型入口。接著,在步驟354,表示N個(gè)總的塊的第jth個(gè)塊的指數(shù)被設(shè)定為1。在步驟356,該處理確定在本第一行程通徑、第一塊中用于塊j的最佳路徑。這在圖25的流程圖中詳細(xì)概括。在查詢358,處理確定j是否是最后的塊。這通過(guò)將j與N(總的塊數(shù))進(jìn)行比較而得到。如果j比N小,則在步驟360中增加j。為每個(gè)塊j找出最佳路徑的處理一直持續(xù)到j(luò)等于N。當(dāng)j等于N時(shí),可以確定為N個(gè)塊的每個(gè)的最佳路徑。在圖23的方法中的步驟362中計(jì)算J(λ)的第(t+1)th個(gè)值作為與N個(gè)塊的每個(gè)關(guān)聯(lián)的最小成本的和。接著在查詢364中將該值與J(λ)的第tth個(gè)值進(jìn)行比較,如果在J(λ)的第tth個(gè)值和在J(λ)的第(t+1)th個(gè)值間的差別小于ε(選擇標(biāo)準(zhǔn),或更具體地,收斂性判別標(biāo)準(zhǔn)),則認(rèn)為優(yōu)化完成。如果不是這種情況,則聯(lián)合優(yōu)化處理繼續(xù)到步驟366,其中量化表被更新為Qt+1,正如在圖29的流程圖中所詳細(xì)概括的。上下文模型P(Mt)可以使用在迭代t的末端的上下文模型的概率分布來(lái)更新到P(Mt+1),正如在段落中所討論的。在實(shí)際的實(shí)現(xiàn)中,自適應(yīng)基于上下文的算術(shù)編碼實(shí)際上既應(yīng)用于聯(lián)合優(yōu)化也應(yīng)用于最終的編碼/解碼。在每個(gè)迭代開(kāi)始時(shí)自適應(yīng)基于上下文的算術(shù)編碼設(shè)定上下文模型的入口為統(tǒng)一的,如在步驟353中所指定的每次迭代的開(kāi)始和在步驟444指定的在每個(gè)塊的末端更新上下文模型。在步驟370,增加指數(shù)t,并且在步驟353連續(xù)執(zhí)行再次開(kāi)始的額外迭代。如若已經(jīng)確定在查詢364中選擇標(biāo)準(zhǔn)是令人滿意的,則在步驟374中使用基于上下文的算術(shù)編碼來(lái)對(duì)選定的(r,l)對(duì)編碼。在步驟374后,完成用于聯(lián)合優(yōu)化行程編碼、基于上下文的算術(shù)編碼和量化表的處理?,F(xiàn)在參考圖24的流程圖,更詳細(xì)的描述在圖23的流程圖的步驟352中的迭代處理的初始化。在步驟382,選擇拉格朗日乘子λ。它是一個(gè)固定參數(shù),用來(lái)表示失真率的折中。在步驟384,選擇斂性判別標(biāo)準(zhǔn)ε。這就是連續(xù)迭代的拉格朗日成本,Jt(λ),的差被認(rèn)為成功和完成迭代所必需低于的量。在步驟386中,產(chǎn)生初始量化表Q0。在步驟392,為了確保初始拉格朗日成本超過(guò)了由該方法確定的最小成本,初始拉格朗日成本J0(λ)被設(shè)定為非常大的數(shù)。在步驟394,N被設(shè)定為等于圖像塊的數(shù)量,在步驟396,M被設(shè)定為等于要被比較的過(guò)渡的數(shù)量。如上所述,雖然該步驟僅處理基本節(jié)點(diǎn)和規(guī)則節(jié)點(diǎn),但要被比較的過(guò)渡數(shù)量取決于在詢問(wèn)中的狀態(tài)或節(jié)點(diǎn)是否是基本節(jié)點(diǎn)、擴(kuò)展節(jié)點(diǎn)或規(guī)則節(jié)點(diǎn)而不同。在步驟398,迭代指數(shù)t被設(shè)定等于0并且完成初始化疊代處理的處理。現(xiàn)在,參考圖25的流程圖,更詳細(xì)地概括在圖23的流程圖中圖周356的用于對(duì)塊j確定最佳路徑的處理。在步驟412,確定用于當(dāng)前塊的dist(r,i);d(i,l)和eob_dist(t)(1)dist(r,i)為忽略在狀態(tài)i-r-1和狀態(tài)i間的所有系數(shù)的均方失真;(2)d(i,l)為當(dāng)相應(yīng)指數(shù)的幅值為1時(shí)從Ci,j得出的均方失真;(3)eob_dist(t)為在狀態(tài)i后忽略系數(shù)的均方失真(eob表示末端塊)。在步驟416,i被設(shè)定為等于1,表示圖25的方法在塊j的第一AC系數(shù)開(kāi)始。在步驟418,用于基本狀態(tài)的minicost,和用于擴(kuò)展?fàn)顟B(tài)的minicost_ext都被設(shè)定等于大數(shù),但兩者并不一定要是相同的大數(shù)。在步驟420,第ith個(gè)系數(shù)指數(shù)的幅值被設(shè)定等于相應(yīng)的由當(dāng)前用于該鋸齒形順序的系數(shù)的量化步長(zhǎng)首先分隔的第i個(gè)DCT系數(shù),隨后轉(zhuǎn)到最接近的整數(shù)。在步驟422,給變量k賦值以表示在該系數(shù)前立即運(yùn)行的最大可能行程值。如果,i比15大,而k被賦值為值15。如果i小于等于15,則k被設(shè)定為i-1。在步驟424,與RUN相關(guān)的變量,被設(shè)定為0。在步驟426,計(jì)算對(duì)狀態(tài)i的成本,其中i為基本或規(guī)則狀態(tài)。在查詢428,處理器確定當(dāng)前系數(shù)是否為前14個(gè)系數(shù)之一,以確定是否存在擴(kuò)展?fàn)顟B(tài)。如果當(dāng)前狀態(tài)是前14個(gè)系數(shù)之一,則接著查詢428返回真的回答,同時(shí)方法繼續(xù)到步驟430,其中在該方法接著進(jìn)行到查詢432之前確定對(duì)第ith個(gè)擴(kuò)展?fàn)顟B(tài)的成本。如果i超過(guò)了14,則方法直接從查詢428轉(zhuǎn)到查詢432,跳過(guò)步驟430。在查詢432,方法詢問(wèn)r是否比k小。如果r比k小,則r在步驟434中增加,并重復(fù)用于計(jì)算對(duì)狀態(tài)i的成本的迭代。如果r不小于k,則方法進(jìn)行到步驟436,其中計(jì)算特定過(guò)渡(15,0)(即,零行程編碼)的成本。當(dāng)然,如果i小于或等于15,則就沒(méi)有特定過(guò)渡,因此也沒(méi)有特定的過(guò)渡成本。方法接著進(jìn)行到查詢438。查詢438詢問(wèn)i是否小于63,也就是說(shuō),圖25的流程圖是否已經(jīng)遍歷了圖21的定向圖的所有超級(jí)節(jié)點(diǎn)。如果i小于63,則查詢438返回為真的答案同時(shí)方法進(jìn)行到步驟440,在其中增加i。隨后,在步驟418開(kāi)是重復(fù)整個(gè)迭帶。另一方面,如果查詢438返回假的答案,那么,就認(rèn)為已經(jīng)計(jì)算了對(duì)每個(gè)狀態(tài)的最小成本(要注意的是,狀態(tài)0的最小成本為0)。在步驟442,當(dāng)?shù)趇th個(gè)DCT系數(shù)為要被發(fā)送的最后的非零系數(shù)時(shí),其中J*(λ),0≤i≤63,,計(jì)算該塊的總的最小成本作為對(duì)狀態(tài)i的最小成本、忽略在狀態(tài)i(即,eob_dis(t))后的系數(shù)的均方失真和由λ所縮放比例的與行程水平對(duì)(0,0)(即,末端塊編碼)關(guān)聯(lián)的熵率的總和。該塊的總的最小成本,J*(i*),通過(guò)比較值J*(i*),0≤i≤63,而確定。通過(guò)根據(jù)所存儲(chǔ)的行程水平對(duì)和進(jìn)入狀態(tài)類型而從i*回撤,可以確定塊j的行程水平對(duì)格式的最佳路徑。在步驟444,使用從最佳路徑的行程水平對(duì)來(lái)更新上下文模型并完成了為塊j找出最佳路徑的處理。現(xiàn)參考圖26的流程圖詳細(xì)概括圖25的步驟426中的對(duì)第ith個(gè)基本/規(guī)則狀態(tài)計(jì)算成本。在步驟446,表示要被考慮的特定過(guò)渡的偏移m開(kāi)始時(shí)被設(shè)定為0。該方法接著進(jìn)行到步驟448,其中計(jì)算增加的成本(dist_inc)以作為以下的總和,(1)從忽略在狀態(tài)i-r-1和狀態(tài)i(dist(r,i))間的所有系數(shù)所得的均方失真,和(2)當(dāng)相應(yīng)的水平值被強(qiáng)制為I-m(dist(i,I-m))時(shí)從第ith個(gè)DCT系數(shù)得到的均方失真。在步驟450,計(jì)算狀態(tài)i的成本作為對(duì)狀態(tài)i-r-1、在步驟448中計(jì)算的增加的失真和與由λ縮放比例的行程水平對(duì)(r,I-m)關(guān)聯(lián)的熵率的和。方法接著進(jìn)行到查詢452,其詢問(wèn)這個(gè)總的成本是否小于開(kāi)始時(shí)在步驟418被設(shè)定為大數(shù)的minicost項(xiàng)。如果確定該對(duì)狀態(tài)i的成本小于minicost,則方法進(jìn)行到步驟454,其中用J代替minicost。此外在方法進(jìn)行到查詢456之前在步驟454記錄所有的r,I-m,J和對(duì)狀態(tài)i的引入狀態(tài)類型。如果查詢452返回了假的答案,則由于J大于或等于minicost,則方法直接進(jìn)行到查詢456而跳過(guò)步驟454。在查詢456,方法檢查前述狀態(tài)是否是前14個(gè)基本狀態(tài)之一,或規(guī)則狀態(tài)。如果查詢456返回了真的答案,則前述狀態(tài)為基本狀態(tài),同時(shí)方法進(jìn)入到步驟458、查詢460和步驟462。如果查詢456返回了假的答案,則由于前述狀態(tài)是規(guī)則狀態(tài)而不是基本狀態(tài),因此方法跳過(guò)步驟458、查詢460和步驟462,反而直接進(jìn)到查詢464。在步驟458,方法通過(guò)前述擴(kuò)展?fàn)顟B(tài)而不是基本狀態(tài)檢查對(duì)狀態(tài)i的成本。也就是說(shuō),狀態(tài)i的成本被計(jì)算為對(duì)擴(kuò)展?fàn)顟B(tài)i-r-1,從擴(kuò)展?fàn)顟B(tài)i-r-1到狀態(tài)i的增加失真和與行程水平對(duì)(r,I-m)關(guān)聯(lián)的熵率的總和。接著方法進(jìn)行到查詢460,其檢查該總的成本是否小于minicost。如果J比minicost小,則方法進(jìn)行到步驟462,其中用J替代minicost。在此步驟中,還記錄下r,I-m,J和對(duì)狀態(tài)i的引入狀態(tài)類型。接下來(lái)方法進(jìn)入查詢464,其檢查從前述狀態(tài)到當(dāng)前狀態(tài)的所有特定過(guò)渡是否都已經(jīng)被檢查了。如果m小于M-1,則并不是所有的這種過(guò)渡都已被檢查了,并且方法進(jìn)行到步驟466,在其中m加1。接著,方法為另一個(gè)過(guò)渡返回到步驟448。另一方面,如果m不小于M-1,則步驟464返回假的答案,并且完成圖26中對(duì)第i個(gè)基本/規(guī)則狀態(tài)成本的計(jì)算?,F(xiàn)在參考圖27的流程圖詳細(xì)概括在圖25的流程圖中的步驟430,在步驟中,計(jì)算對(duì)第ith個(gè)擴(kuò)展?fàn)顟B(tài)的成本計(jì)算。在步驟468,計(jì)算增加失真作為以下的總和,(1)從忽略在狀態(tài)i-r-1和狀態(tài)i(dist(r,i))間的所有系數(shù)所得的均方失真,和(2)當(dāng)相應(yīng)的指數(shù)被強(qiáng)制為具有水平值1時(shí),從第ith個(gè)DCT系數(shù)得到的均方失真。在步驟470,從前述基本狀態(tài)i-r-1來(lái)的對(duì)狀態(tài)i的成本被計(jì)算來(lái)作為對(duì)基本狀態(tài)i-r-1的成本、從基本狀態(tài)i-r-1到狀態(tài)i的增加失真以及由λ按比例縮放的行程水平對(duì)(r,1)關(guān)聯(lián)的熵率的總和。接著,方法進(jìn)行到查詢472,其檢查在步驟470中計(jì)算的成本,J是否小于開(kāi)始時(shí)在步驟418中被設(shè)定為大數(shù)的minicost_ext。如果J小于minicost_ext,則方法進(jìn)行到步驟474,其中用J替代minicost_ext。還是在步驟474中,還記錄下r,1,J和對(duì)狀態(tài)i的引入狀態(tài)類型。方法進(jìn)到步驟476。如果J大于或等于minicost_ext,那么,方法從查詢472直接進(jìn)到步驟476。在步驟476,從前面擴(kuò)展的狀態(tài)i-r-1計(jì)算對(duì)狀態(tài)i的成本作為擴(kuò)展的狀態(tài)i-r-1的成本、從擴(kuò)展的狀態(tài)i-r-1代狀態(tài)i增加失真、由λ按比例縮放的行程水平對(duì)(r,1)關(guān)聯(lián)的熵率的總和。如果在步驟476中所確定的成本,J,小于minicost_ext,則查詢478返回真的答案并且方法進(jìn)行到步驟480,其中用J代替minicost_ext。圖27的方法在步驟480后結(jié)束。此外,在步驟480中還記錄下r,1,J和對(duì)狀態(tài)i的引入狀態(tài)類型。如果在步驟476中確定的總的成本J不小于minicost_ext,則圖27的方法不執(zhí)行步驟480就終止。參考圖28,詳細(xì)概括在圖25的流程圖中步驟436中為特定過(guò)渡(15,0)的成本計(jì)算。回想對(duì)每個(gè)規(guī)則狀態(tài)i(i大于或等于16)的成本計(jì)算,從狀態(tài)i-16存在一個(gè)或兩個(gè)額外的過(guò)渡(取決于狀態(tài)i-16是否是包括有兩種狀態(tài)的前14個(gè)超級(jí)狀態(tài)中的一個(gè))。這些過(guò)渡相應(yīng)于零行程(ZRL)編碼(15,0)。該額外過(guò)渡成本在圖28的流程圖中的方法中確定。查詢482通過(guò)檢查i是否小于或等于62且大于或等于16而開(kāi)始。也就是說(shuō),如果i為63,則i相應(yīng)于最后的系數(shù),并且需要單獨(dú)考慮。另一方面,如果i小于16,則行程當(dāng)然不是15。這樣,如果查詢482表示i在閉區(qū)間[16,62]外,則方法終止。否則,圖28的方法進(jìn)行到步驟484,在其中確定從狀態(tài)i-r-1(如果r等于15)到狀態(tài)i的增加失真作為以下的總和,(1)忽略在狀態(tài)i-16和狀態(tài)i間的所有系數(shù)所得的均方失真,和(2)在當(dāng)前塊中忽略第ith個(gè)DCT系數(shù)得到的均方失真。接著,在步驟486中計(jì)算的對(duì)狀態(tài)i的成本,J,作為對(duì)基本或規(guī)則狀態(tài)i-16的成本、從狀態(tài)i-16到狀態(tài)i的增加失真以及在步驟486中由λ按比例縮放的行程水平對(duì)(r,1)關(guān)聯(lián)的熵率的總和。