Kompresja danych
Książka poświęcona zagadnieniom związanym z bezstratną kompresją danych.
Książka ma logiczny i przejrzysty układ oraz zawiera wiele przykładów wraz z
rozwiązaniami, dzięki czemu ma również cechy zaawansowanego podręcznika
akademickiego.
Książka jest adresowana do studentów kierunków informatycznych oraz do wszystkich
zainteresowanych problematyką bezstratnej kompresji.
1. Wprowadzenie
1.1. Potrzeba kompresji
1.1.1. Świat informacji cyfrowej .
1.1.2. Rola kompresji
1.2. Ogólna charakterystyka danych . .
1.2.1. Ciągi danych (jednowymiarowe) .
1.2.2. Obrazy
1.2.3. Dane złożone .
1.3. Podstawowe pojęcia .
1.3.1. Kompresja danych .
1.3.2. Efektywność kompresji.
1.4. Paradygmaty kompresji .
1.4.1. Kompresja bezstratna .
1.4.2. Kompresja stratna .
1.5. Krótka historia rozwoju metod kompresji .
1.6. Kilka uwag dotyczących praktycznej realizacji algorytmów kompresji .
1.6.1. Własny koder od początku . . .
1.6.2. Wykorzystanie użytecznych narzędzi i bibliotek
2. Teoretyczne podstawy kodowania
2.1. Podstawy teorii informacji .
2.1.1. Modelowanie źródeł informacji
2.1.2. Miary ilości informacji .
2.1.3. Podstawowe twierdzenia i zasady kodowania. . .
2.1.4. Pojęcie nadmiarowości .
2.2. Wybrane przykłady metod kodowania
2.2.1. Kod dwójkowy stałej długości.
2.2.2. Kodowanie długości sekwencji (serii) .
2.2.3. Kod Shannona
2.2.4. Transformacja Burrows-Wheelera .
2.2.5. Kodery nabazie FSM .
3. Kodowanie Huffmana
3.1. Efektywny kod symboli .
3.1.1. Metoda Shannona-Fano . .
3.1.2. Rozwiązanie optymalne :metoda Huffmana . . .
3.2. Realizacja kodu Huffmana .
3.2.1. Koder adaptacyjny–koncepcja
3.2.2. Koder adaptacyjny–wybrane problemy implementacji.
3.2.3. Znormalizowany koder statyczny .
3.3. Kod Golomba .
3.3.1. Kod dwójkowy prawie stałej długości.
3.3.2. Kodunarny
3.3.3. Elementarny kod Golomba . . .
3.3.4. Charakterystyka kodu Golomba
3.3.5. Kody przedziałowe .
3.4. Podsumowanie
4. Kodowanie arytmetyczne
4.1. Pomysł metody . . .
4.1.1. Ograniczenia optymalnego kod usymboli . .
4.1.2. Prawdopodobieństwo wystąpienia całej kodowanej sekwencji danych
4.1.3. Koncepcja kodu arytmetycznego .
4.1.4. Kodowanie
4.1.5. Dekodowanie .
4.1.6. Efektywność .
4.1.7. Wykorzystanie modelu źródła z pamięcią .
4.1.8. Historia pomysłu .
4.2. Algorytmy kodera i dekodera .
4.3. Praktyczna realizacja w arytmetyce całkowitoliczbowej
4.3.1. Granice przedziału kodowego .
4.3.2. Niedomiar .
4.3.3. Algorytmy
4.3.4. Przykładowe procedury . .
4.4. Modelowanie statystyczne .
4.4.1. Algorytm statyczny .
4.4.2. Algorytm adaptacyjny (dynamiczny) .
4.4.3. Modele Markowa .
4.4.4. Dynamiczne konteksty i alfabety .
4.4.5. PPM. .
4.4.6. CTW .
4.5. Koderbinarny
