A METHOD AND A DEVICE FOR PROCESSING BIT SYMBOLS GENERATED BY A DATA SOURCE; A COMPUTER READABLE MEDIUM; A COMPUTER PROGRAM ELEMENT

(19)

(11)

EP 1 573 922 B9

(12)	CORRECTED EUROPEAN PATENT SPECIFICATION
	Note: Bibliography reflects the latest situation

(15)	Correction information:
	Corrected version no 1 (W1 B1)
	Corrections, see Claims DE

(48)	Corrigendum issued on:
	18.03.2009 Bulletin 2009/12

(45)	Mention of the grant of the patent:
	06.08.2008 Bulletin 2008/32

(21)	Application number: 02786341.4

(22)	Date of filing: 24.10.2002

(51)

International Patent Classification (IPC):

H03M 7/26^(2006.01)

H04N 7/30^(2006.01)

(86)	International application number:
	PCT/SG2002/000248

(87)	International publication number:
	WO 2004/042933 (21.05.2004 Gazette 2004/21)

(54)

A METHOD AND A DEVICE FOR PROCESSING BIT SYMBOLS GENERATED BY A DATA SOURCE; A COMPUTER READABLE MEDIUM; A COMPUTER PROGRAM ELEMENT

VERFAHREN UND VORRICHTUNG ZUR VERARBEITUNG VON AUS EINER DATENQUELLE GENERIERTEN BIT-SYMBOLEN, COMPUTERLESBARES MEDIUM UND COMPUTERPROGRAMMELEMENT

PROCEDE ET DISPOSITIFS DE TRAITEMENT DE SYMBOLES BINAIRES GENERES PAR UNE SOURCE DE DONNEES, SUPPORT LISIBLE PAR UN ORDINATEUR, ELEMENT DE PROGRAMME D'ORDINATEUR

(84)	Designated Contracting States:
	AT BE BG CH CY CZ DE DK EE ES FI FR GB GR IE IT LI LU MC NL PT SE SK TR

(43)	Date of publication of application:
	14.09.2005 Bulletin 2005/37

(73)	Proprietor: Agency for Science, Technology and Research
	Singapore 138632 (SG)

(72)	Inventors:
	YU, Rongshan Singapore 640168 (SG) RAHARDJA, Susanto Singapore 579720 (SG) LIN, Xiao 18-238 Singapore 650117 (SG)

(74)	Representative: Viering, Jentschura & Partner
	Postfach 22 14 43 80504 München 80504 München (DE)

(56)

References cited: :

EP-A1- 1 030 524
US-B1- 6 433 707

WO-A1-01/17268

Note: Within nine months from the publication of the mention of the grant of the European patent, any person may give notice to the European Patent Office of opposition to the European patent granted. Notice of opposition shall be filed in a written reasoned statement. It shall not be deemed to have been filed until the opposition fee has been paid. (Art. 99(1) European Patent Convention).

Description

[0001] Embedded coding has generated tremendous interest in video, image and audio processing. This is because embedded coding allows the encoder to terminate the encoding process at any point to meet a pre-determined target bit rate. Furthermore, the decoder can truncate the bit-stream at any point and is still able to obtain a reasonable good quality of the decoded video, image or audio. In other words, an ideal embedded coding system is able to provide rate-distortion optimized truncated bit-streams, making it an ideal coding tool for building systems with Fine Granularity Scalability (FGS).

[0002] A popular method to implement an embedded coding system is by sequential bit-plane coding (BPC) due to its simplicity. In BPC, input data vectors from a data source are represented in bit-planes, and the bit-planes are then encoded sequentially, starting from the most significant bit-plane which represents the most significant bits (MSB) of the input data vectors, to the least significant bit-plane which represents the least significant bits (LSB) of the input data vectors. In addition to its structural simplicity, such encoding sequence from the MSB to the LSB of the input data vectors satisfies a principle of the embedded coding process as disclosed in [1], wherein bits affecting the quality of the video/image/audio data most should be encoded first.

[0003] Generally, implementing a bit-plane coding that gives an optimized value of the rate-distortion curve is extremely complex and requires high computational resources. This is because for general data sources, there exists statistical dependencies among bit-planes as well as among data samples. In order to capture such dependencies, an entropy coder has to employ a frequency table with a large number of entries, which does not only increase the complexity of the entropy coder but may also result in large modeling cost [2] that eventually degrades the coding performance. Therefore, most practical implementations of bit-plane coding usually adopt a compromised approach to reduce the computational complexities, which unfortunately, result in performance degradation.

[0004] Hence, it is desirable to have a bit-plane coding process which gives an optimized value of the rate-distortion curve, which is of a low computational complexity, and yet does not result in substantial degradation in performance.

Summary of the Invention

[0005] It is an object of the invention to provide an embedded coding scheme which is of low computational complexity, but have performance which is comparable to any of the systems mentioned above.

[0006] The object is achieved by the features of the independent claims. Additional features result from the dependent claims.

[0007] The present invention relates to a method for processing bit symbols generated by a data source, in particular a video, still image or audio source, comprising the steps of constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols, scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols, and encoding the binary string of the bit-plane symbols using a statistical model, wherein the statistical model is based on statistical properties of a Laplacian probability distribution function which characterizes the data source.

[0008] The bit symbols generated by the data source, which comprises a plurality of input data vectors, are first arranged in such a manner so that a plurality of bit-planes are formed. Each bit-plane comprises a plurality of bit-plane symbols which corresponds to each bit symbol of the data source.

[0009] The data source may refer to any kind of data signal which can be captured by a capturing device for further processing. Specifically, the data source in this specification refers to a video, a still image or an audio source which can be captured by a video recorder, camera and microphone, respectively, for further processing.

[0010] Starting from a bit-plane, preferably the bit-plane containing the MSB of the input data vectors, all the bit-plane symbols are scanned to select bit-plane symbols according to a certain manner in order to generate a binary string of bit-plane symbols. The binary string of bit-plane symbols generated by the scanning process then are encoded using a statistical model. The statistical model is generated based on statistical properties of a Laplacian probability distribution function (pdf) of the data source, in particular a video/image/audio source.