如果在步驟486中計(jì)算的對(duì)狀態(tài)i的成本,J,小于minicost,則方法從查詢488進(jìn)入步驟490,在其中用J代替minicost。此外,在步驟490中記錄行程15、用于第ith個(gè)節(jié)點(diǎn)的水平值0、成本J和對(duì)狀態(tài)i的引入狀態(tài)類型。接著方法進(jìn)入查詢492。如果在步驟486中計(jì)算的成本不小于minicost,則圖28的方法直接從查詢488進(jìn)入到查詢492。查詢492檢查i是否小于或等于30,這是由于如果i小于或等于30,則在特定過(guò)渡(15,0)下的前述節(jié)點(diǎn)可能是擴(kuò)展節(jié)點(diǎn),而如果i大于30,則在特定過(guò)渡(15,0)下的前述節(jié)點(diǎn)將是規(guī)則節(jié)點(diǎn)。如果i小于或等于30,則在終止前,圖28的方法進(jìn)入到步驟494、查詢496和步驟498,而如果i大于30,則圖28的方法在查詢492后終止。在步驟494,計(jì)算對(duì)狀態(tài)i的成本作為擴(kuò)展?fàn)顟B(tài)i-16的成本、從擴(kuò)展?fàn)顟B(tài)i-16到狀態(tài)i的增加成本失真以及與行程水平對(duì)(15,0)關(guān)聯(lián)的熵率的總和。如果在步驟492中計(jì)算的成本,J,小于minicost,則方法通過(guò)查詢496進(jìn)入步驟498??商鎿Q地,如果該成本,J,不小于minicost,則圖28的方法在查詢496后終止。在步驟498,將minicost更新為在步驟494中計(jì)算的成本,J。此外,記錄15的行程、用于第ith個(gè)節(jié)點(diǎn)的水平值0、J和對(duì)狀態(tài)i(擴(kuò)展)的引入狀態(tài)類型。接著,圖28的方法終止。現(xiàn)在參考圖29的流程圖,詳細(xì)概括在圖23的流程圖的步驟366中用來(lái)更新量化表Qt+1的處理。在步驟500,分子陣列num(i)被初始化為0,0≤i≤63。類似地,在步驟502,分母陣列den(i)也被初始化為0,0≤i≤63。在步驟504,塊指數(shù)j被初始化為1。在步驟506,從行程水平格式恢復(fù)塊j以產(chǎn)生系數(shù)指數(shù)陣列Ki,j。在步驟508,表示第jth塊以鋸齒形順序中DCT系數(shù)位置的指數(shù)i被設(shè)定為一。在步驟510,計(jì)算分子陣列中的第ith個(gè)值作為其當(dāng)前值和第j個(gè)塊(Ci,j)的原始的第ith個(gè)DCT系數(shù)與在步驟506(Ki,j)中所確定的以第jth個(gè)塊的鋸齒形順序中在第i個(gè)位置上恢復(fù)的DCT系數(shù)乘積的總和。在步驟512,計(jì)算分母陣列中的第ith個(gè)值作為其當(dāng)前值和第jth個(gè)塊(K2i,j)的鋸齒形順序中第ith個(gè)位置上的DCT指數(shù)序列的總和。查詢514詢問(wèn)i是否小于63(也就是說(shuō),在本塊中的所有系數(shù)是否已經(jīng)被考慮了)。如果i小于63,則方法從查詢514進(jìn)入到步驟516,并在其中增加i,接著方法為下一個(gè)系數(shù)而返回到步驟510。另一方面,如果i不小于63,則方法從查詢514進(jìn)入進(jìn)入查詢517,并在其中詢問(wèn)j是否小于N,即總的塊數(shù)。如果j小于N,則在步驟518中增加j并且基于下一個(gè)塊來(lái)更新分子和分母陣列,如上述圖29的方法返回到步驟506所描述的。否則,在步驟519設(shè)定i=1。在步驟520,計(jì)算與量化表Qt+1,qi的鋸齒形順序中第ith個(gè)位置關(guān)聯(lián)的值作為在位置i的分母上的分子值。接著,查詢522詢問(wèn)i是否小于63。如果為真,則在步驟524將i增加并計(jì)算在量化表中剩余的元素。否則,完成Qt+1的更新并終止圖29的方法。在本部分的余下部分,我們來(lái)看一個(gè)計(jì)算給定過(guò)渡的熵率的實(shí)例。實(shí)例對(duì)于給定的I計(jì)算在圖21中的從狀態(tài)14到狀態(tài)16的過(guò)渡的熵率(即,從狀態(tài)14到狀態(tài)16的過(guò)渡(1,I)的熵率)。除了特定的過(guò)渡(0,0)和(15,0)外,與任何過(guò)渡關(guān)聯(lián)的熵率都包括三個(gè)部分RUN的熵率、LEVEL標(biāo)識(shí)的熵率和LEVEL幅值的熵率。RUN的熵率為當(dāng)前RUN的每一位的熵率,1,其根據(jù)上述的二進(jìn)制化方案而被二進(jìn)制化為三位001。由于該RUN并不是第一個(gè)RUN(從狀態(tài)0開(kāi)始的RUN才是第一個(gè)RUN),因此它的第一位、第二為和余下位使用不同的上下文模型,該上下文模型從前述LEVEL的鋸齒形順序(這里,由于該過(guò)渡從狀態(tài)14開(kāi)始,因此這里的鋸齒形順序?yàn)?4)和狀態(tài)14的LEVEL幅值(由于該過(guò)渡從擴(kuò)展?fàn)顟B(tài)開(kāi)始,因此使用相應(yīng)于統(tǒng)一幅值的上下文模型)而確定。一旦確定了上下文模型,我們就能基于當(dāng)前上下文模型的概率分布找出相應(yīng)的熵率。為在最后的熵編碼階段的標(biāo)志位使用固定的上下文模型。我們可以使用一位(由λ適當(dāng)?shù)乇壤s放)作為在增加的拉格朗日成本中標(biāo)志位的成本。LEVEL的幅值被二進(jìn)制化為由結(jié)束“1”跟隨的(|LEVEL|-1)”0’s”。幅值的第一位和余下位使用不同的上下文模型,這由當(dāng)前狀態(tài)的矩形順序(這里,當(dāng)前狀態(tài)的鋸齒形順序?yàn)?6)和當(dāng)前run(這里,當(dāng)前run為1)確定。給定LEVEL,I,因此可以確定熵率。實(shí)際上,我們并不一定要比較在前趨和基本狀態(tài)間所有的2m-2個(gè)過(guò)渡或在前趨和規(guī)則狀態(tài)間所有的2m個(gè)過(guò)渡中的增加成本。相反,我們可以僅比較在LEVEL=I+1,I,I-1,I-2,9-3,...,(其中I為具有最新的量化步長(zhǎng)的硬決策器的輸出的絕對(duì)值)中的幾個(gè)(例如,4個(gè))過(guò)渡。其他的水平大都可能導(dǎo)致大的增加成本。當(dāng)在比較中的過(guò)渡數(shù)量在下一個(gè)部分中改變了時(shí),我們應(yīng)當(dāng)比較性能和復(fù)雜性的不同。依然根據(jù)本發(fā)明的進(jìn)一步方面,在圖13中所示的數(shù)據(jù)處理系統(tǒng)230還可以用來(lái)執(zhí)行諸如結(jié)合附圖19至29所描述的壓縮方法。在這些情況下,存儲(chǔ)器234可以包括從JPEG或MPEG文件所獲得的霍夫曼解碼的圖像,以及未壓縮的圖像。在經(jīng)由用戶界面236而從用戶接收指令時(shí),微處理器238使用計(jì)算模塊和初始化模塊以上述的方式壓縮輸入的圖像數(shù)據(jù),隨后將該壓縮數(shù)據(jù)提供給通信子系統(tǒng)240。通信子系統(tǒng)240接著可以將這些壓縮數(shù)據(jù)傳送到網(wǎng)絡(luò)242。如在部分I中所述,系統(tǒng)240可以集成到數(shù)字相機(jī)或移動(dòng)電話中,而從通信子系統(tǒng)240到網(wǎng)絡(luò)242的傳輸模式可以是無(wú)線的,或通過(guò)電話線、以及高速寬帶連接。試驗(yàn)結(jié)果正如在最后一個(gè)部分中所討論的,給定狀態(tài)(而不是任意的擴(kuò)展?fàn)顟B(tài)或末端狀態(tài))和前趨,存在2m或2m-2個(gè)可能的過(guò)渡,其中m為L(zhǎng)EVEL的最大幅值。我們可以通過(guò)比較在這些每?jī)蓚€(gè)狀態(tài)間直至2m或2m-2個(gè)任意多個(gè)過(guò)渡來(lái)找出最小增加成本。模擬的結(jié)果顯示了僅比較兩個(gè)過(guò)渡就能得到我們采用全部比較方案所取得的多數(shù)增益。作為實(shí)例,圖30劃出了當(dāng)對(duì)512×512的Barbara圖像比較中過(guò)渡數(shù)量改變時(shí)的R-D曲線。當(dāng)在比較中的過(guò)渡數(shù)量大于4時(shí),壓縮性能幾乎沒(méi)有變化。在以下的試驗(yàn)中,我們?cè)谌我鈨蓚€(gè)狀態(tài)間僅比較四個(gè)過(guò)渡。表VI圖示了在奔騰PC上對(duì)512×512的Barbara圖像進(jìn)行一次迭代時(shí)基于上下文算術(shù)編碼的聯(lián)合優(yōu)化算法的C代碼執(zhí)行的CPU時(shí)間。表VI.所提出的聯(lián)合優(yōu)化算法在奔騰PC上CPU時(shí)間(512×512的Barbara)在本部分中以上概括的迭代算法從初始的量化表開(kāi)始并在迭代期間使用在部分I中所概括的算法更新步長(zhǎng)。由于在部分I中步長(zhǎng)更新算法僅僅取得了局部?jī)?yōu)化,因此初始的量化表還在一定程度上影響R-D性能。正如我們?cè)诓糠諭中所做的,我們能夠使用從參考文獻(xiàn)[1]或在諸如從參考文獻(xiàn)[3]、[9]和[5]中的方案所得到的量化表等其他任何縮減的默認(rèn)量化表。在本部分中,我們僅用縮放的默認(rèn)量化表的算法開(kāi)始并比較在基于霍夫曼編碼的聯(lián)合優(yōu)化算法和基于上下文的算術(shù)編碼的聯(lián)合優(yōu)化間的性能。圖31顯示了對(duì)于512×512的Barbara圖像基于上下文的算術(shù)聯(lián)合優(yōu)化算法和基于霍夫曼編碼的聯(lián)合優(yōu)化算法的PSNR性能。該曲線是通過(guò)對(duì)給定縮減的默認(rèn)量化表搜索拉格朗日乘子λ而得到的。為了圖示的目的,在圖31中還顯示了由混合方案所產(chǎn)生的PSNR性能曲線,在該混合方案中在基于霍夫曼編碼的聯(lián)合優(yōu)化方案中霍夫曼編碼的最后一個(gè)階段由基于上下文的算術(shù)編碼代替??梢院苋菀椎目闯觯诨诨舴蚵幋a的聯(lián)合優(yōu)化算法上的基于上下文的算術(shù)編碼的增益來(lái)自于兩部分。第一部分來(lái)自于在定制的霍夫曼編碼上的基于上下文的算術(shù)編碼的增益。而第二部分來(lái)自于聯(lián)合優(yōu)化。圖32為512×512的Lena圖像而比較了相同的性能。表VII和VIII為這兩種圖像羅列了在最常見(jiàn)的位率上的編碼結(jié)果,其中默認(rèn)的量化表為每一個(gè)位率而在開(kāi)始線性地縮放。從這些表和圖可以看出,通過(guò)限定至0.5dB,或10~15%的尺寸減小,基于上下文的算術(shù)編碼的聯(lián)合優(yōu)化方法始終優(yōu)于基于霍夫曼編碼的聯(lián)合優(yōu)化算法。表VII具有不同優(yōu)化方法的PSNR的比較(512×512的Barbara圖像)表VII具有不同優(yōu)化方法的PSNR的比較(512×512的Lena圖像)本發(fā)明還可以有其他的變化和改進(jìn)。例如,以上在部分II中描述的上下文模型也可以很容易地由其他上下文模型替代。而且,雖然以上描述的本發(fā)明的方面依賴于(run,size)對(duì)和對(duì)(run,level),但本領(lǐng)域的技術(shù)人員可以清楚地明白,通過(guò)來(lái)自基于指數(shù)的值而不是來(lái)自系數(shù)指數(shù)的尺寸和水平,可以使用其他的(run,indexderivative)對(duì)。所有的這種類似的修改或改變都被認(rèn)為是在由所附權(quán)利要求所限定的本發(fā)明的范圍中的。權(quán)利要求1.一種在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的方法,其中每個(gè)序列對(duì)(run,indexderivative)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,該方法包括步驟(a)使用給定的量化表和行程指數(shù)微分編碼分布來(lái)為多個(gè)可能的序列對(duì)(run,indexderivative)制訂成本函數(shù);(b)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;和(c)基于多個(gè)可能的序列對(duì)(run,indexderivative)的每一個(gè)的關(guān)聯(lián)成本從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。2.根據(jù)權(quán)利要求1的方法,其中步驟(b)包括,在多個(gè)可能的序列對(duì)(run,indexderivative)中為每個(gè)可能的序列對(duì)(run,indexderivative)(i)確定n個(gè)系數(shù)指數(shù)的相應(yīng)序列;(ii)使用給定量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化的系數(shù)序列;(iii)確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的失真;(iv)確定從使用給定的行程尺寸分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和(v)確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。3.根據(jù)權(quán)利要求1的方法,其中步驟(c)包括(i)以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;(ii)提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);(iii)在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);(iv)通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;(v)從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和(vi)從最小成本的連接序列確定確定的成本的序列對(duì)(run,indexderivative)。4.根據(jù)權(quán)利要求3的方法,其中步驟(c)(v)進(jìn)一步包括使用動(dòng)態(tài)編程在多個(gè)連接中找出最小成本的連接序列,其中該最小成本的連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)。