4.5.1. Algorytm podstawowy
4.5.2. Implementacja
4.5.3. Szybki BAC
4.5.4. Wybrane realizacje .
5. Kodowanie słownikowe
5.1. Istota metody .
5.2. Koncepcjes łownika
5.2.1. Statyczna .
5.2.2. Dynamiczna
5.3. Metoda LZ77 (słownik jako okno przesuwne) .
5.3.1. Ograniczenia efektywności .
5.3.2. Modyfikacj LZSS .
5.4. Metoda LZ78 (nieograniczony słownik zewnętrzny) . . .
5.4.1. Ograniczenia efektywności .
5.4.2. Modyfikacja LZW .
5.5. Efektywne implementacje metod słownikowych . .
5.5.1. Entropijne kodowanie indeksów
5.5.2. Metody wykorzystując ekoncepcję LZ77 . .
5.5.3. Metody wykorzystując ekoncepcję LZ78 . .
5.5.4. Testy efektywności .
6. Metody predykcyjne
6.1. Zagadnienie predykcji danych .
6.1.1. Przewidywanie jest cechą modelowania.
6.1.2. Predykcja ze statystycznym modelem prawdopodobieństw warunkowych .
6.1.3. Predykcja z funkcją zależności danych .
6.2. Liniowa predykcja DPCM .
6.2.1. Dobieranie modelu predykcji .
6.3. Adaptacyjne modele predykcji.
6.3.1. Adaptacja wprzód .
6.3.2. Adaptacja wstecz.
6.4. Predykcja w koderach obrazów . .
6.4.1. Bezstratny JPEG.
6.4.2. PNG. .
6.4.3. Nieliniowy model predykcji MED/MAP . .
6.4.4. Model predykcji z gradientem GAP .
6.4.5. Inne modele predykcji .
6.4.6. Doskonalenie modeli adaptacyjnych .
7. Wybrane metody bezstratnej kompresji obrazów
7.1. Przeglądanie danych .
7.1.1. Przykładowe metody porządkowania pikseli . . .
7.1.2. Krzywa Hilberta .
7.1.3. Kodowanie uporządkowanych pikseli .
7.1.4. Skanowanie progresywne. .
7.2. Metody predykcyjne .
7.2.1. Uproszczone modele predykcji.
7.2.2. Ocena efektywności predykcji .
7.2.3. Metody interpolacyjne .
7.3. Dwuwymiarowe modele statystyczne źródeł informacji
7.3.1. Modelowanie kontekstu
7.3.2. PPPM .
7.3.3. Efektywny koder obrazów .
7.4. Charakterystyka standardu JPEG-LS
7.4.1. Kodowanie sekwencji próbeki dentycznych .
7.4.2. Nieliniowa predykcja w JPEG-LS .
7.4.3. Modelowanie kontekstu w JPEG-LS .
7.4.4. Binarne kodowanie błędu predykcji .
7.5. Opis metody CALIC .
7.5.1. Predykcja heurystyczna
7.5.2. Optymalizacja kontekstu modelu statystycznego .
7.5.3. Algorytm kompresji .
7.6. Metody falkowe
7.6.1. Falkowa dekompozycjao brazów
7.6.2. Transformacje całkowitoliczbowe .
7.6.3. Realizacje zapomocą liftingu
7.6.4. Algorytm kompresji .
7.7. Binarne kodowanie obrazów .
7.7.1. Obrazy czarno-białe .
7.7.2. Obrazy wielopoziomowe
7.7.3. Standard JBIG
7.8. Testy efektywnośc ibezstratnych metod kompresji obrazów
7.9. Bezstratna kompresja sekwencji obrazów .
7.10.Metody hybrydowe (złożone) .
7.10.1.Standard JBIG2 .
7.10.2.CREW
7.10.3.Format DjVu .
7.11.Rzecz idzie o szybkość i funkcjonalność, czyli podsumowanie.
262 strony, Format: 17.0x25.0cm, oprawa twarda