[0011] The advantage of using a statistical model which is based on the statistical properties of a Laplacian pdf for encoding the binary string of bit-plane symbols is that the computational complexity of the encoding process based on this kind of statistical model is very low. When the statistical model is based on the statistical properties of a general pdf, an extremely large probability table is required to be maintained in the encoder, which is unsuitable for applications with limited computational resources and storage capacity. In order to overcome this problem, most BPC schemes according to the state of the art only entropy encode a limited subset of bit-plane symbols that have very skew distribution, resulting in substantial loss of coding efficiency.

[0012] By exploiting statistical properties of a Laplacian pdf of the data source according to the invention, the need for such a large probability table is eliminated, resulting in a substantial reduction in computational complexity and yet without any substantial loss of quality.

[0013] The encoding method according to the invention uses an entropy encoding process, which is a form of data compression method based on statistical models. Preferably, an arithmetic encoder is used as an entropy encoder for encoding the binary string of bit-plane symbols generated by the scanning process.

[0014] Arithmetic encoding, an entropy encoding process, is preferred since it provides good compression ratio.

[0015] A Laplacian pdf is defined using the following function:

wherein σ is the standard deviation, or the distribution parameter, of the Laplacian pdf.

[0016] According to an embodiment of the invention, the above equation of the Laplacian pdf is used to determine the probability assignment to each of the bit-plane symbols. The determined probability assignment is subsequently used to determine the statistical model for encoding the binary string of bit-plane symbols.

[0017] Specifically, the probability assignment to each of the bit-plane symbol is determined using the following equation:

wherein
P_j is the probability assignment to the bit-plane symbol, and j represents the bit-plane.

[0018] The above probability assignment equation is obtained from the Laplacian pdf, and is used to determine the probability of each bit-plane symbol. Such probability or statistical information of the data source is subsequently used by the encoder, in particular the arithmetic encoder, for encoding the binary string of bit-plane symbols.

[0019] Due to the statistical properties of the Laplacian pdf, the complexity of determining the probability distribution of each bit-plane is tremendously reduced.

[0020] In another embodiment where the standard deviation, σ, is not known, the probability assignment to each bit-plane symbol is determined based on the knowledge from encoding the previous bit-plane symbols.

[0021] Such an adaptive process is useful in practical applications when knowledge of the statistical properties of the data source is not known, or when the data source is non-stationary. In such cases, the statistical properties of the data source are determined based on information obtained from previously encoded bit-plane symbols.

[0022] Specifically, the probability assignment to each bit-plane symbol in this embodiment is given by the following equation:

wherein

P_j is the probability assignment to the bit-plane symbol,

N_a is the number of bit-plane symbols coded until the end of the previous bit-plane,

N is the number of bit-plane symbols coded in the current bit-plane symbol,

P_j^Na is the estimation of P_j after observing N_a bit-plane symbols,

P_j^ML is the maximum likelihood estimation of P_j for the current bit-plane and is defined by

wherein b_i,j is the bit-plane symbol.

[0023] Preferably, the estimation of P_j from previous coded bit planes, _Pj^Na, is estimated by updating from the previous bit-plane using the following equation:

wherein

is the estimation of P_j from the previous bit-plane.

[0024] According to the invention, the method for processing bit symbols generated by a data source further comprises the steps of determining an optimal bit-plane (referred to as lazy plane) from the input data vector to be coded, determining a probability assignment to each bitplane based an its relation with the lazy plane, wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols.

[0025] The computational complexity of the encoding process is further reduced since the probability assignment to each bit-plane is explicitly determined by a relationship with the lazy plane.

[0026] Firstly, the lazy plane is selected from the plurality of bit-planes. The lazy plane is represented by an integer, L, which satisfies the following inequality:

wherein

φ is defined by

and

θ is defined as

[0027] The above decision rule actually partitions the support of the distribution parameter, σ, into disjointed regions, and the lazy plane corresponding to each partitioned region is specified so that it satisfies the above inequality.

[0028] After the lazy plane is determined according to the invention, the probability assignment to each bit-plane is determined. The probability assignment to each bit-plane is based on its relationship with respect to the optimal bit-plane as given by the equation:

wherein

is the probability assignment to the j^th bit-plane.

[0029] Alternatively, when the length and the absolute sum of the input data vectors of the data source are known, the lazy plane may be determined using the following equation:

wherein

N is the length of the input data vector, and

A is the absolute sum of the input data vector.

[0030] The determining of the optimal bit-plane may be implemented by a slight modification of the algorithm as disclosed in [3] to extend the range of order L to a negative integer.

[0031] In another alternative embodiment, the probability assignment to each bit-plane which is based on its relationship with respect to the lazy plane may be determined using the equation:

[0032] In this embodiment, the encoder may be implemented using the skew coder which is disclosed in [4].

[0033] As mentioned, the two alternative embodiments described above has the advantage of further reducing the computational complexity of encoding the binary string of bit-plane symbols.

[0034] Furthermore, a method is provided for processing the encoded binary string of bit-plane symbols to generate an output data representing the data source, comprising the steps of decoding the encoded binary string of bit-plane symbols to generate a further binary string of bit-plane symbols so that a plurality of bit-planes comprising the bit-plane symbols can be reconstructed. The plurality of bit-planes are reconstructed with the probability assigned by a further statistical model, and hence the output data representing the input data vectors can be reconstructed. The statistical model is based on a Laplacian probability distribution function which characterizes the bit-plane symbols.

[0035] The statistical model generated from the decoding process of the binary string of the bit-plane symbols is identical to the statistical model which is used for the encoding process. In other words, the probability assignment, P_j or

used for forming the statistical model in the encoding process is re-generated in the decoding process.

[0036] The plurality of bit-planes are thus reconstructed using the identical statistical model used in the encoding process, resulting in the reconstructed output data to be exactly identical to the original data source up to the bit-plane where the encoded binary string of bit-plane symbols is terminated by the decoder.

[0037] Furthermore, an optimal mean square error (MSE) reconstruction of the source vectors is produced with the probability assigned by that statistical model. Specifically, the probability assignment P_j is used to form the statistical model in the encoding process, and the data source is reconstructed using the following equation:

wherein

x̂_i is the re-constructed data source, and

s_i is a sign symbol of x̂_i.