5.根據(jù)權(quán)利要求3的方法,其中步驟(c)(iv)還包括(i)為表示關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接,從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)限定增加率成本,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。6.根據(jù)權(quán)利要求3的方法,其中每個(gè)(run,indexderivative)對(duì)為對(duì)(run,level),以便基于指數(shù)的值被限定為水平值,其被限定為特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值。7.根據(jù)權(quán)利要求6的方法,其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)、和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接,包括(i)為在至少具有包括在n個(gè)超級(jí)節(jié)點(diǎn)的序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到在包括了在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)的每個(gè)連接相應(yīng)于不同的水平值;(ii)為在具有比包括了在n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和(iii)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。8.根據(jù)權(quán)利要求7的方法,其中,在步驟(c)中,在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。9.根據(jù)權(quán)利要求8的方法,其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);步驟(c)包括根據(jù)下面的步驟對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值編碼如果相應(yīng)于在與行程值關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置在n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程值關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該指數(shù)的順序位置在n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前。10.根據(jù)權(quán)利要求9的方法,其中用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。11.根據(jù)權(quán)利要求10的方法,其中在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接,進(jìn)一步包括(i)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前最大行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有少于在n個(gè)超級(jí)節(jié)點(diǎn)序列中在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的所有節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。12.一種通過(guò)確定輸出量化表、由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列、和行程指數(shù)微分編碼分布來(lái)壓縮n個(gè)系數(shù)指數(shù)的方法,其中每個(gè)序列對(duì)(run、indexderivative)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中,n個(gè)系數(shù)指數(shù)的序列和量化表一起確定了n個(gè)軟決策量化的系數(shù)的序列,該方法包括步驟(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)將計(jì)數(shù)器t設(shè)定為0;(d)使用第tth個(gè)量化表和行程指數(shù)微分代碼分布來(lái)制定用于第tth多個(gè)可能的(run,indexderivative)對(duì)的第tth個(gè)成本函數(shù);和(e)將該第tth個(gè)成本函數(shù)提供給在第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定第tth個(gè)關(guān)聯(lián)成本;(f)基于該第tth個(gè)關(guān)聯(lián)成本從第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(g)如果該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)與第tth個(gè)量化表和行程指數(shù)微分分布一起滿足選擇標(biāo)準(zhǔn),則選擇該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)作為n個(gè)系數(shù)指數(shù)確定成本的序列而該第tth個(gè)量化表作為輸出量化表,否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(h)基于第tth個(gè)行程指數(shù)微分編碼分布,使用熵編碼對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。13.根據(jù)權(quán)利要求12的方法,其中步驟(b)包括使用第0th個(gè)量化表以硬決策的方式量化n個(gè)系數(shù)序列,以確定(run,indexderivative)對(duì)的開(kāi)始序列,接著選擇(run,indexderivative)對(duì)的開(kāi)始序列的行程指數(shù)微分編碼分布作為第0th個(gè)行程指數(shù)微分編碼分布。14.根據(jù)權(quán)利要求12的方法,其中步驟(e)還包括為在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列對(duì)(run,indexderivative)(i)確定相應(yīng)的n個(gè)系數(shù)指數(shù)序列;(ii)使用第tth個(gè)量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化的系數(shù)序列;(iii)確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的失真;(iv)確定從使用第tth個(gè)行程指數(shù)微分編碼分布所得到總的壓縮率,以對(duì)序列對(duì)(run,indexderivative)編碼;和(v)確定關(guān)聯(lián)成本作為失真和總的壓縮的函數(shù)。15.根據(jù)權(quán)利要求12的方法,其中步驟(f)包括(i)以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;(ii)提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)超級(jí)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);(iii)在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);(iv)通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而為多個(gè)可能的序列中每個(gè)序列確定關(guān)聯(lián)成本;(v)從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和(vi)從最小成本的連接序列確定確定的成本的序列對(duì)(run,indexderivative)。16.根據(jù)權(quán)利要求15的方法,其中步驟(f)(iv)進(jìn)一步包括(i)為表示關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接,從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)指一到第ith個(gè)超級(jí)節(jié)點(diǎn)限定增加率成本,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)指一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r-1到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。17.根據(jù)權(quán)利要求15的方法,其中步驟(f)(v)進(jìn)一步包括包括使用動(dòng)態(tài)編程來(lái)在多個(gè)連接中找出最小成本的連接序列,其中該最小成本的連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)。18.根據(jù)權(quán)利要求12的方法,其中在步驟(g)中的第(t+1)th量化表通過(guò)解出二次方程而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)得到。19.根據(jù)權(quán)利要求12的方法,其中選擇在步驟(g)中的第(t+1)th行程指數(shù)微分編碼分布作為第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的經(jīng)驗(yàn)行程指數(shù)微分編碼分布。20.根據(jù)權(quán)利要求15的方法,其中每個(gè)(run,indexderivative)對(duì)是(run,level)對(duì),以便限定基于指數(shù)的值為水平值,其被限定為特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。21.根據(jù)權(quán)利要求20的方法,其中在多個(gè)包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和末端節(jié)點(diǎn)的節(jié)點(diǎn)間提供多個(gè)連接包括(i)為在至少具有包括原始節(jié)點(diǎn)和在n個(gè)超級(jí)節(jié)點(diǎn)的序列中的該超級(jí)節(jié)點(diǎn)之前的任何超級(jí)節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到該超級(jí)節(jié)點(diǎn)之前的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)中的每個(gè)節(jié)點(diǎn)相應(yīng)于不同的水平值;(ii)為在由原始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和(iii)為在由原始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。22.根據(jù)權(quán)利要求20的方法,其中,在步驟(h)中,在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。23.根據(jù)權(quán)利要求22的方法,其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);步驟(f)包括根據(jù)下述步驟對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置在n個(gè)系數(shù)序列中的與行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該系數(shù)的順序位置在n個(gè)系數(shù)序列中的與行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。24.根據(jù)權(quán)利要求23的方法,其中用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。25.根據(jù)權(quán)利要求24的方法,其中在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接進(jìn)一步包括(i)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平,以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為在至少具有由原始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的原始階段的前趨節(jié)點(diǎn)的最大行程數(shù)量的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有少于由原始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的所有節(jié)點(diǎn)的縮減數(shù)量連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為在由原始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。26.