Из Википедии, бесплатной энциклопедии
  (Перенаправлено из сжатия видео )
Перейти к навигации Перейти к поиску
"Исходное кодирование" перенаправляется сюда. Чтобы узнать о термине в компьютерном программировании, см. Исходный код .

В обработке сигналов , сжатие данных , кодирование источника , [1] , или снижение скорости передачи битов представляет собой процесс кодирования информации с использованием меньшего количества битов , чем исходное представление. [2] Любое конкретное сжатие либо с потерями, либо без потерь . Сжатие без потерь уменьшает количество битов за счет выявления и устранения статистической избыточности . Никакая информация не теряется при сжатии без потерь. Сжатие с потерями уменьшает количество битов, удаляя ненужную или менее важную информацию. [3] Обычно устройство, которое выполняет сжатие данных, называется кодером, а устройство, которое выполняет обращение процесса (декомпрессию), - декодером.

Процесс уменьшения размера файла данных часто называют сжатием данных. В контексте передачи данных это называется кодированием источника; кодирование выполняется в источнике данных перед их сохранением или передачей. [4] Исходное кодирование не следует путать с канальным кодированием для обнаружения и исправления ошибок или линейным кодированием , средством отображения данных на сигнал.

Сжатие полезно, потому что оно уменьшает ресурсы, необходимые для хранения и передачи данных. Вычислительные ресурсы потребляются в процессах сжатия и распаковки. Сжатие данных требует компромисса между пространственно-временной сложностью . Например, для схемы сжатия видео может потребоваться дорогостоящее оборудование, чтобы видео распаковывалось достаточно быстро, чтобы его можно было просматривать во время распаковки, а возможность полностью распаковать видео перед его просмотром может быть неудобной или требовать дополнительного хранилища. При разработке схем сжатия данных используются компромиссы между различными факторами, включая степень сжатия, величину вносимых искажений (при использовании сжатия данных с потерями).), а также вычислительные ресурсы, необходимые для сжатия и распаковки данных [5]

Без потерь [ править ]

Основная статья: Сжатие без потерь

Алгоритмы сжатия данных без потерь обычно используют статистическую избыточность для представления данных без потери информации , так что процесс является обратимым. Сжатие без потерь возможно, потому что большинство реальных данных демонстрируют статистическую избыточность. Например, изображение может иметь участки цвета, которые не меняются на несколько пикселей; вместо кодирования «красный пиксель, красный пиксель…» данные могут быть закодированы как «279 красных пикселей». Это базовый пример кодирования длин серий ; существует множество схем уменьшения размера файла за счет устранения избыточности.

В Лемпелях-Зив методы сжатия (LZ) являются одними из наиболее популярных алгоритмов для хранения без потерь. [6] DEFLATE - это вариант LZ, оптимизированный для скорости декомпрессии и степени сжатия, но сжатие может быть медленным. В середине 1980-х, после работы Терри Велча , алгоритм Лемпеля – Зива – Велча (LZW) быстро стал методом выбора для большинства систем сжатия общего назначения. LZW используется в изображениях GIF , таких программах, как PKZIP, и аппаратных устройствах, таких как модемы. [7]В методах LZ используется модель сжатия на основе таблиц, в которой записи таблицы заменяются повторяющимися строками данных. Для большинства методов LZ эта таблица создается динамически из более ранних данных во входных данных. Сама таблица часто закодирована по Хаффману . Такие основанные на грамматике коды могут чрезвычайно эффективно сжимать повторяющийся ввод данных, например, сбор биологических данных одного и того же или близкородственного вида, огромная коллекция документов с поддержкой версий, архивирование в Интернете и т. Д. Основная задача основанных на грамматике кодов - конструирование контекстно-свободная грамматика, выводящая единственную строку. Другие практические алгоритмы сжатия грамматики включают Sequitur и Re-Pair.

Самые мощные современные компрессоры без потерь используют вероятностные модели, такие как прогнозирование путем частичного согласования . Преобразование Барроуза – Уиллера также можно рассматривать как косвенную форму статистического моделирования. [8] При дальнейшем усовершенствовании прямого использования вероятностного моделирования статистические оценки могут быть связаны с алгоритмом, называемым арифметическим кодированием . Арифметическое кодирование - это более современный метод кодирования, в котором используются математические вычисления конечного автомата.для создания строки закодированных битов из серии символов входных данных. Он может обеспечить превосходное сжатие по сравнению с другими методами, такими как более известный алгоритм Хаффмана. Он использует состояние внутренней памяти, чтобы избежать необходимости выполнять взаимно однозначное сопоставление отдельных входных символов с отдельными представлениями, которые используют целое число бит, и очищает внутреннюю память только после кодирования всей строки символов данных. . Арифметическое кодирование особенно хорошо применимо к задачам адаптивного сжатия данных, где статистика варьируется и зависит от контекста, поскольку его можно легко связать с адаптивной моделью распределения вероятностей входных данных. Ранний пример использования арифметического кодирования был в необязательной (но не широко используемой) функции JPEG.стандарт кодирования изображений. [9] С тех пор он применялся в различных других проектах, включая H.263 , H.264 / MPEG-4 AVC и HEVC для кодирования видео. [10]

Lossy [ править ]

Основная статья: Сжатие с потерями

В конце 80-х годов прошлого века цифровые изображения стали более распространенными, и появились стандарты сжатия изображений без потерь . В начале 1990-х годов стали широко использоваться методы сжатия с потерями. [11] В этих схемах допускается некоторая потеря информации, поскольку удаление несущественных деталей может сэкономить место для хранения. Существует соответствующий компромисс между сохранением информации и уменьшением размера. Схемы сжатия данных с потерями разработаны на основе исследования того, как люди воспринимают данные, о которых идет речь. Например, человеческий глаз более чувствителен к тонким изменениям яркости, чем к изменениям цвета. Сжатие изображений JPEG работает частично за счет округления несущественных битов информации. [12] Эти различия в восприятии используются в ряде популярных форматов сжатия, включая психоакустику для звука и психовизуальные методы для изображений и видео.

Большинство форм сжатия с потерями основаны на кодировании с преобразованием , особенно на дискретном косинусном преобразовании (DCT). Впервые он был предложен в 1972 году Насиром Ахмедом , который затем разработал рабочий алгоритм с Т. Натараджаном и К.Р. Рао в 1973 году, прежде чем представить его в январе 1974 года. [13] [14] DCT является наиболее широко используемым методом сжатия с потерями, и используется в мультимедийных форматах для изображений (например, JPEG и HEIF ), [15] видео (например, MPEG , AVC и HEVC ) и аудио (например, MP3 ,AAC и Vorbis ).

Lossy сжатие изображения используется в цифровых камерах , для увеличения емкости хранения. Точно так же DVD , Blu-ray и потоковое видео используют форматы кодирования видео с потерями . Сжатие с потерями широко используется в видео.