T is the bit-plane the encoded binary string of bit-plane symbols is terminated

[0038] Similarly, when the probability assignment

is used to form the statistical model in the encoding process, the data source is reconstructed using the following equation:

[0039] As can be seen from above, the second summation

is used for enhancing the quality of the re-generated data source, which can be stopped once a desired quality is achieved.

[0040] The described embodiments of the invention apply not only to the method, but also to a device, a computer readable medium and a computer program.

Brief Description of the Figures

[0041]

Figure 1 shows a general structure of a video/image/audio coding system.

Figure 2 shows a general structure of a bit-plane coding system.

Figure 3 shows a modified structure of the bit-plane coding according to an embodiment of the invention.

Detailed Description of the Preferred Embodiment of the Invention

[0042] Fig.1 shows a general structure of a video/image/audio coding system 100. A data source, in particular video, still image or audio source, is received by a capturing device 101. The capturing device 101 may be a video recorder, a camera or a microphone for capturing different types of data source. The captured data is first converted into a digital signal by an Analog-to-Digital (A/D) converter 102 for further processing.

[0043] The bit symbols of the data source generated in the A/D converter are received by a bit-plane coding system 103 (which will be described in detail later) comprising an encoder unit 104 and a decoder unit 105. The encoder unit 104 encodes the bit symbols and transmits the encoded symbols over a channel to the decoder unit 105.

[0044] The decoder unit 105 decodes the encoded symbols and sends the decoded symbols to an output device 107, for example a digital television or digital camera, to be displayed. If the output device 107 is an analog device (for example an audio speaker), a Digital-to-Analog (D/A) converter 106 may be used to convert the decoded symbols to an analog signal before outputting them to the output device 107.

[0045] Fig.2 shows a general structure of a bit-plane coding system 103, comprising an encoder unit 104 and a decoder unit 105. The encoder unit 104 further comprises a bit-plane construction and scanning unit 110, a first statistical model unit 111 and an entropy encoder 112. The decoder unit 105 further comprises an entropy decoder 122, a second statistical model unit 121 and a bit-plane reconstruction unit 120.

[0046] At the start of the encoding process, the bit symbols 130 are received by the bit-plane construction and scanning unit 110. The bit symbols 130 comprises a plurality of input data vectors which can be represented as

for a k-dimensional input data vector, wherein x_i is extracted from an independent and identical distributed (i.i.d.) random source of some alphabet A ⊂

[0047] x_i may also be represented in binary form as

wherein s_i is the sign symbol which is expressed as

and b_i,j is the amplitude symbol wherein b_i,j ∈ {0, 1}. The binary representation of x_i is also normalized as integer M satisfies the following inequality:

[0048] When each input data vector of the bit symbols 130 is received by the bit-plane construction and scanning unit 110, the input data vector is decomposed into its sign symbol s_i and amplitude symbols bi,j. The sign and amplitude symbols of the input data vectors are arranged to form a plurality of bit-planes, with each bit-plane containing a sign symbol s_i or an amplitude symbol b_i,j from each input data vector. Generally, the amplitude symbols b_i,j corresponding to the most significant bit (MSB) of the input data vectors are arranged in a first bit-plane, and the amplitude symbols b_i,j of the second MSB are arranged in a second bit-plane, and so on.. The sign symbols s_i of the input data vectors are also arranged in another separate bit-plane. All the sign and amplitude symbols of the bit-planes are referred to as bit-plane symbols.

[0049] Once the bit-planes are constructed, all the bit-plane symbols contained in the bit-planes are scanned, starting from the bit-plane containing the MSB of the input data vectors. The scanning process is to select the bit-plane symbols to form a binary string of bit-plane symbols 131. One possible scanning process is summarized in the following steps:

1. Start scanning from the bit-plane j=M-1 containing the MSB of input data vectors,
2. Select the amplitude symbols b_i,j with the corresponding amplitude symbols of all the previous bit-planes being "0": b_i,M-1 = b_i,M-2 =...= b_i,j+1=0.
3. When the amplitude symbol b_i,j is "1", the sign symbol s_i is also selected. Steps 2) and 3) are known as the significance pass.
4. Select the amplitude symbols b_i,j which are not selected in the significance pass. This step is known as the refinement pass.
5. Progress to the next bit-plane j-1.

[0050] The above steps are iterated until a certain terminating criterion, for example when a pre-defined bit-rate is met or a pre-defined rate-distortion constrain has been reached.

[0051] Once the binary string of bit-plane symbols 131 is generated by the above scanning process, it is further encoded or compressed in the entropy encoder 112. Statistical properties 132 of the bit-plane symbols of the data source 130 is used in the statistical model 111 to provide the probability assignment 133 which is used for encoding the binary string of bit-plane symbols 131 in the entropy encoder 112.

[0052] The encoded data 134 from the entropy encoder 112 is transmitted over a channel, which is subsequently received and decoded by the entropy decoder 122. The channel may be an Internet network, a Wide Area Network (WAN), or a wireless communication network.

[0053] The entropy decoder 122 receives and decodes the encoded data 134 into a binary string of bit-plane symbols 135. Theoretically, the binary string of bit-plane symbols 135 generated by the entropy decoder 122 is identical to the binary string of bit-plane symbols 131.

[0054] The statistics of the bit-planes 137 is used by the statistical model 121 to generate the probability assignment 136, which is identical to 133 so that the bit-plane symbols can be correctly decoded. The bit-plane symbols 135 are then used by the bit-plane reconstruction unit 120 to reconstruct the bit-planes to generate an output data 138 representing the bit symbols 130 of the data source.

[0055] In case that optimal MSE reconstruction is desired, the probability assignment 136 is also used by 120 to reproduce the output data 138.

[0056] It should be noted that in order to obtain an optimal compression of the binary string of bit-plane symbols 131 of a data source having a general probability distribution function, the number of bits required by the entropy coder 112 for encoding the bit-plane symbols is given by -log₂Pr(s_i,b_i,_M-1,...), wherein the probability Pr(si,bi,_M-1,...) can be expressed as:

wherein
Pr(b_i,M-j|s_i,b_i,M-1,...,b_i,M-j+1) denotes the conditional probability of b_i,M-_j on previously coded bit-planes.