一種通過(guò)聯(lián)合確定輸出量化表、輸出行程指數(shù)微分分布而為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列、由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的序列的方法,其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、在特定值的連續(xù)指數(shù)的數(shù)量后從指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策量化的系數(shù)序列,該方法包括步驟(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)設(shè)定計(jì)數(shù)器t為0;(d)為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)制定第t個(gè)成本函數(shù);(ii))將該成本函數(shù)提供給在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;(iii)基于該關(guān)聯(lián)成本從關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇關(guān)聯(lián)的第t個(gè)確定成本的序列對(duì)(run,indexderivative);(e)在步驟(d)后,將該總成本函數(shù)提供給第tth個(gè)關(guān)聯(lián)的確定成本序列對(duì)(run,indexderivative),用于n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,以確定第tth個(gè)總的成本;(f)如果該第tth個(gè)總的成本滿足選擇標(biāo)準(zhǔn),則選擇第tth個(gè)量化表和行程指數(shù)微分編碼分布作為輸出量化表和輸出行程指數(shù)微分編碼分布,并且為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,將由最終的確定成本的序列對(duì)(run,indexderivative)所表示的最終確定成本的系數(shù)指數(shù)序列作為關(guān)聯(lián)的第tth個(gè)序列對(duì)(run,indexderivative);否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)選擇的序列通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(g)使用霍夫曼編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。27.根據(jù)權(quán)利要求26的方法,其中步驟(b)包括對(duì)n個(gè)系數(shù)的序列的序列中的n個(gè)系數(shù)的每個(gè)序列,使用第0th個(gè)量化表以硬決策的方式量化n個(gè)系數(shù)序列,以確定序列對(duì)(run,indexderivative)的開(kāi)始序列,接著選擇序列對(duì)(run、indexderivative)的開(kāi)始序列的行程指數(shù)微分編碼分布作為第0th個(gè)行程指數(shù)微分編碼分布。28.根據(jù)權(quán)利要求26的方法,其中步驟(d)還包括,對(duì)于n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列,和對(duì)于關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列對(duì)(run,indexderivative)確定相應(yīng)的n個(gè)系數(shù)指數(shù)序列;使用第tth個(gè)量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化的系數(shù)序列;確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的關(guān)聯(lián)失真;確定從使用第tth個(gè)行程指數(shù)微分編碼分布所得到關(guān)聯(lián)的總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。29.根據(jù)權(quán)利要求26的方法,其中步驟(d)包括對(duì)于n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)超級(jí)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示關(guān)聯(lián)的第個(gè)tth多個(gè)可能的序列對(duì)(runn,indexderivative);為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)成本而作為關(guān)聯(lián)的增加成本;從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和從最小成本的連接序列確定確定的成本的序列對(duì)(run,indexderivative)。30.根據(jù)權(quán)利要求29的方法,其中步驟(d)進(jìn)一步包括,對(duì)于n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,使用動(dòng)態(tài)編程找出在多個(gè)連接中最低成本的連接序列,其中連接序列從初始節(jié)點(diǎn)經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)延伸至末端節(jié)點(diǎn)。31.根據(jù)權(quán)利要求29的方法,其中步驟(d)進(jìn)一步包括,對(duì)于n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,(i)為表示從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第i個(gè)超級(jí)節(jié)點(diǎn)的關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接限定增加率成本,作為所需要的位數(shù)使用第tth個(gè)行程指數(shù)微分編碼分布對(duì)關(guān)聯(lián)(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。32.根據(jù)權(quán)利要求29的方法,其中每個(gè)(run,indexderivative)對(duì)是對(duì)(run,level),以便限定基于指數(shù)的值為水平值,其被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。33.根據(jù)權(quán)利要求32的方法,其中在多個(gè)包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和末端節(jié)點(diǎn)的節(jié)點(diǎn)間提供多個(gè)連接,包括為在至少具有包括有在n個(gè)超級(jí)節(jié)點(diǎn)中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到在包括了在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)相應(yīng)于不同的水平值;為在具有比包括了在n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。34.根據(jù)權(quán)利要求26的方法,其中在步驟(f)中的第(t+1)th量化表通過(guò)解出二次方程而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的選定序列而得到。35.根據(jù)權(quán)利要求26的方法,其中在步驟(f)中的第(t+1)th行程指數(shù)微分編碼分布從用于在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的所有序列的所有第tth個(gè)確定成本的序列對(duì)(run,indexderivative)而得到。36.根據(jù)權(quán)利要求32的方法,其中在步驟(g)中,在相應(yīng)確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。37.根據(jù)權(quán)利要求36的方法,其中n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);步驟(g)包括根據(jù)下述步驟對(duì)在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該系數(shù)的順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。38.根據(jù)權(quán)利要求37的方法,其中對(duì)于n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。39.據(jù)權(quán)利要求38的方法,其中為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接進(jìn)一步包括(i)對(duì)于n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平,以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為在至少具有由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)最大行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有少于由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的所有節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。40.一種在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)序列而壓縮n個(gè)系數(shù)序列的數(shù)據(jù)處理系統(tǒng),其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)序列對(duì)(run,indexderivative)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue),和在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,該數(shù)據(jù)處理系統(tǒng)包括(a)初始化裝置,其使用給定的量化表和行程指數(shù)微分編碼分布來(lái)為多個(gè)可能的序列對(duì)(runindexderivative)制定成本函數(shù);和(b)計(jì)算裝置,其用來(lái)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能序列以確定關(guān)聯(lián)成本;基于多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)的關(guān)聯(lián)成本而從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。41.根據(jù)權(quán)利要求40的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)為在多個(gè)可能的序列對(duì)(run,indexderivative)中為每個(gè)可能的序列對(duì)(run,indexderivative)執(zhí)行以下步驟(i)確定n個(gè)系數(shù)指數(shù)的相應(yīng)序列;(ii)使用給定量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化的系數(shù)序列;(iii)確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的失真;(iv)確定從使用給定的行程尺寸微分編碼分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和(v)確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。42.根據(jù)權(quán)利要求40的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)執(zhí)行步驟(i)以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;(ii)提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);(iii)在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);(iv)通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;(v)從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和(vi)從最小成本的連接序列確定確定成本的序列對(duì)(run,indexderivative)。43.根據(jù)權(quán)利要求42的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)使用動(dòng)態(tài)編程來(lái)在多個(gè)連接中找出最小成本的連接序列,其中該最小成本的連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)。44.根據(jù)權(quán)利要求42的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)執(zhí)行步驟(i)為表示關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接,從初始節(jié)點(diǎn)和(第i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)限定增加率成本,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為每個(gè)連接從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1個(gè))th超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。45.根據(jù)權(quán)利要求42的數(shù)據(jù)處理系統(tǒng),其中每個(gè)(run,indexderivative)對(duì)為對(duì)(run,level),以便基于指數(shù)的值被限定為水平值,該水平值被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。46.