При сжатии звука с потерями используются методы психоакустики для удаления неслышимых (или менее слышимых) компонентов аудиосигнала . Сжатие человеческой речи часто выполняется с помощью даже более специализированных методов; кодирование речи выделяется как отдельная дисциплина от сжатия звука общего назначения. Кодирование речи используется в интернет-телефонии , например, сжатие звука используется для копирования компакт-дисков и декодируется аудиоплеерами. [8]

Сжатие с потерями может вызвать потерю генерации .

Теория [ править ]

Теоретическая основа сжатия обеспечивается теорией информации и, в частности, алгоритмической теорией информации для сжатия без потерь и теорией искажения скорости для сжатия с потерями. Эти области исследований были созданы Клодом Шенноном , опубликовавшим фундаментальные статьи по этой теме в конце 1940-х - начале 1950-х годов. Другие темы, связанные со сжатием, включают теорию кодирования и статистический вывод . [16]

Машинное обучение [ править ]

Между машинным обучением и сжатием существует тесная связь . Система, которая предсказывает апостериорные вероятности последовательности с учетом всей ее истории, может использоваться для оптимального сжатия данных (с помощью арифметического кодирования выходного распределения). Оптимальный компрессор можно использовать для прогнозирования (путем нахождения символа, который сжимает лучше всего с учетом предыдущей истории). Эта эквивалентность использовалась в качестве оправдания для использования сжатия данных в качестве эталона для «общего интеллекта». [17] [18] [19]

Альтернативный вид может показывать алгоритмы сжатия, неявно отображающие строки в неявные векторы пространства признаков , а меры сходства на основе сжатия вычисляют сходство в этих пространствах признаков. Для каждого компрессора C (.) Мы определяем соответствующее векторное пространство ℵ, такое, что C (.) Отображает входную строку x, соответствующую векторной норме || ~ x ||. Исчерпывающее изучение пространств признаков, лежащих в основе всех алгоритмов сжатия, исключается из-за пробела; вместо этого векторы признаков выбирают для изучения три репрезентативных метода сжатия без потерь: LZW, LZ77 и PPM. [20]

Согласно теории AIXI , более подробно описанной в Hutter Prize , наилучшее сжатие x - это наименьшее возможное программное обеспечение, которое генерирует x. Например, в этой модели сжатый размер zip-файла включает как zip-файл, так и программное обеспечение для распаковки, поскольку вы не можете распаковать его без обоих, но может быть еще меньшая комбинированная форма.

Различие данных [ править ]

Основная статья: Сравнение данных

Сжатие данных можно рассматривать как частный случай различения данных . [21] [22] Различие данных состоит в создании разницы для данного источника и цели, с исправлением, воспроизводящим цель для заданного источника и разницы. Поскольку при сжатии данных нет отдельного источника и целевого объекта, сжатие данных можно рассматривать как разность данных с пустыми исходными данными, причем сжатый файл соответствует разнице из ничего. Это то же самое, что рассматривать абсолютную энтропию (соответствующую сжатию данных) как частный случай относительной энтропии. (соответствует разности данных) без исходных данных.

Термин дифференциальное сжатие используется, чтобы подчеркнуть соединение разности данных.

Использует [ редактировать ]

Изображение [ править ]

Основная статья: Сжатие изображений

Энтропийного кодирования возникла в 1940 - х с введением Шеннона-Фано кодирования , [23] основой для кодирования Хаффмана , который был разработан в 1950 году [24] кодирование с преобразованием восходит к концу 1960-х с введением быстрого преобразования Фурье (БПФ ) кодирование в 1968 г. и преобразование Адамара в 1969 г. [25]

Важным методом сжатия изображений является дискретное косинусное преобразование (DCT), метод, разработанный в начале 1970-х годов. [13] DCT является основой для JPEG , формата сжатия с потерями , который был представлен Объединенной группой экспертов по фотографии (JPEG) в 1992 году. [26] JPEG значительно сокращает объем данных, требуемых для представления изображения, за счет относительной небольшое снижение качества изображения и стал наиболее широко используемым форматом файлов изображений . [27] [28] Его высокоэффективный алгоритм сжатия на основе DCT во многом стал причиной широкого распространения цифровых изображений.и цифровые фотографии . [29]

Lempel – Ziv – Welch (LZW) - это алгоритм сжатия без потерь , разработанный в 1984 году. Он используется в формате GIF , представленном в 1987 году. [30] DEFLATE , алгоритм сжатия без потерь, указанный в 1996 году, используется в Portable Network Graphics ( PNG) формат. [31]

Сжатие вейвлетов , использование вейвлетов при сжатии изображений, началось после разработки кодирования DCT. [32] Стандарт JPEG 2000 был представлен в 2000 году. [33] В отличие от алгоритма DCT, используемого в исходном формате JPEG, JPEG 2000 вместо этого использует алгоритмы дискретного вейвлет-преобразования (DWT). [34] [35] [36] Технология JPEG 2000, которая включает расширение Motion JPEG 2000 , была выбрана в качестве стандарта кодирования видео для цифрового кино в 2004 году. [37]

Аудио [ править ]

См. Также: Формат звукового кодирования и Аудиокодек.

Сжатие аудиоданных, не путать со сжатием динамического диапазона , может снизить пропускную способность передачи и требования к хранению аудиоданных. Алгоритмы сжатия звука реализованы в программном обеспечении в виде аудиокодеков . Как при сжатии с потерями, так и при сжатии без потерь избыточность информации уменьшается с использованием таких методов, как кодирование , дискретное косинусное преобразование квантования и линейное прогнозирование, чтобы уменьшить количество информации, используемой для представления несжатых данных.

Алгоритмы сжатия звука с потерями обеспечивают более высокое сжатие и используются во многих аудиоприложениях, включая Vorbis и MP3 . Почти все эти алгоритмы полагаются на психоакустику для устранения или снижения точности менее слышимых звуков, тем самым уменьшая пространство, необходимое для их хранения или передачи. [2] [38]

Приемлемый компромисс между потерей качества звука и размером передачи или хранилища зависит от приложения. Например, на одном компакт-диске (CD) объемом 640 МБ содержится примерно один час несжатой музыки высокого качества, менее 2 часов музыки, сжатой без потерь, или 7 часов музыки, сжатой в формате MP3 со средней скоростью передачи данных . Цифровой диктофон обычно может хранить около 200 часов четко разборчивой речи на 640 МБ. [39]

Сжатие звука без потерь дает представление цифровых данных, которые можно декодировать в точную цифровую копию оригинала. Коэффициенты сжатия составляют около 50–60% от исходного размера [40], что аналогично стандартному сжатию данных без потерь. Кодеки без потерь используют аппроксимацию кривой или линейное предсказание в качестве основы для оценки сигнала. Параметры, описывающие оценку и разницу между оценкой и фактическим сигналом, кодируются отдельно. [41]

Существует ряд форматов сжатия звука без потерь. См. Список кодеков без потерь . Некоторые форматы связаны с отдельной системой, например Direct Stream Transfer , используемый в Super Audio CD и Meridian Lossless Packing , используемый в DVD-Audio , Dolby TrueHD , Blu-ray и HD DVD .