[0057] In practice, implementing such an entropy encoder for encoding all the bit-plane symbols of the data source will generally require a frequency/probability table with a large number of entries. For encoding at high bit-rates, the number of entries to be maintained in such a frequency table is extremely large and hence is not practical, especially in systems with limited computational and storage capabilities. In addition, it may introduce substantial modeling cost [2] for an adaptive setting for data sources with unknown distribution. Therefore, a simplified approach is adopted in most practical systems wherein only bit-plane symbols with very skew distribution (those symbols scanned in the significance pass) are encoded by the entropy encoder, as described in [5] and [6].

[0058] According to the invention for bit-plane coding, the properties of a Laplacian probability distribution function (pdf) which is inherent in most data sources, especially in video, still image and audio sources, is used for encoding of the data source by the entropy encoder 112.

[0059] Specifically, the statistical model 111 uses the statistical properties of the Laplacian pdf of the data source to generate the probability assignment 133 for encoding the binary string of bit-plane symbols 132. The Laplacian pdf of the data source can be expressed using the following equation:

wherein σ is the standard deviation or distribution parameter of the Laplacian pdf.

[0060] It can be readily verified from (6) that the bit-plane symbols of the Laplacian source has the following independency properties:

wherein the probability assignment for the entropy coder for each bit-plane j is given by (7) - (9).

[0061] From (6), P_j can be calculated as

[0062] When the distribution parameter σ (or the standard deviation) of the Laplacian pdf is known, P_j can be determined directly using equation (10).

[0063] When P_j is determined, the probability of each bit-plane symbols can be determined using equations (7) to (9) and such statistical information of the data source is used by the entropy encoder 112 for encoding the binary string of the bit-plane symbols 131.

[0064] It can be seen from above that by using the statistical properties of the Laplacian pdf of the data source, the maintenance of a large frequency table according to the prior art is not needed, and hence the encoding process of the binary string 131 by the entropy encoder 112 is greatly simplified.

[0065] In a further embodiment of the invention, the probability assignment P_j to each bit-plane symbol determined in equation (10) is used to regenerate the binary bit-plane symbols 135, which is received by the bit-plane reconstruction unit 120 to generate the output data 138 representing the bit symbols of the data source 130.

[0066] Specifically, if optimal MSE reconstruction is needed, upon decoding up to bit-plane T of the encoded data 134 by the entropy decoder 122, the optimal reproduction of the output data 138 according to the invention is given by the following equation:

[0067] The first summation

is the reconstruction of the bit-plane symbols, and the second summation

is the interpolation of the corresponding bit-plane symbols on the Laplacian pdf.

[0068] The second summation may be terminated when a pre-defined criteria is satisfied, for example when a desired quality of the data source is obtained.

[0069] In an alternative embodiment of the invention; the probability assignment P_j to the bit-plane symbols is determined adaptively based on the knowledge from encoding previous bit-plane symbols. This adaptive bit-plane coding (ABPC) process is useful when the distribution parameter σ of the Laplacian pdf is not known as in the case of most practical situations.

[0070] Starting from Lidston's Law of success when given a string of k distinct symbols, if the i^th symbol occurred n_i times in the past n instances, the probability estimation of i^th symbol occurring is estimated using the following equation:

[0071] Wherein λ is a positive parameter. It can be seen that equation (12) is an interpolation of the maximum likelihood estimate n_i/n and the uniform prior 1/k by rewriting equation (12) as:

with the substitution

[0072] Applying equation (13) to the present embodiment of the invention gives

wherein

N_a is the number of bit-plane symbols coded until the end of the previous bit-plane,

N is the number of bit-plane symbols coded in the current bit-plane symbol,

P_j^Na is the estimation of P_j after observing N_a bit-plane symbols,

P_jMLis the maximum likelihood estimation of P_j for the current bit-plane, and

µ gives the interpolation between these two probability estimation. Preferably, µ is given by

[0073] Since the maximum likelihood estimation of P_j for N symbols b_i,j at j^th bit-plane is given by:

therefore, and P_j^ML can be defined by

[0074] Preferably, from equation (10), P_j^Na can be updated from the previous bit-plane

using the following equation:

[0075] The embodiments described so far relate to finding the probability assignment to every bit-plane symbol of the data source.

[0076] In another embodiment of the invention, a "two-pass" approach is adopted where the probability assignment to every bit-plane to be used by the entropy encoder for encoding the binary string of bit-plane symbols is determined from the statistics of the data vector to be coded.

[0077] In this embodiment, an optimal bit-plane is selected from the plurality of discrete bit-planes, which is referred to as the lazy plane. Information on the selected lazy plane is transmitted by the encoder unit 104 to the decoder unit 105, so that the encoded data 134 can be decoded correctly.

[0078] Fig.3 shows a modified general structure of the bit-plane coding system according to this embodiment of the invention.

[0079] The information on the selected lazy plane which is contained in the encoded data 134 is received by the statistical model unit 121. The statistical model unit 121 generates the probability assignment 136 to be received by the entropy decoder 122, so that the bit-plane symbols of the encoded data 134 can be correctly decoded. The decoded bit-plane symbols 135 are then received by the bit-plane reconstruction unit 120 to reconstruct the bit-planes to generate the output data 138 representing the bit symbols 130 of the data source.

[0080] Consider a code family given by the following equation:

wherein

G^L denotes the bit-plane symbols of the data source, and

L is an integer which denotes the lazy plane.

[0081] The probability assignment according to this embodiment of the invention is given by:

wherein

is the probability assignment to the j^th bit-plane which follows the probability updating rule as defined by equation (19) for bit-planes i ≥ L and enters a "Lazy mode" (since the encoding for probability assignment of ½ can be achieved by outputting the input symbols directly to the encoded binary string) for bit-planes i < L. Such a code family C may be called Bit-Plane Golomb Code (BPGC).

[0082] The lazy plane L can be obtained by finding an integer value for L which best satisfies the following inequality:

wherein

L is the integer representing the optimal bit-plane,

φ is defined by

and

θ is defined as

[0083] When sufficient statistics such as the length and the absolute sum of the input data vectors are known, the decision rule of (23) may be further simplified to

wherein

N is the length of the input data vector, and

A is the absolute sum of the input data vector.