根據(jù)權(quán)利要求45的數(shù)據(jù)處理系統(tǒng),其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)、和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接,包括(i)為在至少包括在n個(gè)超級(jí)節(jié)點(diǎn)中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括了在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)的每個(gè)連接相應(yīng)于不同的水平值;(ii)為在具有比包括了在n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和(iii)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。47.根據(jù)權(quán)利要求46的數(shù)據(jù)處理系統(tǒng),其中在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。48.根據(jù)權(quán)利要求46的數(shù)據(jù)處理系統(tǒng),其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);計(jì)算裝置進(jìn)一步基于下述步驟對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該系數(shù)的順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。49.根據(jù)權(quán)利要求48的數(shù)據(jù)處理系統(tǒng),其中用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。50.根據(jù)權(quán)利要求49的數(shù)據(jù)處理系統(tǒng),其中在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接,進(jìn)一步包括(i)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前最多行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有少于在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的所有節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。51.一種通過(guò)確定輸出量化表、由確定成本的序列對(duì)(run,indexderivative)表示的確定成本的n個(gè)系數(shù)指數(shù)序列和行程指數(shù)微分編碼分布而壓縮n個(gè)系數(shù)序列的數(shù)據(jù)處理系統(tǒng),每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中n個(gè)系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策量化系數(shù)序列,該數(shù)據(jù)處理系統(tǒng)包括(a)初始化裝置,其選擇第0th個(gè)量化表和第0th個(gè)行程指數(shù)微分編碼分布,并將計(jì)數(shù)器t設(shè)定為0;(b)計(jì)算裝置,(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為第tth多個(gè)可能的序列對(duì)(run,indexderivative)制訂第tth個(gè)成本函數(shù);(ii)將該第tth個(gè)成本函數(shù)提供給在第tth多個(gè)可能的序列對(duì)(run,indexderivative)中每個(gè)可能的序列以確定第tth個(gè)關(guān)聯(lián)成本;(iii)基于該第tth個(gè)關(guān)聯(lián)成本從第tth多個(gè)可能的序列對(duì)(rur,indexderivative)中選定第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(iv)如果該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)與第tth個(gè)量化表和行程指數(shù)微分編碼分布滿足選擇標(biāo)準(zhǔn),則選定該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)作為n個(gè)系數(shù)指數(shù)確定成本的函數(shù),而將第tth個(gè)量化表作為輸出量化表,否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(i);和(v)基于第tth個(gè)行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。52.根據(jù)權(quán)利要求51的數(shù)據(jù)處理系統(tǒng),其中初始化裝置進(jìn)一步用來(lái)使用第0th個(gè)量化表以硬決策的方式量化n個(gè)系數(shù)序列以確定(run,indexderivative)對(duì)的開(kāi)始序列,然后,選擇(run、indexderivative)對(duì)的開(kāi)始序列的行程指數(shù)微分編碼分布作為第0th個(gè)行程指數(shù)微分編碼分布。53.根據(jù)權(quán)利要求51的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置用來(lái)為在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列對(duì)(run,indexderivative)執(zhí)行步驟確定相應(yīng)的n個(gè)系數(shù)指數(shù)序列;使用第tth個(gè)量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化的系數(shù)序列;確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的失真;確定從使用第tth個(gè)行程指數(shù)微分編碼分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。。54.根據(jù)權(quán)利要求51的數(shù)據(jù)處理系統(tǒng),計(jì)算裝置進(jìn)一步用來(lái)通過(guò)以下步驟而為在多個(gè)可能的序列中的每個(gè)序列確定關(guān)聯(lián)成本以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和從最小成本的連接序列確定確定成本的序列對(duì)(run,indexderivative)。55.根據(jù)權(quán)利要求54的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)通過(guò)以下步驟為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本(i)為表示關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接,從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)限定增加率成本,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r-1到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。56.權(quán)利要求54的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)使用動(dòng)態(tài)編程來(lái)在多個(gè)連接中找出最小成本的連接序列,其中該最小成本的連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)。57.根據(jù)權(quán)利要求51的數(shù)據(jù)處理系統(tǒng),其中第(t+1)th量化表通過(guò)解出二次方程而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)得到。58.根據(jù)權(quán)利要求51的數(shù)據(jù)處理系統(tǒng),其中第(t+1)th行程指數(shù)微分編碼分布作為第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的經(jīng)驗(yàn)行程指數(shù)微分編碼分布。59.根據(jù)權(quán)利要求54的數(shù)據(jù)處理系統(tǒng),其中每個(gè)(run,indexderivative)對(duì)是對(duì)(run,level),以便限定基于指數(shù)的值為水平值,該水平值被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。60.根據(jù)權(quán)利要求59的數(shù)據(jù)處理系統(tǒng),其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接包括(i)為在至少包括在n個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn)中的該超級(jí)節(jié)點(diǎn)之前的任意超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;(ii)為比由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的原始節(jié)點(diǎn)的節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和(iii)為由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。61.根據(jù)權(quán)利要求59的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái)單獨(dú)對(duì)在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值編碼。62.根據(jù)權(quán)利要求61的數(shù)據(jù)處理系統(tǒng),其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);計(jì)算裝置用來(lái)對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值基于以下而編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該系數(shù)的順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。63.根據(jù)權(quán)利要求62的數(shù)據(jù)處理系統(tǒng),其中用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。64.根據(jù)權(quán)利要求63的數(shù)據(jù)處理系統(tǒng),其中在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接進(jìn)一步包括(i)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平,以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為至少具有由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前初始節(jié)點(diǎn)的最多行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有由初始節(jié)點(diǎn)超前的少于在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到所有節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為在由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。65.一種通過(guò)聯(lián)合確定輸出量化表、輸出行程指數(shù)微分分布而為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)、由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的序列的數(shù)據(jù)處理系統(tǒng),其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策量化的系數(shù)序列,該數(shù)據(jù)處理系統(tǒng)(a)初始化裝置,其用于選擇第0th個(gè)量化表和第0th個(gè)行程指數(shù)微分編碼分布,并設(shè)置計(jì)數(shù)器t等于0;(b)計(jì)算裝置,其為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)制定第tth個(gè)成本函數(shù);(ii)將該成本函數(shù)提供給在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;(iii)基于該關(guān)聯(lián)成本從關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇關(guān)聯(lián)的第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(iv)在步驟(i)至(iii)后,為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)而將該總的成本函數(shù)提供給第tth個(gè)關(guān)聯(lián)的確定成本的序列對(duì)(run,indexderivative),以確定第tth個(gè)總的成本;(v)如果該第tth個(gè)總的成本滿足選擇標(biāo)準(zhǔn),則選擇第tth個(gè)量化表和行程指數(shù)微分編碼分布作為輸出量化表和輸出行程指數(shù)微分編碼分布,并為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)而將由最終確定成本的序列對(duì)(run,indexderivative)表示的最終確定成本的系數(shù)指數(shù)序列作為關(guān)聯(lián)的第tth個(gè)序列對(duì)(run,indexderivative);否則,通過(guò)將t加一而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的選定序列中確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,并返回到步驟(i);和(vi)使用霍夫曼編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。