Некоторые форматы аудиофайлов включают комбинацию формата с потерями и коррекции без потерь; это позволяет удалить исправление, чтобы легко получить файл с потерями. К таким форматам относятся MPEG-4 SLS (с масштабированием до без потерь), WavPack и OptimFROG DualStream .

Когда аудиофайлы должны быть обработаны либо путем дальнейшего сжатия, либо для редактирования , желательно работать с неизмененным оригиналом (несжатым или сжатым без потерь). Обработка сжатого с потерями файла для какой-либо цели обычно дает конечный результат хуже, чем создание того же сжатого файла из несжатого оригинала. Помимо редактирования или микширования звука, сжатие звука без потерь часто используется для архивного хранения или в качестве мастер-копий.

Сжатие звука с потерями [ править ]

Сравнение спектрограмм аудио в несжатом формате и нескольких форматах с потерями. Спектрограммы с потерями показывают ограничение полосы более высоких частот, распространенный метод, связанный со сжатием звука с потерями.

Сжатие звука с потерями используется во многих приложениях. В дополнение к автономным аудио-приложениям для воспроизведения файлов в MP3-плеерах или компьютерах, аудиопотоки с цифровым сжатием используются в большинстве видеодисков DVD, цифровом телевидении, потоковых медиа в Интернете , спутниковом и кабельном радио и все чаще в наземных радиопередачах. Сжатие с потерями обычно обеспечивает гораздо большее сжатие, чем сжатие без потерь, за счет отбрасывания менее важных данных на основе психоакустической оптимизации. [42]

Психоакустика признает, что не все данные в аудиопотоке могут восприниматься слуховой системой человека . В большинстве случаев сжатие с потерями снижает избыточность, сначала идентифицируя несущественные для восприятия звуки, то есть звуки, которые очень трудно услышать. Типичные примеры включают высокие частоты или звуки, которые появляются одновременно с более громкими звуками. Эти нерелевантные звуки кодируются с пониженной точностью или вообще не кодируются.

Из-за природы алгоритмов с потерями качество звука страдает от потери цифрового поколения, когда файл распаковывается и повторно сжимается. Это делает сжатие с потерями непригодным для хранения промежуточных результатов в профессиональных аудиотехнических приложениях, таких как редактирование звука и многодорожечная запись. Однако форматы с потерями, такие как MP3 , очень популярны среди конечных пользователей, поскольку размер файла уменьшается до 5-20% от исходного размера, а в мегабайте можно хранить около минуты музыки с надлежащим качеством.

Методы кодирования [ править ]

Чтобы определить, какая информация в аудиосигнале не имеет отношения к восприятию, большинство алгоритмов сжатия с потерями используют преобразования, такие как модифицированное дискретное косинусное преобразование (MDCT), для преобразования дискретизированных сигналов во временной области в область преобразования, обычно в частотную область . После преобразования частотам компонентов можно назначить приоритет в соответствии с их слышимостью. Слышимость спектральных компонентов оценивается с использованием абсолютного порога слышимости и принципов одновременной маскировки - явления, при котором сигнал маскируется другим сигналом, разделенным по частоте - и, в некоторых случаях, временной маскировки - когда сигнал маскируется другим сигналом. разделены временем.Контуры равной громкости также могут использоваться для взвешивания воспринимаемой важности компонентов. Модели сочетания человеческого уха и мозга, включающие такие эффекты, часто называют психоакустическими моделями . [43]

Другие типы компрессоров с потерями, такие как кодирование с линейным предсказанием (LPC), используемое с речью, являются кодерами на основе источника. LPC использует модель голосового тракта человека для анализа звуков речи и определения параметров, используемых моделью для их воспроизведения от момента к моменту. Эти изменяющиеся параметры передаются или сохраняются и используются для управления другой моделью в декодере, который воспроизводит звук.

Форматы с потерями часто используются для распространения потокового аудио или интерактивного общения (например, в сетях сотовой связи). В таких приложениях данные должны распаковываться по мере потока данных, а не после того, как весь поток данных был передан. Не все аудиокодеки можно использовать для потоковых приложений. [42]

Задержка возникает из-за методов, используемых для кодирования и декодирования данных. Некоторые кодеки будут анализировать более длинный сегмент данных, называемый кадром , для оптимизации эффективности, а затем кодировать его таким образом, который требует одновременного декодирования большего сегмента данных. Присущая алгоритму кодирования задержка может иметь решающее значение; например, при двусторонней передаче данных, например, при телефонном разговоре, значительные задержки могут серьезно ухудшить воспринимаемое качество.

В отличие от скорости сжатия, которая пропорциональна количеству операций, требуемых алгоритмом, здесь под задержкой понимается количество выборок, которые должны быть проанализированы перед обработкой блока аудио. В минимальном случае задержка равна нулю отсчетов (например, если кодер / декодер просто уменьшает количество битов, используемых для квантования сигнала). Алгоритмы временной области, такие как LPC, также часто имеют низкую задержку, отсюда их популярность в кодировании речи для телефонии. Однако в таких алгоритмах, как MP3, необходимо проанализировать большое количество выборок для реализации психоакустической модели в частотной области, а задержка составляет порядка 23 мс.

Кодировка речи [ править ]

Кодирование речи - важная категория сжатия аудиоданных. Модели восприятия, используемые для оценки того, что может слышать человеческое ухо, обычно несколько отличаются от моделей, используемых для музыки. Диапазон частот, необходимых для передачи звуков человеческого голоса, обычно намного уже, чем диапазон частот, необходимый для музыки, и звук обычно менее сложен. В результате речь может быть кодирована с высоким качеством с использованием относительно низкой скорости передачи данных.

Если данные, подлежащие сжатию, являются аналоговыми (например, напряжение, которое изменяется со временем), используется квантование, чтобы преобразовать их в цифровую форму в числа (обычно целые числа). Это называется аналого-цифровым (A / D) преобразованием. Если целые числа, сгенерированные квантованием, равны 8 битам каждое, то весь диапазон аналогового сигнала делится на 256 интервалов, и все значения сигнала в пределах интервала квантуются до одного и того же числа. Если генерируются 16-битные целые числа, то диапазон аналогового сигнала делится на 65 536 интервалов.

Это соотношение иллюстрирует компромисс между высоким разрешением (большое количество аналоговых интервалов) и высоким сжатием (генерируются небольшие целые числа). Это приложение квантования используется несколькими методами сжатия речи. Обычно это достигается комбинацией двух подходов:

  • Только кодирование звуков, которые может издать один человеческий голос.
  • Отбрасывание большего количества данных в сигнале - сохранение ровно столько, чтобы восстановить «разборчивый» голос, а не весь частотный диапазон человеческого слуха .