[0084] The selection process as described in this embodiment may be implemented using the algorithm described by [3]. When the algorithm in [3] is used to determine the value of L, only positive integer range of L can be determined. To extend the range of order L to negative integer, the algorithm described by [3] is modified.

[0085] Specifically, the modified algorithm of [3] is given as if (N<=A) for (L=1; (N<<(L+1))<A; L++) else for (L=-1; (N)>>(-L))>=A; L--)

[0086] When the lazy plane L is determined, the probability assignment to the bit-plane to be used for encoding of the binary string of bit-plane symbols by the entropy encoder can be determined.

[0087] In another alternative embodiment of the invention, the probability assignment to each bit-plane based on its relationship with respect to the optimal bit-plane is determined using the following equation:

wherein
L is the integer representing the optimal bit-plane as can be determined by (23)

[0088] In this embodiment, the probability assignment given by (26) hence enable the use of the skew coder as described in [4] as an extremely low complexity implementation of the entropy coder instead of a general arithmetic coder. The skew coder of [4] is able to simplify the entropy encoding process to only a small number of bit-shift and addition operations by restricting the probability interval width corresponding to the least probable symbol (LPS) to the powers of 2. In addition, the skew coder of [4] retains a unique simplicity in implementing the acceleration technique [6] in coding a run of successive most probable symbols (MPS) that is typical in coding bit-planes with high probability skew.

[0089] It should be noted that in all the described embodiments of the invention, except the embodiment for generating the BPSC, arithmetic encoder should preferably be used as the entropy encoder.

[0090] In a further embodiment of both the embodiments of the invention mentioned above, the probability assignment

to each bit-plane symbol determined in equations (22) or (26) is used to generate the output data 138 by the bit-plane reconstruction unit 120, representing the bit symbols 130 of the data source.

[0091] Specifically, upon decoding up to a bit-plane T of the transmitted data 134 by the entropy decoder 122, the optimal reproduction of the output data 138 according to the invention is given by the following equation:

[0092] Similarly to equation (11) , the first summation

is the reconstruction of the bit-plane symbols, and the second summation

is the interpolation of the corresponding bit-plane symbol of the output data 138 on the Laplacian pdf.

[0093] The second summation may be terminated when a pre-defined criteria is satisfied, for example when a desired quality of the data source is obtained.

[0094] The described embodiments of the invention apply not only to a method but also to a device, a computer readable medium and a computer program.

[0095] The following documents are cited in this specification:

[1] J. Li and S. Lie, "An embedded still image coder with rate-distortion optimization", IEEE Trans. on Image Processing, vol. 9, pp. 1158-1170, Jul. 2000.
[2] J. Rissanen, Stochastic Complexity in Statistical Inquiry, London, U.K.: World Scientific, 1989.
[3] M.J. Weinberger et al, "The LOCO-I lossless image compression algorithm: principles and standardization into JPEG-LS", IEEE Trans. Image Processing, vol. 9, pp 1309-1324, Aug. 2000.
[4] G.G. Langdon and J. Rissanen, "A simple general binary source code", IEEE Trans. Information Theory, vol. 28, pp. 800-803, 1982.
[5] D. Taubman and A. Zakhor, "Multirate 3-D subband coding of video", IEEE Trans. Image Processing, vol. 3, pp. 572-588, Sept. 1994.
[6] E. Ordentlich et al, "A low-complexity modeling approach for embedded coding of wavelet coefficients", HP Labs Tech. Reports, HPL-97-150, 1997.

Claims

1. A method for processing bit symbols generated by a data source, in particular a video, still image or audio source, the bit symbols comprising a plurality of input data vectors x = x₁, x₂, ... x_k, the method comprising the following steps:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

encoding the binary string of the bit-plane symbols using a statistical model, wherein the statistical model is generated based on statistical properties of a Laplacian probability distribution function of the data source and which characterizes the data source, wherein the Laplacian probability distribution function is defined by

wherein σ is the standard deviation of the Laplacian probability distribution function
determining an optimal bit-plane from the plurality of constructed bit-planes by determining an integer which best satisfies

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes, φ is defined by

and θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols.

2. The method according to claim 1, wherein the encoding of the binary string of bit-plane symbols is performed by an entropy encoder.

3. The method according to claim 2, wherein the entropy encoder comprises an arithmetic encoder.

4. The method according to claim 1, wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

wherein

is the probability assignment of the j^th bit-plane,

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes, and

j is the bit-plane.

5. The method according to claim 1, wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

wherein

is the probability assignment of the j^th bit-plane,

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes, and

j is the bit-plane.

6. A method for decoding an encoded binary string of bit-plane symbols comprising the following steps:

decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

re-constructing a plurality of bit-planes comprising the bit-plane symbols using the further binary string of bit-plane symbols, wherein the further statistical model is based on statistical properties of a Laplacian probability distribution function which characterizes the bit-plane symbols of the reconstructed bit-planes, wherein the encoded binary string of bit-plane symbols is generated by the steps of:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

encoding the binary string of the bit-plane symbols using a statistical model, wherein the statistical model is based on statistical properties of a Laplacian probability distribution function of the data source and which characterizes the data source,

wherein the Laplacian probability distribution function is defined by

wherein σ is the standard deviation of the Laplacian probability distribution function,
wherein a probability assignment to each bit-plane symbol is determined based on the Laplacian probability distribution function and is used to determine the statistical model for encoding the binary string of bit-plane symbols,
wherein the probability assignment to the bit-plane symbol is determined by

wherein

P_j is the probability assignment to the bit-plane symbol, and

j is the bit-plane, wherein the bit-plane j = M-1 contains the Most Significant Bit of input data vectors, or

wherein the probability assignment to the bit-plane symbol is determined by

wherein

P_j is the probability assignment to the current bit-plane symbol,

j is the bit-plane,

N_a is the number of bit-plane symbols coded until the end of the previous bit-plane,

N is the number of bit-plane symbols coded until the current bit-plane symbol,

P_j^Na is the estimation of P_j after observing N_a bit-plane symbols,

P_j^ML is the maximum likelihood estimation of P_j for the current bit-plane and is defined by

wherein b_i,j is the bit-plane symbol.

