h264—CABAC算法原理简介1
Context-Based Adaptive Binary Arithmetic Coding in the H.264/AVC
简称Cabac,H264中的一种熵编码方式:基于上下文的自适应二进制算术编码
首先需要了解什么是算数编码(大部分是我在网上摘录的)
算术编码是一种常用的变字长编码,它是利用信源概率分布特性、能够趋近熵极限的编码方法。它与 Huffman 一样,也是对出现概率大的符号赋予短码,对概率小的符号赋予长码。但它的编码过程与 Huffman 编码却不相同,而且在信源概率分布比较均匀的情况下其编码效率高于 Huffman 编码。它和 Huffman 编码最大的区别在于它不是使用整数码。Huffman 码是用整数长度的码字来编码的最佳方法,而算法编码是一种并不局限于整数长度码字的最佳编码方法。算术编码是把各符号出现的概率表示在单位概率 [0,1] 区间之中,区间的宽度代表概率值的大小。符号出现的概率越大对应于区间愈宽,可用较短码字表示;符号出现概率越小对应于区间愈窄,需要较长码字表示。 举例如下:
符号序列的第一个符号 S3 用指向第 3 个子区间的指针来代表,可以用这个区间内的任意一个小数来表示这个指针,这里约定这个区间的左端点代表这个指针,因此得到第一个码字.011。
后续的编码将在前面编码指向的子区间内进行,将 [.011, .111] 区间再按概率大小划分为 4 份,第二个符号 S3 指向 .1001 (S3 区间的左端),输出码字变为 .1001。
然后,S3 对应的子区间又被划分为 4 份,开始对第三个符号 S2 进行编码,…….
两个参量:编码点(指针所指处)C 和区间宽度 A。
初始状态
编码点(指针所指处)C = 0
区间宽度 A = 1.0
新编码点 C = 原编码点 C + 原区间 A×Pi
新区间 A = 原区间 A×pi
序列 S3S3S2S4 …… 的编码过程:
第1个符号 (S3): C = 0 + 1×.011 = .011
A = 1×.1 = .1
第2个符号 (S3): C = .011 + .1×.011 = .1001
A = .1×.1 = .01
第3个符号 (S2): C = .1001 + .01×.001 = .10011
A = .01×.01 = .0001
第4个符号 (S4): C = .10011 + .0001×.111 = .1010011 (输出的码字)
A = .0001×.001 = .0000001
解码过程
算法解码采取与编码过程相反的步骤
把接收到的码字串指向其对应的子区间,得到此子区间对应的符号,即为解码后的符号。
即从码字串中减去已解码符号的子区间的左端点的数值(累积概率),
并将差值除以该子区间的宽度(概率值),得到新的码字串。
上述例子
当收到字码串 (.1010011) 时,其指向子区间 [.011, .111],对应于 S3,因此,得到第 1 个符号为 S3。
新码字串:(.1010011 - .011) ÷ (.1) = 0.100011 ,新码字串仍然指向子区间 [.011, .111],因此,第 2 个符号仍为 S3。
其它符号依次类推
二进制算术编码
二进制算术编码的输入的字符只有两种,如果信源字符集内包含有多个字符,则先将这些字符经过一系列的二进判决(这里有很多种判决方法,哥伦布方法等),变成二进制字符串。
这两个符号构成的序列的编码与算术编码基本原理相同,仍是不断划分概率子区间的递归过程。
在两个输入字符中,出现概率较大的为 MPS (More Probable Symbol),MPS 的概率为 Pe;出现概率较小的为 LPS (Less Probable Symbol),LPS 的概率为 Qe,Pe=1-Qe。
编码初始化子区间为 [0,1],MPS与 LPS 分配如图所示:
编码时,设置两个专用寄存器(C,A)
C 寄存器的值为编码点(指针所指处),初时化为0
A 寄存器的值为子区间的宽度 (该宽度恰好是已输入符号串的概率),初时化为1
随着被编码数据源输入,C 和 A 的内容按以下编码规则修正:
当低概率符号 LPS 到来时:
C=C , A=AQe
当高概率符号MPS到来时:
C=C + AQe , A=Ape = A(1-Qe)
(这两种情况也可以反过来,在我们用到的程序中就是大概率采用第一种更新方式,小概率使用了第二种更新方式)
h264—CABAC算法原理简介1相关推荐
- AVS-CABAC算法原理简介2
CABAC是H264的一种熵编码方案,相比如H264的另外一种熵编码方案CAVLC而言,在可接受的视频质量(30dB到38dB之间)内变化时,前者可节约平均9%到14%的码流.CABAC有以下几个特性 ...