Возможно , наиболее ранние алгоритмы , используемые при кодировании речи (аудио и сжатии данных в целом) были алгоритмом А-закон , и алгоритм μ-закон .

История [ править ]

Solidyne 922: первая в мире коммерческая звуковая карта с битовым сжатием звука для ПК, 1990 г.

В 1950 году Bell Labs подала патент на дифференциальную импульсно-кодовую модуляцию (DPCM). [44] Адаптивный DPCM (ADPCM) был представлен П. Каммиски, Никилом С. Джаянтом и Джеймсом Л. Фланаганом в Bell Labs в 1973 году. [45] [46]

Перцепционное кодирование было впервые использовано для сжатия кодирования речи с кодированием с линейным предсказанием (LPC). [47] Первоначальные концепции LPC восходят к работе Фумитада Итакура ( Университет Нагоя ) и Сюдзо Сайто ( Nippon Telegraph and Telephone ) в 1966 году. [48] В 1970-х годах Бишну С. Атал и Манфред Р. Шредер из Bell Labs разработал форму LPC, называемую адаптивным прогнозирующим кодированием (APC), алгоритм перцептивного кодирования, который использовал маскирующие свойства человеческого уха, за которым в начале 1980-х гг.алгоритм линейного предсказания с кодовым возбуждением (CELP), который достиг значительной степени сжатия для своего времени. [47] Перцепционное кодирование используется современными форматами сжатия звука, такими как MP3 [47] и AAC .

Дискретное косинусное преобразование (DCT), разработанное Насиром Ахмедом , Т. Натараджаном и К.Р. Рао в 1974 г. [14], послужило основой для модифицированного дискретного косинусного преобразования (MDCT), используемого в современных форматах сжатия звука, таких как MP3 [49] и AAC. . MDCT был предложен JP Princen, AW Johnson и AB Bradley в 1987 году [50] после более ранней работы Princen и Bradley в 1986 году. [51] MDCT используется современными форматами сжатия звука, такими как Dolby Digital , [52] [53 ] ] MP3 , [49] и Advanced Audio Coding (AAC). [54]

Первая в мире система сжатия звука для автоматизации коммерческого вещания была разработана Оскаром Бонелло, профессором инженерных наук Университета Буэнос-Айреса . [55] В 1983 году, используя психоакустический принцип маскировки критических полос, впервые опубликованный в 1967 году [56], он начал разработку практического приложения на основе недавно разработанного компьютера IBM PC , а в 1987 году была запущена система автоматизации вещания. назовите Audicom . Двадцать лет спустя почти все радиостанции в мире использовали аналогичную технологию, произведенную рядом компаний.

В феврале 1988 г. в журнале IEEE Journal on Selected Area in Communications ( JSAC ) был опубликован сборник литературы по большому количеству систем кодирования звука. аудиокодеры, почти все они используют методы восприятия (т. е. маскирования), какой-то частотный анализ и внутреннее бесшумное кодирование. [57] В нескольких из этих статей отмечена сложность получения хорошего, чистого цифрового звука для исследовательских целей. Большинство, если не все, авторы издания JSAC также были активны в комитете MPEG-1 Audio, который создал формат MP3.

Видео [ править ]

Смотрите также: формат кодирования видео и видео кодек

Сжатие видео - это практическая реализация исходного кода в теории информации. На практике большинство видеокодеков используются вместе с методами сжатия звука для хранения отдельных, но дополнительных потоков данных в виде одного комбинированного пакета с использованием так называемых контейнерных форматов . [58]

Несжатое видео требует очень высокой скорости передачи данных . Хотя кодеки сжатия видео без потерь работают с коэффициентом сжатия от 5 до 12, типичное сжатие видео H.264 с потерями имеет коэффициент сжатия от 20 до 200 [59].

Двумя ключевыми методами сжатия видео, используемыми в стандартах кодирования видео, являются дискретное косинусное преобразование (DCT) и компенсация движения (MC). Большинство стандартов кодирования видео, таких как форматы H.26x и MPEG , обычно используют кодирование видео DCT с компенсацией движения (компенсация движения блоков). [60] [61]

Теория кодирования [ править ]

Видеоданные могут быть представлены как последовательность кадров неподвижного изображения. Такие данные обычно содержат много пространственной и временной избыточности . Алгоритмы сжатия видео пытаются уменьшить избыточность и более компактно хранить информацию.

Большинство форматов сжатия видео и кодеков используют как пространственную, так и временную избыточность (например, посредством разностного кодирования с компенсацией движения ). Сходства можно кодировать, только сохраняя различия между, например, смежными во времени кадрами (межкадровое кодирование) или пространственно смежными пикселями (внутрикадровое кодирование). Межкадровое сжатие (временное дельта-кодирование ) - один из самых мощных методов сжатия. Он (повторно) использует данные из одного или нескольких более ранних или более поздних кадров в последовательности для описания текущего кадра. С другой стороны, внутрикадровое кодирование использует только данные из текущего кадра, что фактически является сжатием неподвижных изображений . [43]

Класс специализированных форматов , используемых в видеокамерах и видеомонтаж использовании менее сложные схемы сжатия , которые ограничивают их методы прогнозирования для прогнозирования внутри кадра.

Обычно при сжатии видео дополнительно используются методы сжатия с потерями , такие как квантование, которые уменьшают аспекты исходных данных, которые (более или менее) не имеют отношения к зрительному восприятию человека, за счет использования перцептивных характеристик человеческого зрения. Например, небольшие различия в цвете более трудны для восприятия, чем изменения в яркости. Алгоритмы сжатия могут усреднять цвет в этих похожих областях, чтобы уменьшить пространство, аналогично тем, которые используются при сжатии изображений JPEG . [9] Как и при любом сжатии с потерями, существует компромисс между качеством видео и скоростью передачи данных., стоимость обработки сжатия и распаковки, а также системные требования. Сильно сжатое видео может содержать видимые или отвлекающие артефакты .