7. The method according to claim 6, wherein the data source is re-constructed from the bit-planes by

wherein

x̂_i is the re-constructed data source,

s_i is a sign symbol of x̂_i,

b_i,j is the bit-plane symbol, and

T is the bit-plane the decoded binary string of bit-plane symbols is terminated.

8. A method for decoding an encoded binary string of bit-plane symbols planes comprising the following steps:

decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein σ is the standard deviation of the Laplacian probability distribution function,
determining an optimal bit-plane from the plurality of constructed bit-planes by determining an integer which best satisfies

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes,

φ is defined by

θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols,

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

wherein

is the probability assignment of the j^th bit-plane,

j is the bit-plane, or

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

9. The method according to claim 8, wherein the data source is re-constructed from the bit-planes by

wherein

x̂_i is the re-constructed data source,

s_i is a sign symbol of x̂_i,

b_i,j is the bit-plane symbol, and

T is the bit-plane the decoded binary string of bit-plane symbols is terminated.

10. A device for processing bit symbols generated by a data source, in particular a video, still image or audio source, the bit symbols comprising a plurality of input data vectors x=x₁, x₂, ...x_k, the device comprising:

a bit-plane construction unit for constructing a plurality of bit-planes from the data source, each bit-plane comprising a plurality of bit-plane symbols, and scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols,

a statistical model unit for providing statistical information which is generated based on statistical properties of a Laplacian probability distribution function of the data source and which characterizes the data source is determined and used to define the statistical information, wherein the Laplacian probability distribution function is defined by

wherein σ is the standard deviation of the Laplacian probability distribution function and

an encoding unit for encoding the binary string of bit-plane symbols based on the statistical information provided by the statistical model unit

a first determining unit for determining an optimal bit-plane from the plurality of constructed bit-planes by determining an integer which best satisfies

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes, φ is defined by

and θ is defined as

a second determining unit determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as statistical information for encoding the binary string of bit-plane symbols.

11. A computer readable medium, having a program recorded thereon, wherein the program is configured, when being executed by a computer, to perform a procedure for processing bit symbols by a data source, the bit symbols comprising a plurality of input data vectors x = x₁, x₂, ...x_k, the procedure comprising:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

encoding the binary string of the bit-plane symbols using a statistical model, wherein the statistical model is generated based on statistical properties of a Laplacian probability distribution function of the data source and which characterizes the data source is determined and used to define the statistical model, wherein the Laplacian probability distribution function is defined by

wherein σ is the standard deviation of the Laplacian probability distribution function

determining an optimal bit-plane from the plurality of constructed bit-planes by determining an integer which best satisfies

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes, φ is defined by

and θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols.

12. A computer program element which is configured, when being executed by a computer, to perform a procedure for processing bit symbols generated by a data source, the bit symbols comprising a plurality of input data vectors x = x₁, x₂, ...x_k, the procedure comprising:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

encoding the binary string of the bit-plane symbols using a statistical model, wherein the statistical model is generated based on statistical properties of a Laplacian probability distribution function of the data source and which characterizes the data source is determined and used to define the statistical model, wherein the data source has a form of a Laplacian probability distribution function, wherein the Laplacian probability distribution function is defined by

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes, φ is defined by

and θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols.

13. A device for decoding an encoded binary string of bit-plane symbols comprising:

a decoding unit for decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

characterizes the bit-plane symbols of the re-constructed bit-planes, wherein the encoded binary string of bit-plane symbols is generated by the steps of:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein

P_j is the probability assignment to the bit-plane symbol, and

j is the bit-plane, wherein the bit-plane j = M-1 contains the Most Significant Bit of input data vectors, or

wherein the probability assignment to the bit-plane symbol is determined by

wherein

P_j is the probability assignment to the current bit-plane symbol,

j is the bit-plane,

N_a is the number of bit-plane symbols coded until the end of the previous bit-plane,

N is the number of bit-plane symbols coded until the current bit-plane symbol,

P_j^Na is the estimation of P_j after observing N_a bit-plane symbols,

P_j^ML is the maximum likelihood estimation of P_j for the current bit-plane and is defined by

wherein b_i,j is the bit-plane symbol.

14. A computer readable medium, having a program recorded thereon, wherein the program is configured, when being executed by a computer, to perform a procedure for decoding an encoded binary string of bit-plane symbols, the procedure comprising:

decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

re-constructing a plurality of bit-planes comprising the bit-plane symbols using the further binary string of bit-plane symbols, wherein the further statistical model is based on statistical properties of a Laplacian probability distribution function of the data source which characterizes the bit-plane symbols of the re-constructed bit-planes, wherein the encoded binary string of bit-plane symbols is generated by the steps of:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein

P_j is the probability assignment to the bit-plane symbol, and

j is the bit-plane, wherein the bit-plane j = M-1 contains the Most Significant Bit of input data vectors, or

wherein the probability assignment to the bit-plane symbol is determined by

wherein

P_j is the probability assignment to the current bit-plane symbol,

j is the bit-plane,

N_a is the number of bit-plane symbols coded until the end of the previous bit-plane,

N is the number of bit-plane symbols coded until the current bit-plane symbol,

P_j^Na is the estimation of P_j after observing N_a bit-plane symbols,

P_j^ML is the maximum likelihood estimation of P_j for the current bit-plane and is defined by

wherein b_i,j is the bit-plane symbol.

15. A computer program element which is configured, when being executed by a computer, to perform a procedure for decoding an encoded binary string of bit-plane symbols, the procedure comprising:

decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein

P_j is the probability assignment to the bit-plane symbol, and

j is the bit-plane, wherein the bit-plane j = M-1 contains the Most Significant Bit of input data vectors, or

wherein the probability assignment to the bit-plane symbol is determined by

wherein

P_j is the probability assignment to the current bit-plane symbol,

j is the bit-plane,

N_a is the number of bit-plane symbols coded until the end of the previous bit-plane,

N is the number of bit-plane symbols coded until the current bit-plane symbol,

P_j^Na is the estimation of P_j after observing N_a bit-plane symbols,

P_j^ML is the maximum likelihood estimation of P_j for the current bit-plane and is defined by

wherein b_i,j is the bit-plane symbol.