- 支持向量机算法原理简介
1,支持向量机概念简介 分类作为数据挖掘领域中一项非常重要的任务,它的目的是学会一个分类函数或分类模型(或者叫做分类器),而支持向量机本身便是一种监督式学习的方法,它广泛的应用于统计分类以及回归分析中 ...
- 逻辑回归算法原理简介
1,逻辑回归简介 逻辑回归完成分类任务,是经典的二分类算法(也可以解决多分类问题),机器学习算法一般选择先逻辑回归(优先选择)再用复杂的,逻辑回归的决策边界可以是非线性的(高阶).可以通过参数对结果进 ...
- PBFT 算法原理简介
什么是 PBFT? Practical Byzantine Fault Tolerance ,实用拜占庭容错. 什么是 BFT? Byzantine Fault Tolerance ,拜占庭将军问题. ...
- RSA算法原理简介,非对称加密,公开密钥算法(易懂篇)
RSA加密算法是最常用的非对称加密算法,CFCA在证书服务中离不了它.但是有不少新来的同事对它不太了解,恰好看到一本书中作者用实例对它进行了简化而生动的描述,使得高深的数学理论能够被容易地理解.我们经 ...
- 深度学习算法 | LSTM算法原理简介及Tutorial
北京 | 深度学习与人工智能研修 12月23-24日 再设经典课程 重温深度学习 阅读全文 > 正文共4880个字 17张图,预计阅读时间:13分钟. 1.背景 LSTM(Long Short ...
- GNSS/INS松组合算法原理简介
文章目录 卡尔曼滤波简介 概念 内容 方法 卡尔曼滤波器的初始化 系统状态 微分方程 离散化 GNSS 位置观测方程 状态转移矩阵 系统噪声方差阵 系统噪声驱动阵 本篇博文的矩阵展开都是根据状态向量为 ...
- 线性回归算法原理简介
1,线性回归概念 回归和分类的区别:简单地说,回归就是通过数据预测出一个目标值(实际值),分类就是通过数据预测出一个类别(二分类,多分类). 比如:银行贷款实例 (1)数据:每个个人(样本)的工资和年 ...
- 银行家算法原理及代码实现
银行家算法原理 简介 银行家算法(Banker's Algorithm)是一个避免死锁(Deadlock)的著名算法,是由艾兹格·迪杰斯特拉在1965年为T.H.E系统设计的一种避免死锁产生的算法.它 ...
最新文章
- 你的4nm安卓旗舰芯片来了!骁龙8 Gen 1:支持8K HDR,功耗降30%,雷军:小米12首发...
- 漫谈设计模式--3分钟理解桥接模式:笔和画的关系
- 对我影响最大的三个老师
- .pro.user文件
- as3 与 java_每天学一点Flash(48) As3.0 与 java 通信(1)
- PL/SQL编程的简单学习
- import pyart时报错 ValueError: numpy.ndarray has the wrong size, try recompiling.
- mac XCode 快捷键
- Redis之各版本特性
- HouseMD v0.2.1 发布,比Btrace更实用运行时诊断工具
- 【Java后台开发规范】--- Null值处理
- 淘宝客APP双端原生源码 开源原生态可运营可二次开发+含全套开发文档
- 360急速浏览器有道词典屏幕取词问题
- Java计算机毕业设计电竞教育公司源码+系统+数据库+lw文档
- mouse_event() 控制鼠标操作
- springBoot 修行之路1
- imagebutton图片缩放
- 最新Spring Boot实战项目(权限后台管理系统)详解
- 广义表的长度,深度及复制广义表的算法
- Layui 数据表格合计
热门文章
- 你的电脑卡吗?90%的人靠这5招给电脑提速!
- 虚拟机安装win2000(附key)
- 【制作电子杂志软件】云展网教程 | 管理、修改电子杂志设置
- 负数转无符号运算 (-1对256取模)
- 如何提高自己的英语口语?来自笔友的分析,值得一看
- [渝粤教育] 广东-国家-开放大学 21秋期末考试应急管理10413k2
- 算法设计与分析: 5-14 独立钻石跳棋问题
- 计算机实战项目 毕业设计 课程设计之 论文+辩论PPT+源码等]精品微信小程序springboot居家养老服务+后台管理前后分离
- 惠普暗夜精灵2怎么打开后盖_惠普光影精灵3后盖拆解图 | 手游网游页游攻略大全...
- 智慧安监系统为城市安全监管提供保障