Другие методы, помимо распространенных форматов преобразования на основе DCT, такие как фрактальное сжатие , поиск соответствия и использование дискретного вейвлет-преобразования (DWT), были предметом некоторых исследований, но обычно не используются в практических продуктах (за исключением использование вейвлет-кодирования в качестве кодеров неподвижных изображений без компенсации движения). Интерес к фрактальному сжатию, кажется, ослабевает из-за недавнего теоретического анализа, показывающего сравнительную неэффективность таких методов. [43]

Межкадровое кодирование [ править ]
Основная статья: Межкадровый
Дополнительная информация: Компенсация движения

Межкадровое кодирование работает путем сравнения каждого кадра видео с предыдущим. Отдельные кадры видеопоследовательности сравниваются от одного кадра к другому, и кодек сжатия видео отправляет только различия.в систему отсчета. Если кадр содержит области, в которых ничего не перемещалось, система может просто подать короткую команду, которая копирует эту часть предыдущего кадра в следующий. Если части кадра перемещаются простым способом, компрессор может выдать команду (немного более длинную), которая сообщает декомпрессору, что нужно сдвинуть, повернуть, осветлить или затемнить копию. Эта более длинная команда по-прежнему остается намного короче, чем внутрикадровое сжатие. Обычно кодировщик также передает остаточный сигнал, который описывает оставшиеся более тонкие отличия от эталонного изображения. Используя энтропийное кодирование, эти остаточные сигналы имеют более компактное представление, чем полный сигнал. В областях видео с большим количеством движения сжатие должно кодировать больше данных, чтобы не отставать от большего количества изменяющихся пикселей. Обычно во время взрывов, пламени,стай животных, а в некоторых панорамных снимках высокочастотная детализация приводит к ухудшению качества или увеличениюпеременный битрейт .

Гибридные блочные форматы преобразования [ править ]

Дополнительная информация: Дискретное косинусное преобразование
Этапы обработки типичного видеокодера

Сегодня почти все широко используемые методы сжатия видео (например, в стандартах, утвержденных ITU-T или ISO ) используют одну и ту же базовую архитектуру, восходящую к H.261, которая была стандартизирована в 1988 году ITU-T. В основном они полагаются на DCT, применяемый к прямоугольным блокам соседних пикселей, и временное предсказание с использованием векторов движения , а также на шаг внутрицикловой фильтрации.

На этапе прогнозирования применяются различные методы дедупликации и разностного кодирования, которые помогают декоррелировать данные и описывать новые данные на основе уже переданных данных.

Затем прямоугольные блоки (остаточных) пиксельных данных преобразуются в частотную область, чтобы упростить нацеливание нерелевантной информации при квантовании и для некоторого уменьшения пространственной избыточности. Дискретного косинусного преобразования (ДКП) , который широко используется в связи с этим было введено Н. Ахмеда , Т. Natarajan и КР Рао в 1974 г. [14]

На этапе основной обработки с потерями данные квантуются, чтобы уменьшить количество информации, не имеющей отношения к зрительному восприятию человека.

На последнем этапе статистическая избыточность в значительной степени устраняется энтропийным кодером, который часто применяет некоторую форму арифметического кодирования.

На дополнительной стадии внутриконтурной фильтрации к восстановленному сигналу изображения могут применяться различные фильтры. Вычисляя эти фильтры также внутри цикла кодирования, они могут способствовать сжатию, поскольку их можно применять к справочному материалу до того, как он будет использован в процессе прогнозирования, и ими можно руководствоваться, используя исходный сигнал. Самый популярный пример - фильтры удаления блочности, которые размывают артефакты блокировки от разрывов квантования на границах блоков преобразования.

История [ править ]

Основная статья: Формат кодирования видео § История

В 1967 году А. Х. Робинсон и К. Черри предложили схему сжатия полосы пропускания кодирования длин серий для передачи аналоговых телевизионных сигналов. [62] Дискретное косинусное преобразование (DCT), которое является фундаментальным для современного сжатия видео, [63] было введено Насиром Ахмедом , Т. Натараджаном и К. Р. Рао в 1974 году. [14] [64]

H.261 , который дебютировал в 1988 году, коммерчески представил распространенную базовую архитектуру технологии сжатия видео. [65] Это был первый формат кодирования видео, основанный на сжатии DCT, который впоследствии стал стандартом для всех последующих основных форматов кодирования видео. [63] H.261 был разработан рядом компаний, включая Hitachi , PictureTel , NTT , BT и Toshiba . [66]

Самыми популярными стандартами кодирования видео, используемыми для кодеков, были стандарты MPEG . MPEG-1 был разработан Группой экспертов по кинематографии (MPEG) в 1991 году и был разработан для сжатия видео с качеством VHS . В 1994 году ему на смену пришел MPEG-2 / H.262 , [65] который был разработан рядом компаний, в первую очередь Sony , Thomson и Mitsubishi Electric . [67] MPEG-2 стал стандартным видеоформатом для цифрового телевидения DVD и SD . [65]В 1999 году за ним последовал MPEG-4 / H.263 , который стал большим шагом вперед в технологии сжатия видео. [65] Он был разработан рядом компаний, в первую очередь Mitsubishi Electric, Hitachi и Panasonic . [68]

Наиболее широко используемый формат кодирования видео - H.264 / MPEG-4 AVC . Он был разработан в 2003 году рядом организаций, в первую очередь Panasonic, Godo Kaisha IP Bridge и LG Electronics . [69] AVC коммерчески представила современные алгоритмы контекстно-адаптивного двоичного арифметического кодирования (CABAC) и контекстно-адаптивного кодирования с переменной длиной слова (CAVLC). AVC является основным стандартом кодирования видео для дисков Blu-ray и широко используется веб-сайтами для обмена видео и потоковыми интернет-сервисами, такими как YouTube , Netflix , Vimeo и iTunes Store , веб-программным обеспечением, таким какAdobe Flash Player и Microsoft Silverlight , а также различные передачи HDTV по наземному и спутниковому телевидению.

Генетика [ править ]

См. Также: Сжатие данных геномного повторного секвенирования.

Алгоритмы сжатия генетики - это последнее поколение алгоритмов сжатия без потерь, которые сжимают данные (обычно последовательности нуклеотидов) с использованием как обычных алгоритмов сжатия, так и генетических алгоритмов, адаптированных к конкретному типу данных. В 2012 году группа ученых из Университета Джона Хопкинса опубликовала алгоритм генетического сжатия, в котором для сжатия не используется эталонный геном. HAPZIPPER был адаптирован для HapMapdata и обеспечивает более чем 20-кратное сжатие (уменьшение размера файла на 95%), обеспечивая в 2–4 раза лучшее сжатие и намного быстрее, чем ведущие универсальные утилиты сжатия. Для этого Чанда, Эльхайк и Бадер ввели кодирование на основе MAF (MAFE), которое снижает неоднородность набора данных путем сортировки SNP по частоте их минорных аллелей, тем самым гомогенизируя набор данных. [70] Другие алгоритмы в 2009 и 2013 годах (DNAZip и GenomeZip) имеют степень сжатия до 1200 раз, что позволяет хранить 6 миллиардов пар диплоидных геномов человека в 2,5 мегабайтах (относительно эталонного генома или усредненных по многим геномам). [71] [72] Сравнительный анализ компрессоров данных генетики / геномики см. [73]

Перспективы и неиспользуемый в настоящее время потенциал [ править ]