66.根據(jù)權(quán)利要求65的數(shù)據(jù)處理系統(tǒng),其中初始化裝置用來(lái),使用第0th個(gè)量化表以硬決策的方式量化n個(gè)系數(shù)序列以確定(run,indexderivative)對(duì)的開(kāi)始序列,然后,選擇(run、indexderivative)對(duì)的開(kāi)始序列的行程指數(shù)微分編碼分布作為第0th個(gè)行程指數(shù)微分編碼分布。67.根據(jù)權(quán)利要求65的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái),為在n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列,和為在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列對(duì)(run,indexderivative)確定相應(yīng)的n個(gè)系數(shù)指數(shù)序列;使用第tth個(gè)量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化的系數(shù)序列;確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的失真;確定從使用第tth個(gè)行程指數(shù)微分編碼分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。68.根據(jù)權(quán)利要求65的數(shù)據(jù)處理系統(tǒng),計(jì)算裝置進(jìn)一步用來(lái),為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和從最小成本的連接序列確定確定成本的序列對(duì)(run,indexderivative)。69.根據(jù)權(quán)利要求68的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái),為在n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列,使用動(dòng)態(tài)編程找出在多個(gè)連接中最低成本的連接序列,其中連接序列從初始節(jié)點(diǎn)經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)延伸至末端節(jié)點(diǎn)。70.根據(jù)權(quán)利要求68的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置進(jìn)一步用來(lái),為在n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列執(zhí)行步驟為表示從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接限定增加率成本,作為所需要的位數(shù)使用行程指數(shù)微分編碼分布對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第i個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和為從初始節(jié)點(diǎn)和(第i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。71.根據(jù)權(quán)利要求68的數(shù)據(jù)處理系統(tǒng),其中每個(gè)(run,indexderivative)對(duì)是對(duì)(run,level),以便限定基于指數(shù)的值為水平值,該水平值被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。72.根據(jù)權(quán)利要求71的數(shù)據(jù)處理系統(tǒng),其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接,包括為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到在包括了在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;為在具有比包括了在n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。73.根據(jù)權(quán)利要求65的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置用來(lái)通過(guò)解出二次方程而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的選定序列而得到第(t+1)th量化表。74.根據(jù)權(quán)利要求65的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置用來(lái)從在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的所有序列的所有第tth個(gè)確定成本的序列對(duì)(run,indexderivative)得到第(t+1)th行程指數(shù)微分編碼分布。75.根據(jù)權(quán)利要求71的數(shù)據(jù)處理系統(tǒng),其中計(jì)算裝置用來(lái)對(duì)在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值單獨(dú)編碼。76.根據(jù)權(quán)利要求75的數(shù)據(jù)處理系統(tǒng),其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);計(jì)算裝置根據(jù)以下步驟對(duì)n個(gè)系數(shù)序列中的序列的n個(gè)系數(shù)的每個(gè)序列在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)是在第一組系數(shù)中,則指數(shù)的水平值和順序位置與在n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)是在第二組系數(shù)中,則該系數(shù)的順序位置與在n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。77.根據(jù)權(quán)利要求76的數(shù)據(jù)處理系統(tǒng),其中為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。78.根據(jù)權(quán)利要求77的數(shù)據(jù)處理系統(tǒng),其中,為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接進(jìn)一步包括為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);為在至少具有在由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的最多行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;為在具有少于在由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的所有節(jié)點(diǎn),其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和為在由原始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。79.一種計(jì)算機(jī)程序產(chǎn)品,其使用在計(jì)算機(jī)系統(tǒng)上來(lái)通過(guò)在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)表示確定成本的n個(gè)系數(shù)指數(shù)序列來(lái)壓縮n個(gè)系數(shù)序列,其中每個(gè)序列對(duì)(run,indexderivative)都限定了相應(yīng)的系數(shù)指數(shù)序列以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,該計(jì)算機(jī)程序產(chǎn)品包括記錄介質(zhì),和記錄在記錄介質(zhì)上用來(lái)指示計(jì)算機(jī)系統(tǒng)執(zhí)行以下步驟的裝置(a)使用給定的量化表和行程指數(shù)微分編碼來(lái)為多個(gè)可能的序列對(duì)(run,indexderivative)制訂成本函數(shù);(b)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)序列以確定關(guān)聯(lián)成本;和(c)基于可能的序列對(duì)(run,indexderivative)的關(guān)聯(lián)成本函數(shù)從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。80.根據(jù)權(quán)利要求79的計(jì)算機(jī)程序產(chǎn)品,其中步驟(b)包括,在多個(gè)可能的序列對(duì)(run,indexderivative)中為每個(gè)可能的序列對(duì)(run,indexderivative)(i)確定n個(gè)系數(shù)指數(shù)的相應(yīng)序列;(ii)使用給定量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化系數(shù)序列;(iii)確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化系數(shù)序列間的失真;(iv)確定從使用給定的行程尺寸分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和(v)確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。81.根據(jù)權(quán)利要求79的計(jì)算機(jī)程序產(chǎn)品,其中步驟(c)包括(i)以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;(ii)提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);(iii)在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);(iv)通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;(v)從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)和(vi)從最小成本的連接序列確定確定成本的序列對(duì)(run,indexderivative)。82.根據(jù)權(quán)利要求81的計(jì)算機(jī)程序產(chǎn)品,其中步驟(c)(v)進(jìn)一步包括使用動(dòng)態(tài)編程來(lái)在多個(gè)連接中找出最小成本的連接序列,其中該最小成本的連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)。83.根據(jù)權(quán)利要求81的計(jì)算機(jī)程序產(chǎn)品,其中步驟(c)(iv)還包括(i)為表示從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接限定增加率成本,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。84.根據(jù)權(quán)利要求81的計(jì)算機(jī)程序產(chǎn)品,其中每個(gè)(run,indexderivative)對(duì)為對(duì)(run,level),以便基于指數(shù)的值被限定為水平值,該水平值被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。85.根據(jù)權(quán)利要求84的計(jì)算機(jī)程序產(chǎn)品,其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)、和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接,包括(i)為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn)中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括了在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;(ii)為在具有比包括了在n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和(iii)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。86.根據(jù)權(quán)利要求85的計(jì)算機(jī)程序產(chǎn)品,其中在步驟(c)中,在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。87.根據(jù)權(quán)利要求86的計(jì)算機(jī)程序產(chǎn)品,其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);步驟(c)包括根據(jù)以下步驟對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)是在第一組系數(shù)中,則指數(shù)的水平值和順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)是在第二組系數(shù)中,則該系數(shù)的順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。88.