16. A device for decoding an encoded binary string of bit-plane symbols comprising:

a decoding unit for decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

a re-constructing unit for re-constructing a plurality of bit-planes comprising the bit-plane symbols using the further binary string of bit-plane symbols, wherein the further statistical model is based on statistical properties of a Laplacian probability distribution function which characterizes the bit-plane symbols of the re-constructed bit-planes, wherein the encoded binary string of bit-plane symbols is generated by the steps of:

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes,

φ is defined by

θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols,

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

wherein

is the probability assignment of the j^th bit-plane,

j is the bit-plane, or

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

17. A computer readable medium, having a program recorded thereon, wherein the program is configured, when being executed by a computer, to perform a procedure for decoding an encoded binary string of bit-plane symbols, the procedure comprising:

decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes,

φ is defined by

θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols,

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

wherein

is the probability assignment of the j^th bit-plane,

j is the bit-plane, or

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

18. A computer program element which is configured, when being executed by a computer, to perform a procedure for decoding an encoded binary string of bit-plane symbols, the procedure comprising:

decoding the encoded binary string of bit-plane symbols using a further statistical model to generate a further binary string of bit-plane symbols,

constructing a plurality of bit-planes using the bit symbols generated by the data source, each bit-plane comprising a plurality of bit-plane symbols;

scanning the bit-plane symbols of each bit-plane to generate a binary string of bit-plane symbols;

wherein the Laplacian probability distribution function is defined by

wherein

L is the integer representing a predetermined optimal bit-plane from the plurality of constructed bit-planes,

φ is defined by

θ is defined as

determining a probability assignment to each bit-plane based on its relation to the optimal bit-plane;

wherein the probability assignment to the bit-plane is used as the statistical model for encoding the binary string of bit-plane symbols,
wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

wherein

is the probability assignment of the j^th bit-plane,

j is the bit-plane, or

wherein the probability assignment to the bit-plane used to determine the statistical model for encoding the binary string of bit-plane symbols is determined by

Ansprüche

1. Verfahren zum Verarbeiten von von einer Datenquelle, insbesondere einer Video- Standbild- oder Audioquelle, erzeugten Bit-Symbolen wobei die Bit-Symbole eine Mehrzahl von Eingabe-Datenvektoren x = x₁,x₁,...x_k aufweisen, wobei das Verfahren die folgenden Schritte aufweist:

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

wobei σ die Standardabweichung der Laplaceschen Wahrscheinlichkeitsverteilungsfunktion ist;
Bestimmen einer optimalen Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen durch Bestimmen einer ganzen Zahl, die am besten

erfüllt wobei L die ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

und θ definiert ist durch

2. Verfahren gemäß Anspruch 1, wobei das Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen von einem Entropie-Codierer durchgeführt wird.

3. Verfahren gemäß Anspruch 2, wobei der Entropie-Codierer einen arithmetischen Codierer aufweist.

4. Verfahren gemäß Anspruch 1, wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

wobei

die Wahrscheinlichkeitszuordnung der j-ten Bit-Ebene ist,

L die ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, und

j die Bit-Ebene ist.

5. Verfahren gemäß Anspruch 1, wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Kodieren binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

wobei

die Wahrscheinlichkeitszuordnung der j-ten Bit-Ebene ist,

L die ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, und

j die Bit-Ebene ist.

6. Verfahren zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen aufweisend die folgenden Schritte:

Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

Rekonstruieren einer Mehrzahl von Bit-Ebenen, die die Bit-Ebenen-Symbole aufweisen, unter Verwendung der weiteren binären Zeichenkette von Bit-Ebenen-Symbolen, wobei das weitere statistische Modell auf den statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion basiert, die die Bit-Ebenen-Symbole der rekonstruierten Bit-Ebenen charakterisiert, wobei die kodierte binäre Zeichenkette von Bit-Ebenen-Symbolen erzeugt wird durch die Schritte:

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines statistischen Modells, wobei das statistische Modell auf statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion der Datenquelle basiert welche die Datenquelle charakterisiert, wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

wobei σ die Standardabweichung der Laplaceschen Wahrscheinlichkeitsverteilungsfunktion ist;
wobei eine Wahrscheinlichkeitszuordnung zu jedem Bit-Ebenen-Symbol bestimmt wird basierend auf der Laplaceschen Wahrscheinlichkeitsverteilungsfunktion und verwendet wird zum Bestimmen des statistischen Modells zum Kodieren der binären Zeichenkette von Bit-Ebenen-Symbolen,
wobei die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbolen bestimmt wird durch

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol ist und

j die Bit-Ebene ist, wobei die Bit-Ebene j = M-1 das Meist-Signifikante-Bit der Eingabe-Daten-Vektoren enthält oder

wobei die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol bestimmt wird durch

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem aktuellen Bit-Ebenen-Symbol ist,

j die Bit-Ebene ist,

N_a die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum Ende der vorhergehenden Bit-Ebene kodiert worden ist,

N die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum aktuellen Bit-Ebenen-Symbol kodiert worden ist,

P_j^Na die Schätzung für P_j ist nachdem N_a Bit-Ebenen-Symbole beobachtet wurden,

P_j^mL die Maximum-Likelihood-Schätzung für P_j für die aktuelle Bit-Ebene ist und definiert ist durch

wobei b_i,j das Bit-Ebenen-Symbol ist.

7. Verfahren gemäß Anspruch 6, wobei die Datenquelle aus den Bit-Ebenen rekonstruiert wird durch

wobei

x̂_i die rekonstruierte Datenquelle ist,

s_i ein Vorzeichensymbol von x̂_i, ist,

bi,j das Bit-Ebenen-Symbol ist und

T die Bit-Ebene ist, bei der die dekodierte binäre Zeichenkette von Bit-Ebenen-Symbolen abgebrochen wird.