Предполагается, что общий объем данных, хранящихся на мировых устройствах хранения, может быть дополнительно сжат с помощью существующих алгоритмов сжатия с оставшимся средним коэффициентом 4,5: 1. [74] По оценкам, совокупные технологические возможности мира по хранению информации в 2007 году обеспечивают 1300 эксабайт аппаратных цифр, но когда соответствующий контент оптимально сжат, это составляет всего 295 эксабайт информации Шеннона . [75]

См. Также [ править ]

  • Слуховая маскировка
  • HTTP-сжатие
  • Колмогоровская сложность
  • Алгоритм магического сжатия
  • Минимальная длина описания
  • Код по модулю-N
  • Кодирование движения
  • Перцепционный аудиокодер
  • Кодирование диапазона
  • Подполосное кодирование
  • Универсальный код (сжатие данных)
  • Векторное квантование

Ссылки [ править ]

  1. ^ Уэйд, Грэм (1994). Кодирование и обработка сигналов (2-е изд.). Издательство Кембриджского университета. п. 34. ISBN 978-0-521-42336-6. Проверено 22 декабря 2011 . Основная цель кодирования источника состоит в том, чтобы использовать или удалить «неэффективную» избыточность в источнике ИКМ и тем самым добиться снижения общей скорости R.
  2. ^ а б Махди, О.А.; Мохаммед, Массачусетс; Мохамед, AJ (ноябрь 2012 г.). «Внедрение нового подхода к преобразованию сжатия звука в кодирование текста с помощью гибридной техники» (PDF) . Международный журнал проблем компьютерных наук . 9 (6, № 3): 53–59 . Проверено 6 марта 2013 года .
  3. ^ Пуджар, JH; Кадласкар, Л. М. (май 2010 г.). «Новый метод сжатия и декомпрессии изображений без потерь с использованием методов кодирования Хаффмана» (PDF) . Журнал теоретических и прикладных информационных технологий . 15 (1): 18–23.
  4. ^ Саломон, Дэвид (2008). Краткое введение в сжатие данных . Берлин: Springer. ISBN 9781848000728.
  5. Перейти ↑ Tank, MK (2011). «Реализация алгоритма Lempel-ZIV для сжатия без потерь с использованием VHDL». Реализация алгоритма Лимпеля-Зива для сжатия без потерь с использованием VHDL . Thinkquest 2010: Материалы Первой международной конференции по контурам вычислительной техники . Берлин: Springer. С. 275–283. DOI : 10.1007 / 978-81-8489-989-4_51 . ISBN 978-81-8489-988-7.
  6. ^ Навки, Сауд; Naqvi, R .; Риаз, РА; Сиддики, Ф. (апрель 2011 г.). «Оптимизированный дизайн RTL и реализация алгоритма LZW для приложений с высокой пропускной способностью» (PDF) . Электрический обзор . 2011 (4): 279–285.
  7. ^ Стивен, Вольфрам (2002). Новый вид науки . Шампейн, Иллинойс. п. 1069. ISBN 1-57955-008-8.
  8. ^ a b Махмуд, Салауддин (март 2012 г.). «Улучшенный метод сжатия данных для общих данных» (PDF) . Международный журнал научных и инженерных исследований . 3 (3): 2 . Проверено 6 марта 2013 года .
  9. ^ a b Lane, Том. «Часто задаваемые вопросы о сжатии изображений JPEG, часть 1» . Интернет-архивы часто задаваемых вопросов . Независимая группа JPEG . Проверено 6 марта 2013 года .
  10. ^ GJ Салливан ; Ж.-Р. Ом; W.-J. Хан; Т. Виганд (декабрь 2012 г.). «Обзор стандарта высокоэффективного кодирования видео (HEVC)» . IEEE Transactions on Circuits and Systems for Video Technology . IEEE . 22 (12): 1649–1668. DOI : 10.1109 / TCSVT.2012.2221191 .
  11. ^ Вольфрам, Стивен (2002). Новый вид науки . Wolfram Media, Inc. стр. 1069 . ISBN 978-1-57955-008-0.
  12. ^ Аркангел, Кори. «О сжатии» (PDF) . Проверено 6 марта 2013 года .
  13. ^ a b Ахмед, Насир (январь 1991 г.). «Как я пришел к дискретному косинусному преобразованию» . Цифровая обработка сигналов . 1 (1): 4–5. DOI : 10.1016 / 1051-2004 (91) 90086-Z .
  14. ^ a b c d Насир Ахмед ; Т. Натараджан; Камисетти Рамамохан Рао (январь 1974 г.). «Дискретное косинусное преобразование» (PDF) . Транзакции IEEE на компьютерах . С-23 (1): 90–93. DOI : 10.1109 / TC.1974.223784 .
  15. ^ Исследовательская группа CCITT VIII и Объединенная группа экспертов по фотографии (JPEG) от Объединенного технического комитета 1 ISO / IEC / Подкомитета 29 / Рабочей группы 10 (1993), «Приложение D - Арифметическое кодирование», Рекомендация T.81: Цифровое сжатие и кодирование Непрерывных неподвижных изображений - Требования и руководящие принципы (PDF) , стр. 54 и далее , получено 07 ноября 2009 г.
  16. ^ Марак, Ласло. «О сжатии изображений» (PDF) . Университет Марн-ла-Валле. Архивировано из оригинального (PDF) 28 мая 2015 года . Проверено 6 марта 2013 года .
  17. ^ Махони, Мэтт. «Обоснование теста на сжатие большого текста» . Флоридский технологический институт . Проверено 5 марта 2013 года .
  18. ^ Шмилович А .; Kahiri Y .; Бен-Гал I .; Хаузер С. (2009). «Измерение эффективности внутридневного рынка Форекс с помощью универсального алгоритма сжатия данных» (PDF) . Вычислительная экономика . 33 (2): 131–154. CiteSeerX 10.1.1.627.3751 . DOI : 10.1007 / s10614-008-9153-3 . S2CID 17234503 .   
  19. Перейти ↑ I. Ben-Gal (2008). «Об использовании мер сжатия данных для анализа надежных конструкций» (PDF) . Транзакции IEEE о надежности . 54 (3): 381–388. DOI : 10.1109 / TR.2005.853280 . S2CID 9376086 .  
  20. ^ Д. Скалли; Карла Э. Бродли (2006). «Сжатие и машинное обучение: новый взгляд на векторы пространства признаков». Конференция Сжатие данных, 2006 : 332. DOI : 10,1109 / DCC.2006.13 . ISBN 0-7695-2545-8. S2CID  12311412 .
  21. ^ Корн, Д .; и другие. «RFC 3284: Универсальный формат данных разности и сжатия VCDIFF» . Инженерная группа Интернета . Проверено 5 марта 2013 года .
  22. ^ Корн, Д.Г.; Во, КП (1995). Б. Кришнамурти (ред.). Vdelta: различие и сжатие . Практическое программное обеспечение Unix многократного использования. Нью-Йорк: John Wiley & Sons, Inc.
  23. ^ Клод Элвуд Шеннон (1948). Alcatel-Lucent (ред.). «Математическая теория коммуникации» (PDF) . Технический журнал Bell System . 27 (3–4): 379–423, 623–656. DOI : 10.1002 / j.1538-7305.1948.tb01338.x . hdl : 11858 / 00-001M-0000-002C-4314-2 . Проверено 21 апреля 2019 .
  24. ^ Дэвид Альберт Хаффман (сентябрь 1952 г.), «Метод построения кодов с минимальной избыточностью» (PDF) , Proceedings of the IRE , 40 (9), pp. 1098–1101, doi : 10.1109 / JRPROC.1952.273898
  25. ^ Уильям К. Пратт, Джулиус Кейн, Гарри К. Эндрюс: « Кодирование изображений с преобразованием Адамара », в Протоколах IEEE 57.1 (1969): Seiten 58–68
  26. ^ «T.81 - ЦИФРОВОЕ СЖАТИЕ И КОДИРОВАНИЕ НЕПРЕРЫВНЫХ ТОНОВЫХ ИЗОБРАЖЕНИЙ - ТРЕБОВАНИЯ И РЕКОМЕНДАЦИИ» (PDF) . CCITT . Сентябрь 1992 . Проверено 12 июля 2019 .
  27. ^ «Объяснение формата изображения JPEG» . BT.com . BT Group . 31 мая 2018 . Дата обращения 5 августа 2019 .
  28. ^ Baraniuk, Крис (15 октября 2015). «Защита от копирования может приходить на файлы JPEG» . BBC News . BBC . Проверено 13 сентября 2019 .
  29. ^ «Что такое JPEG? Невидимый объект, который вы видите каждый день» . Атлантика . 24 сентября 2013 . Проверено 13 сентября 2019 .
  30. ^ «Противоречие GIF: перспектива разработчика программного обеспечения» . Дата обращения 26 мая 2015 .
  31. ^ Л. Питер Дойч (май 1996). DEFLATE Спецификация формата сжатых данных версии 1.3 . IETF . п. 1 сек. Абстрактный. DOI : 10,17487 / RFC1951 . RFC 1951 . Проверено 23 апреля 2014 .
  32. ^ Хоффман, Рой (2012). Сжатие данных в цифровых системах . Springer Science & Business Media . п. 124. ISBN 9781461560319. По сути, вейвлет-кодирование - это вариант кодирования с преобразованием на основе DCT, который уменьшает или устраняет некоторые из его ограничений. (...) Еще одно преимущество заключается в том, что вместо работы с блоками 8 × 8 пикселей, как это делают JPEG и другие блочные методы DCT, вейвлет-кодирование может одновременно сжимать все изображение.