根據(jù)權(quán)利要求87的計(jì)算機(jī)程序產(chǎn)品,其中用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。89.根據(jù)權(quán)利要求88的計(jì)算機(jī)程序產(chǎn)品,其中在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接,進(jìn)一步包括(i)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前最多行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有少于在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)的前趨節(jié)點(diǎn)和初始節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的所有節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。90.一種計(jì)算機(jī)程序產(chǎn)品,其使用在計(jì)算機(jī)上來(lái)通過(guò)確定輸出量化表、由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列、和行程指數(shù)微分編碼分布來(lái)壓縮n個(gè)系數(shù)指數(shù)的方法,其中每個(gè)序列對(duì)(run、indexderivative)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,該計(jì)算機(jī)程序產(chǎn)品包括記錄介質(zhì),和記錄在記錄介質(zhì)上用來(lái)指示計(jì)算機(jī)系統(tǒng)執(zhí)行以下步驟的裝置(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)將計(jì)數(shù)器t設(shè)定為0;(d)使用第tth個(gè)量化表和行程指數(shù)微分代碼分布來(lái)制定用于第tth多個(gè)可能的(run,indexderivative)對(duì)的第tth個(gè)成本函數(shù);(e)將該第tth個(gè)成本函數(shù)提供給在第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定第tth個(gè)關(guān)聯(lián)成本;(f)基于該第tth個(gè)關(guān)聯(lián)成本從第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(g)如果該第t個(gè)th確定成本的序列對(duì)(run,indexderivative)與第tth個(gè)量化表和行程指數(shù)微分分布一起滿足選擇標(biāo)準(zhǔn),則選擇該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)作為n個(gè)系數(shù)指數(shù)確定成本的序列而該第tth個(gè)量化表作為輸出量化表,否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(h)基于第t個(gè)th行程指數(shù)微分編碼分布對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。91.根據(jù)權(quán)利要求90的計(jì)算機(jī)程序產(chǎn)品,其中步驟(b)包括使用第0th個(gè)量化表以硬決策的方式量化n個(gè)系數(shù)序列以確定(run,indexderivative)對(duì)的開(kāi)始序列,接著選擇(run,indexderivative)對(duì)的開(kāi)始序列的行程指數(shù)微分編碼分布作為第0th個(gè)行程指數(shù)微分編碼分布。92.根據(jù)權(quán)利要求90的計(jì)算機(jī)程序產(chǎn)品,其中步驟(e)還包括為在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列對(duì)(run,indexderivative)(i)確定相應(yīng)的n個(gè)系數(shù)指數(shù)序列;(ii)使用第tth個(gè)量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化系數(shù)序列;(iii)確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化的系數(shù)序列間的失真;(iv)確定從使用第tth個(gè)行程指數(shù)微分編碼分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和(v)確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。93.根據(jù)權(quán)利要求90的計(jì)算機(jī)程序產(chǎn)品,其中步驟(f)包括(i)以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;(ii)提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);(iii)在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);(iv)通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;(v)從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和(vi)從最小成本的連接序列確定確定成本的序列對(duì)(run,indexderivative)。94.根據(jù)權(quán)利要求93的計(jì)算機(jī)程序產(chǎn)品,其中步驟(f)(iv)進(jìn)一步包括(i)為表示從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接限定增加率成本,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;(ii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r-1到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為指定值時(shí)的失真;和(iii)為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。95.根據(jù)權(quán)利要求93的計(jì)算機(jī)程序產(chǎn)品,其中步驟(f)(v)進(jìn)一步包括使用動(dòng)態(tài)編程來(lái)在多個(gè)連接中找出最小成本的連接序列,其中該最小成本的連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn)。96.根據(jù)權(quán)利要求90的計(jì)算機(jī)程序產(chǎn)品,其中在步驟(g)中的第(t+1)th量化表通過(guò)解出二次方程二從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)得到。97.根據(jù)權(quán)利要求90的計(jì)算機(jī)程序產(chǎn)品,其中選擇在步驟(g)中的第(t+1)th行程指數(shù)微分編碼分布作為第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的經(jīng)驗(yàn)行程指數(shù)微分編碼分布。98.根據(jù)權(quán)利要求93的計(jì)算機(jī)程序產(chǎn)品,其中每個(gè)(run,indexderivative)對(duì)是對(duì)(run,level),以便限定基于指數(shù)的值為水平值,該水平值被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。99.根據(jù)權(quán)利要求98的計(jì)算機(jī)程序產(chǎn)品,其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接包括(i)為在至少具有包括在n個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn)中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)和任意超級(jí)節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)相應(yīng)于不同的水平值;(ii)為在具有比包括了在由初始節(jié)點(diǎn)超前的n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n個(gè)超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和(iii)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。100.根據(jù)權(quán)利要求98的計(jì)算機(jī)程序產(chǎn)品,其中,在步驟(h)中,在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。101.根據(jù)權(quán)利要求100的計(jì)算機(jī)程序產(chǎn)品,其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);步驟(f)包括對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值基于以下而編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該系數(shù)的順序位置在與n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量之前。102.根據(jù)權(quán)利要求101的計(jì)算機(jī)程序產(chǎn)品,其中用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。103.103、根據(jù)權(quán)利要求102的計(jì)算機(jī)程序產(chǎn)品,其中在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接進(jìn)一步包括(i)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);(ii)為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前最多行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;(iii)為在具有少于在n個(gè)超級(jí)節(jié)點(diǎn)序列中前于該超級(jí)節(jié)點(diǎn)的最大行程數(shù)的前趨節(jié)點(diǎn)和初始節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和(iv)為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。104.一種計(jì)算機(jī)程序產(chǎn)品,其使用在計(jì)算機(jī)上來(lái)通過(guò)聯(lián)合確定輸出量化表、輸出行程指數(shù)微分分布而為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)序列的每個(gè)、由最終確定成本的序列對(duì)(run,indexderivatuve)表示的最終確定成本的系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列的序列的方法,其中每個(gè)序列對(duì)(run,indexderivative)限定相應(yīng)的系數(shù)指數(shù)序列以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了包括有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)都限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值,其中系數(shù)指數(shù)序列與量化表一起確定n個(gè)軟決策(soft-decision)量化系數(shù)序列,該計(jì)算機(jī)程序產(chǎn)品包括記錄介質(zhì),和記錄在記錄介質(zhì)上用來(lái)指示計(jì)算機(jī)系統(tǒng)執(zhí)行以下步驟的裝置(a)選擇第0th個(gè)量化表;(b)選擇第0th個(gè)行程指數(shù)微分編碼分布;(c)設(shè)定計(jì)數(shù)器t為0;(d)為在n個(gè)系數(shù)序列的序列中的每個(gè)n個(gè)系數(shù)序列,(i)使用第tth個(gè)量化表和行程指數(shù)微分編碼分布來(lái)為關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)制定用第tth個(gè)成本函數(shù);(ii)將該成本函數(shù)提供給在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列以確定關(guān)聯(lián)成本;(iii)基于該關(guān)聯(lián)成本從關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中選擇關(guān)聯(lián)的第tth個(gè)確定成本的序列對(duì)(run,indexderivative);(e)在步驟(d)后,將該總成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列,以確定第tth個(gè)總的成本;(f)如果該第tth個(gè)總的成本滿足選擇標(biāo)準(zhǔn),則選擇第tth個(gè)量化表和行程指數(shù)微分編碼分布作為輸出量化表和輸出行程指數(shù)微分編碼分布,并且為在n個(gè)系數(shù)序列的序列中的每個(gè)n個(gè)系數(shù)序列,將由最終的確定成本的序列對(duì)(run,indexderivative)所表示的最終確定成本的系數(shù)指數(shù)序列作為關(guān)聯(lián)的第tth個(gè)序列對(duì)(run,indexderivative);否則就從該第tth個(gè)確定成本的序列對(duì)(run,indexderivative)通過(guò)將t加一而確定第(t+1)th個(gè)量化表和行程指數(shù)微分編碼分布,同時(shí)返回到步驟(d);和(g)使用霍夫曼編碼分布對(duì)相應(yīng)選定的確定成本的序列對(duì)(run,indexderivative)編碼。