  33. ^ Таубман, Дэвид; Марселлин, Майкл (2012). JPEG2000: Основы, стандарты и практика сжатия изображений: Основы, стандарты и практика сжатия изображений . Springer Science & Business Media . ISBN 9781461507994.
  34. ^ Unser, M .; Блю Т. (2003). «Математические свойства вейвлет-фильтров JPEG2000» . IEEE Transactions по обработке изображений . 12 (9): 1080–1090. Bibcode : 2003ITIP ... 12.1080U . DOI : 10.1109 / TIP.2003.812329 . PMID 18237979 . S2CID 2765169 .  
  35. ↑ Салливан, Гэри (8–12 декабря 2003 г.). «Общие характеристики и конструктивные соображения для кодирования видео временного поддиапазона» . ITU-T . Группа экспертов по кодированию видео . Проверено 13 сентября 2019 .
  36. ^ Bovik, Алан С. (2009). Основное руководство по обработке видео . Академическая пресса . п. 355. ISBN 9780080922508.
  37. ^ Шварц, Чарльз С. (2005). Понимание цифрового кино: профессиональное руководство . Тейлор и Фрэнсис . п. 147. ISBN. 9780240806174.
  38. ^ Каннингем, Стюарт; МакГрегор, Иэн (2019). «Субъективная оценка музыки, сжатой с помощью кодека ACER, по сравнению с AAC, MP3 и несжатым PCM» . Международный журнал цифрового мультимедийного вещания . 2019 : 1–16. DOI : 10.1155 / 2019/8265301 .
  39. ^ Цифровой диктофон Olympus WS-120, согласно его руководству, может хранить около 178 часов аудио с качеством речи в формате .WMA на 500 МБ флэш-памяти.
  40. ^ Коулсон, Джош. «Сравнение FLAC» . Проверено 23 августа 2020 .
  41. ^ «Обзор формата» . Проверено 23 августа 2020 .
  42. ^ а б Джайсвал, RC (2009). Аудио-видео техника . Пуна, Махараштра: Нирали Пракашан. п. 3.41. ISBN 9788190639675.
  43. ^ a b c Факсин Ю. Хао Ло; Жеминг Лу (2010). Анализ и обработка трехмерных моделей . Берлин: Springer. п. 47 . ISBN 9783642126512.
  44. ^ Патент США 2605361 , C. Чэпин Катлер, «Дифференциальная Квантование сигналов связи», выданный 1952-07-29 
  45. ^ П. Каммиски, Никил С. Джаянт и Дж. Л. Фланаган, «Адаптивное квантование в дифференциальном кодировании речи с ИКМ», Bell Syst. Tech. J. , т. 52, стр. 1105–1118, сентябрь 1973 г.
  46. ^ Cummiskey, P .; Джаянт, Никил С .; Фланаган, JL (1973). «Адаптивное квантование в дифференциальном кодировании речи с ИКМ». Технический журнал Bell System . 52 (7): 1105–1118. DOI : 10.1002 / j.1538-7305.1973.tb02007.x . ISSN 0005-8580 . 
  47. ^ a b c Шредер, Манфред Р. (2014). "Bell Laboratories" . Акустика, информация и связь: Мемориальный том в честь Манфреда Р. Шредера . Springer. п. 388. ISBN. 9783319056609.
  48. ^ Грей, Роберт М. (2010). «История цифровой речи в реальном времени в пакетных сетях: часть II линейного прогнозирующего кодирования и Интернет-протокола» (PDF) . Нашел. Тенденции сигнального процесса . 3 (4): 203–303. DOI : 10.1561 / 2000000036 . ISSN 1932-8346 .  
  49. ^ a b Гукерт, Джон (весна 2012 г.). «Использование БПФ и MDCT в сжатии аудио MP3» (PDF) . Университет Юты . Проверено 14 июля 2019 .
  50. ^ JP Princen, AW Johnson и AB Bradley: Кодирование поддиапазонов / преобразований с использованием схем банка фильтров, основанных на отмене наложения спектров во временной области , IEEE Proc. Intl. Конференция по акустике, речи и обработке сигналов (ICASSP), 2161–2164, 1987.
  51. ^ Джон П. Принсен, Алан Б. Брэдли: Дизайн банка фильтров анализа / синтеза, основанный на отмене наложения спектров во временной области , IEEE Trans. Акуст. Обработка речевых сигналов, ASSP-34 (5), 1153–1161, 1986.
  52. Перейти ↑ Luo, Fa-Long (2008). Стандарты мобильного мультимедийного вещания: технологии и практика . Springer Science & Business Media . п. 590. ISBN 9780387782638.
  53. ^ Britanak, В. (2011). «О свойствах, взаимосвязях и упрощенной реализации банков фильтров в стандартах аудиокодирования Dolby Digital (Plus) AC-3». Транзакции IEEE по обработке звука, речи и языка . 19 (5): 1231–1241. DOI : 10,1109 / TASL.2010.2087755 . S2CID 897622 . 
  54. ^ Бранденбург, Карлхайнц (1999). «Объяснение MP3 и AAC» (PDF) . Архивировано (PDF) из оригинала 13 февраля 2017 года.
  55. ^ "Краткое изложение некоторых вкладов Solidyne в Broadcast Engineering" . Краткая история Solidyne . Буэнос-Айрес: Солидайн. Архивировано из оригинала 8 марта 2013 года . Проверено 6 марта 2013 года .
  56. ^ Цвикер, Эберхард; и другие. (1967). Ухо как приемник связи . Мелвилл, штат Нью-Йорк: Акустическое общество Америки. Архивировано из оригинала на 2000-09-14 . Проверено 11 ноября 2011 .
  57. ^ «Возможности сжатия файлов» . Краткое руководство по сжатию файла 4 различными способами .
  58. ^ «Кодирование видео» . Сайт CSIP . Центр обработки сигналов и информации Технологического института Джорджии. Архивировано из оригинального 23 мая 2013 года . Проверено 6 марта 2013 года .
  59. ^ Дмитрий Ватолин; и другие. (Видеогруппа Graphics & Media Lab) (март 2007 г.). Сравнение видеокодеков без потерь '2007 (PDF) (Отчет). Московский Государственный Университет.
  60. ^ Чен, Джи; Коч, Ут-Ва; Лю, К.Дж. Рэй (2001). Проектирование систем кодирования цифрового видео: подход в полной сжатой области . CRC Press . п. 71. ISBN 9780203904183.
  61. ^ Ли, Цзянь Пинг (2006). Труды Международной компьютерной конференции 2006 года по вейвлетовской активной медиа - технологий и обработке информации: Чунцин, Китай, 29-31 августа 2006 года . World Scientific . п. 847. ISBN 9789812709998.
  62. ^ Робинсон, AH; Черри, К. (1967). «Результаты прототипа схемы сжатия полосы пропускания телевидения». Труды IEEE . IEEE . 55 (3): 356–364. DOI : 10.1109 / PROC.1967.5493 .
  63. ^ a b Ганбари, Мохаммед (2003). Стандартные кодеки: от сжатия изображений до расширенного кодирования видео . Институт инженерии и технологий . С. 1–2. ISBN 9780852967102.
  64. ^ Читатель, Клифф (2016-08-31). «Патентный ландшафт для бесплатного кодирования видео» . В Tescher, Andrew G (ред.). Приложения цифровой обработки изображений XXXIX . 9971 . Сан-Диего, Калифорния: Общество инженеров по фотооптическому оборудованию. стр. 99711B. Bibcode : 2016SPIE.9971E..1BR . DOI : 10.1117 / 12.2239493 . Запись лекции, с 3:05:10.
  65. ^ а б в г http://www.real.com/resources/digital-video-file-formats/
  66. ^ "Заявление о патенте, зарегистрированное как H261-07" . ITU . Проверено 11 июля 2019 .
  67. ^ "Список патентов MPEG-2" (PDF) . MPEG LA . Дата обращения 7 июля 2019 .
  68. ^ "MPEG-4 Visual - Список патентов" (PDF) . MPEG LA . Дата обращения 6 июля 2019 .
  69. ^ «AVC / H.264 - Список патентов» (PDF) . MPEG LA . Дата обращения 6 июля 2019 .
  70. ↑ Chanda P, Bader JS, Elhaik E (27 июля 2012 г.). «HapZipper: делиться популяциями HapMap стало еще проще» . Исследования нуклеиновых кислот . 40 (20): e159. DOI : 10.1093 / NAR / gks709 . PMC 3488212 . PMID 22844100 .  
  71. ^ Christley S, Lu Y, Li C, Се X (Jan 15, 2009). «Человеческие геномы как вложения электронной почты» . Биоинформатика . 25 (2): 274–5. DOI : 10.1093 / биоинформатики / btn582 . PMID 18996942 . 
  72. ^ Pavlichin DS, Вайсман T Йона G (сентябрь 2013). «Геном человека снова сжимается» . Биоинформатика . 29 (17): 2199–202. DOI : 10.1093 / биоинформатики / btt362 . PMID 23793748 . 
  73. ^ М. Хоссейни, Д. Пратас и А. Пинхо. 2016. Обзор методов сжатия данных для биологических последовательностей. Информация 7 (4) :( 2016): 56
  74. ^ «Сжатие данных с помощью логического синтеза» (PDF) .
  75. ^ Гильберт, Мартин; Лопес, Присцила (1 апреля 2011 г.). «Мировой технологический потенциал для хранения, передачи и вычисления информации». Наука . 332 (6025): 60–65. Bibcode : 2011Sci ... 332 ... 60H . DOI : 10.1126 / science.1200970 . PMID 21310967 . S2CID 206531385 .  

Внешние ссылки [ править ]

  • Основы сжатия данных (видео)
  • Сжатие видео 4: 2: 2 10 бит и его преимущества
  • Почему 10-битная полоса пропускания сохраняется (даже если контент 8-битный)?
  • Какую технологию сжатия следует использовать
  • Wiley - Введение в теорию сжатия
  • Субъективные тесты прослушивания EBU на аудиокодеках с низким битрейтом
  • Руководство по архивированию аудио: музыкальные форматы (руководство, помогающее пользователю выбрать правильный кодек)
  • Введение в сжатие видео MPEG 1 и 2 (формат pdf) на Wayback Machine (архивировано 28 сентября 2007 г.)
  • Hydrogenaudio сравнение вики
  • Введение в сжатие данных, автор Guy E Blelloch из CMU
  • HD Greetings - Несжатый исходный материал 1080p для тестирования и исследования сжатия
  • Объяснение метода сжатия сигнала без потерь, используемого большинством кодеков
  • Интерактивные слепые тесты аудиокодеков через Интернет
  • TestVid - 2000+ видеоклипов в формате HD и других несжатых исходных видео для тестирования сжатия
  • Videsignline - Введение в сжатие видео
  • Технология уменьшения объема данных
  • Что такое кодирование длины прогона при сжатии видео.