105.根據(jù)權(quán)利要求104的計(jì)算機(jī)程序產(chǎn)品,其中步驟(b)包括使用第0th個(gè)量化表以硬決策的方式量化n個(gè)系數(shù)序列以確定(run,indexderivative)對(duì)的開(kāi)始序列,接著選擇run、indexderivative)對(duì)的開(kāi)始序列的行程指數(shù)微分編碼分布作為第0th個(gè)行程指數(shù)微分編碼分布。106.根據(jù)權(quán)利要求105的計(jì)算機(jī)程序產(chǎn)品,其中步驟(d)還包括,為在n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列,和為在關(guān)聯(lián)的第tth多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)可能的序列對(duì)(run,indexderivative)確定相應(yīng)的n個(gè)系數(shù)指數(shù)序列;使用第tth個(gè)量化表和相應(yīng)n個(gè)系數(shù)指數(shù)序列確定相應(yīng)的n個(gè)量化系數(shù)序列;確定在n個(gè)系數(shù)序列和相應(yīng)的n個(gè)量化系數(shù)序列間的失真;確定從使用第tth個(gè)行程指數(shù)微分編碼分布所得到總的壓縮率以對(duì)序列對(duì)(run,indexderivative)編碼;和確定關(guān)聯(lián)成本作為失真和總的壓縮率的函數(shù)。107.根據(jù)權(quán)利要求104的計(jì)算機(jī)程序產(chǎn)品,其中步驟(d)包括為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列以與n個(gè)系數(shù)序列一一對(duì)應(yīng)的關(guān)系提供n個(gè)超級(jí)節(jié)點(diǎn)序列,其中每個(gè)超級(jí)節(jié)點(diǎn)包括至少一個(gè)節(jié)點(diǎn),以便每個(gè)系數(shù)Ci具有相應(yīng)的第ith個(gè)超級(jí)節(jié)點(diǎn),其中i大于等于1且小于等于n;提供前述的初始節(jié)點(diǎn)和跟隨n個(gè)節(jié)點(diǎn)序列的末端節(jié)點(diǎn);在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)以及末端節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)之間提供多個(gè)連接以表示可能的(run,indexderivative)對(duì);通過(guò)為在多個(gè)連接中的每個(gè)連接確定關(guān)聯(lián)增加成本而確定在多個(gè)可能的序列中每個(gè)序列的關(guān)聯(lián)成本;從多個(gè)連接確定最小連接成本序列,其中連接序列經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)從初始節(jié)點(diǎn)延伸到末端節(jié)點(diǎn);和從最小成本的連接序列確定確定成本的序列對(duì)(run,indexderivative)。108.根據(jù)權(quán)利要求107的計(jì)算機(jī)程序產(chǎn)品,其中步驟(d)進(jìn)一步包括,為在n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列,使用動(dòng)態(tài)編程找出在多個(gè)連接中最低成本的連接序列,其中連接序列從初始節(jié)點(diǎn)經(jīng)由至少一個(gè)超級(jí)節(jié)點(diǎn)延伸至末端節(jié)點(diǎn)。109.根據(jù)權(quán)利要求107的計(jì)算機(jī)程序產(chǎn)品,其中步驟(d)進(jìn)一步包括,為在n個(gè)系數(shù)序列中的n個(gè)系數(shù)的每個(gè)序列,為表示從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的關(guān)聯(lián)(run,indexderivative)對(duì)的每個(gè)連接限定增加率成本,使用第tth個(gè)行程指數(shù)微分編碼分布,作為所需要的位數(shù)以對(duì)關(guān)聯(lián)的(run,indexderivative)對(duì)的行程值和從關(guān)聯(lián)的(run,indexderivative)對(duì)得到的基于指數(shù)的值進(jìn)行編碼;為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定增加失真成本,作為當(dāng)系數(shù)Ci被量化為與基于指數(shù)的值關(guān)聯(lián)的值和從系數(shù)Ci-r到系數(shù)Ci-1出現(xiàn)的所有的r個(gè)系數(shù)都被量化為特定值時(shí)的失真;和為從初始節(jié)點(diǎn)和第(i-r-1)th個(gè)超級(jí)節(jié)點(diǎn)之一到第ith個(gè)超級(jí)節(jié)點(diǎn)的每個(gè)連接限定關(guān)聯(lián)增加成本,作為增加失真成本和增加率成本的函數(shù)。110.根據(jù)權(quán)利要求107的計(jì)算機(jī)程序產(chǎn)品,其中每個(gè)(run,indexderivative)對(duì)是對(duì)(run,level),以便限定基于指數(shù)的值為水平值,該水平值被限定為在特定值的連續(xù)指數(shù)數(shù)量后的指數(shù)值。111.根據(jù)權(quán)利要求110的計(jì)算機(jī)程序產(chǎn)品,其中在包括了初始節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和末端節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)間提供多個(gè)連接包括為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到在包括了在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的節(jié)點(diǎn)的最大行程數(shù)中的每個(gè)節(jié)點(diǎn)的最大連接水平數(shù),其中在該連接的最大水平數(shù)相應(yīng)于不同的水平值;為在具有比包括了在n個(gè)超級(jí)節(jié)點(diǎn)序列中的該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的前趨節(jié)點(diǎn)的最大行程數(shù)量要少的n格超級(jí)節(jié)點(diǎn)的序列中的每個(gè)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)連接到包括在該超級(jí)節(jié)點(diǎn)之前的初始節(jié)點(diǎn)的所有節(jié)點(diǎn)的最大連接水平數(shù),其中在最大水平連接數(shù)中的每個(gè)連接相應(yīng)于不同的水平值;和為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單獨(dú)連接。112.根據(jù)權(quán)利要求104的計(jì)算機(jī)程序產(chǎn)品,其中在步驟(f)中的第(t+1)th量化表通過(guò)解出二次方程而從第tth個(gè)確定成本的序列對(duì)(run,indexderivative)的選定序列而得到。113.根據(jù)權(quán)利要求104的計(jì)算機(jī)程序產(chǎn)品,其中在步驟(f)中的第(t+1)th行程指數(shù)微分編碼分布從用于在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的所有序列的所有第tth個(gè)確定成本的序列對(duì)(run,indexderivative)而得到。114.根據(jù)權(quán)利要求110的計(jì)算機(jī)程序產(chǎn)品,其中在步驟(g)中,在相應(yīng)確定成本的序列對(duì)(run,level)中每個(gè)對(duì)(run,level)的行程值和水平值都單獨(dú)編碼。115.根據(jù)權(quán)利要求114的計(jì)算機(jī)程序產(chǎn)品,其中n個(gè)系數(shù)序列包括第一組系數(shù)和與第一組系數(shù)不相交的第二組系數(shù);步驟(g)包括對(duì)在相應(yīng)的確定成本的序列對(duì)(run,level)中的每個(gè)對(duì)(run,level)的行程值基于以下而編碼如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第一組系數(shù)中,則指數(shù)的水平值和順序位置前于與在n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量,和如果相應(yīng)于在與行程關(guān)聯(lián)的特定值的連續(xù)指數(shù)的數(shù)量之前的指數(shù)的系數(shù)在第二組系數(shù)中,則該系數(shù)的順序位置前于與在n個(gè)系數(shù)序列中的行程關(guān)聯(lián)的特定值的連續(xù)系數(shù)的數(shù)量。116.根據(jù)權(quán)利要求115的計(jì)算機(jī)程序產(chǎn)品,其中為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,用于在第一組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括兩個(gè)關(guān)聯(lián)的節(jié)點(diǎn);用于在第二組系數(shù)中的每個(gè)系數(shù)的關(guān)聯(lián)超級(jí)節(jié)點(diǎn)包括單個(gè)關(guān)聯(lián)的節(jié)點(diǎn);和在超級(jí)節(jié)點(diǎn)對(duì)間的多個(gè)連接包括在表示多個(gè)對(duì)(run,level)的非關(guān)聯(lián)節(jié)點(diǎn)對(duì)間的多個(gè)連接。117.根據(jù)權(quán)利要求116的計(jì)算機(jī)程序產(chǎn)品,其中為在n個(gè)系數(shù)序列的序列中的n個(gè)系數(shù)的每個(gè)序列,在多個(gè)超級(jí)節(jié)點(diǎn)間提供多個(gè)連接進(jìn)一步包括為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),使用由給定量化表限定的硬決策量化器來(lái)確定輸出水平以量化在n個(gè)系數(shù)序列中相應(yīng)的系數(shù);為在至少具有在n個(gè)超級(jí)節(jié)點(diǎn)序列中該超級(jí)節(jié)點(diǎn)之前最多行程數(shù)量的前趨節(jié)點(diǎn)的n個(gè)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;為在具有少于在n個(gè)超級(jí)節(jié)點(diǎn)序列中前于該超級(jí)節(jié)點(diǎn)的最大行程數(shù)的前趨節(jié)點(diǎn)和初始節(jié)點(diǎn)的n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)超級(jí)節(jié)點(diǎn),建立將該超級(jí)節(jié)點(diǎn)中的節(jié)點(diǎn)連接到在該超級(jí)節(jié)點(diǎn)之前的最大行程數(shù)節(jié)點(diǎn)(為初始節(jié)點(diǎn)或超級(jí)節(jié)點(diǎn))中的每個(gè)節(jié)點(diǎn)的縮減數(shù)量的連接,其中在縮減數(shù)量的連接中的每個(gè)連接都相應(yīng)于在為該超級(jí)節(jié)點(diǎn)所確定的輸出水平的選定差別中的不同水平值;和為在n個(gè)超級(jí)節(jié)點(diǎn)序列中的每個(gè)節(jié)點(diǎn)和初始節(jié)點(diǎn),建立到末端節(jié)點(diǎn)的單個(gè)連接。全文摘要本發(fā)明涉及在給定量化表和行程指數(shù)微分編碼分布下通過(guò)確定由確定成本的序列對(duì)(run,indexderivative)所表示的確定成本的n個(gè)系數(shù)指數(shù)序列而壓縮n個(gè)系數(shù)序列,其中每個(gè)序列對(duì)(run,indexderivative)限定了相應(yīng)的系數(shù)指數(shù)序列,以便,(i)在相應(yīng)的系數(shù)指數(shù)序列中的每個(gè)指數(shù)為數(shù)字?jǐn)?shù)(digitalnumber),(ii)相應(yīng)的系數(shù)指數(shù)序列包括了有特定值的多個(gè)值,和(iii)每個(gè)(run,indexderivative)對(duì)限定了表示特定值的多個(gè)連續(xù)指數(shù)的行程值(runvalue)、和在特定值的連續(xù)指數(shù)的數(shù)量后的指數(shù)值所獲得的基于指數(shù)的值。這其中涉及到了(a)使用給定的量化表和行程指數(shù)微分編碼來(lái)為多個(gè)可能的序列對(duì)(run,indexderivative)制訂成本函數(shù);(b)將該成本函數(shù)提供給在多個(gè)可能的序列對(duì)(run,indexderivative)中的每個(gè)序列以確定關(guān)聯(lián)成本;和(c)基于可能的序列對(duì)(run,indexderivative)的關(guān)聯(lián)成本函數(shù)從多個(gè)可能的序列對(duì)(run,indexderivative)中選擇確定成本的序列對(duì)(run,indexderivative);并基于行程指數(shù)微分編碼分布使用熵編碼對(duì)相應(yīng)選定的序列對(duì)(run,indexderivative)編碼。文檔編號(hào)H03M7/46GK101044687SQ200580030761公開(kāi)日2007年9月26日申請(qǐng)日期2005年7月13日優(yōu)先權(quán)日2004年7月14日發(fā)明者楊恩輝,王隆吉申請(qǐng)人:噴流數(shù)據(jù)有限公司