8. Verfahren zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen aufweisend die folgenden Schritte:

Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines statistischen Modells, wobei das statistische Modell auf statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion der Datenquelle basiert und die Datenquelle charakterisiert, wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

erfüllt wobei L eine ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

und θ definiert ist durch

Bestimmen einer Wahrscheinlichkeitszuordnung zu jeder Bit-Ebene basierend auf ihrem Verhältnis zu der optimalen Bit-Ebene;
wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene verwendet wird als das statistische Modell zum Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen
wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

wobei

die Wahrscheinlichkeitszuordnung der j-ten Bit-Ebene ist,

j die Bit-Ebene ist oder

wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Kodieren binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

9. Verfahren gemäß Anspruch 8, wobei die Datenquelle aus den Bit-Ebenen rekonstruiert wird durch

wobei

x̂_i die rekonstruierte Datenquelle ist,

s_i ein Vorzeichensymbol von x̂_i ist,

b_i,j das Bit-Ebenen-Symbol ist und

T die Bit-Ebene ist, bei der die dekodierte binäre Zeichenkette von Bit-Ebenen-Symbolen abgebrochen wird.

10. Vorrichtung zum Verarbeiten von von einer Datenquelle, insbesondere einer Video- Standbild- oder Audioquelle, erzeugten Bit-Symbolen wobei die Bit-Symbole eine Mehrzahl von Eingabe-Datenvektoren x=x₁,x₁,,...x_k aufweisen, wobei die Vorrichtung aufweist:

eine Bit-Ebenen-Konstruier-Einheit zum Konstruieren einer Mehrzahl von Bit-Ebenen aus der Daten-Quelle, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist und Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen,

eine Statistische-Modell-Einheit zum Bereitstellen von statistischer Information, die basierend auf statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion der Datenquelle erzeugt wird, die die Datenquelle charakterisiert und bestimmt und verwendet wird um die statistische Information zu definieren, wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

wobei σ die Standardabweichung der Laplaceschen Wahrscheinlichkeitsverteilungsfunktion ist und

eine Codier-Einheit zum Kodieren der binären Zeichenkette von Bit-Ebenen-Symbolen basierend auf der statistischen Information, die von der Statistische-Modell-Einheit bereitgestellt wird

eine erste Bestimmungs-Einheit zum Bestimmen einer optimalen Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen durch Bestimmen einer ganzen Zahl, die am besten

erfüllt wobei L die ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

θ definiert ist durch

eine zweite Bestimmungs-Einheit, die eine Wahrscheinlichkeitszuordnung zu jeder Bit-Ebene basierend auf ihrem Verhältnis zu der optimalen Bit-Ebene bestimmt;
wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene verwendet wird als die statistische Information zum Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen.

11. Ein computerlesbares Medium, auf dem ein Programm gespeichert ist, wobei das Programm so konfiguriert ist, dass es, wenn es von einem Computer ausgeführt wird, eine Prozedur zum Verarbeiten von Bit-Symbolen einer Datenquelle, wobei die Bit-Symbole eine Mehrzahl von Eingabe-Datenvektoren x=x₁,x₁,...x_k aufweisen, durchführt, wobei die Prozedur aufweist:

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines statistischen Modells, wobei das statistische Modell basierend auf statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion der Datenquelle erzeugt wird, die die Datenquelle charakterisiert und bestimmt und verwendet zum Definieren des statistischen Modells, wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

erfüllt wobei L die ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

und θ definiert ist durch

12. Ein Computerprogramm-Element, das so konfiguriert ist, dass es, wenn es von einem Computer ausgeführt wird, eine Prozedur zum Verarbeiten von Bit-Symbolen einer Datenquelle,
wobei die Bit-Symbole eine Mehrzahl von Eingabe-Datenvektoren x=x₁,x₁,...x_k aufweisen, durchführt, wobei die Prozedur aufweist:

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines statistischen Modells, wobei das statistische Modell basierend auf statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion der Datenquelle erzeugt wird, die die Datenquelle charakterisiert und bestimmt und verwendet wird zum Definieren des statistischen Modells, wobei die Datenquelle eine Form einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion aufweist, wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

wobei σ die Standardabweichung der Laplaceschen Wahrscheinlichkeitsverteilungsfunktion ist
Bestimmen einer optimalen Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen durch Bestimmen einer ganzen Zahl, die am besten

erfüllt, wobei L die ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

und θ definiert ist durch

13. Vorrichtung zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen aufweisend:

eine Dekodier-Einheit zum Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

eine Rekonstruier-Einheit zum Rekonstruieren einer Mehrzahl von Bit-Ebenen, die die Bit-Ebenen-Symbole aufweisen, unter Verwendung der weiteren binären Zeichenkette von Bit-Ebenen-Symbolen, wobei das weitere statistische Modell auf den statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion basiert, die die Bit-Ebenen-Symbole der rekonstruierten Bit-Ebenen charakterisiert, wobei die kodierte binäre Zeichenkette von Bit-Ebenen-Symbolen erzeugt wird durch die Schritte:

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol ist und

j die Bit-Ebene ist, wobei die Bit-Ebene j = M-1 das Meist-Signifikante-Bit der Eingabe-Daten-Vektoren enthält oder

wobei die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol bestimmt wird durch

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem aktuellen Bit-Ebenen-Symbol ist,

j die Bit-Ebene ist,

N_a die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum Ende der vorhergehenden Bit-Ebene kodiert worden ist,

N die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum aktuellen Bit-Ebenen-Symbol kodiert worden ist,

P_j^Na die Schätzung für P_j ist nachdem N_a Bit-Ebenen-Symbole beobachtet wurden,

P_j^mL die Maximum-Likelihood-Schätzung für P_j für die aktuelle Bit-Ebene ist und definiert ist durch

wobei b_i,j das Bit-Ebenen-Symbol ist.

14. Ein Computer lesbares Medium, auf dem ein Programm gespeichert ist, wobei das Programm so konfiguriert ist, dass es, wenn es von einem Computer ausgeführt wird, eine Prozedur zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen ausführt, wobei die Prozedur aufweist:

Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol ist und

j die Bit-Ebene ist, wobei die Bit-Ebene j = M-1 das Meist-Signifikante-Bit der Eingabe-Daten-Vektoren enthält oder

wobei die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol bestimmt wird durch

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem aktuellen Bit-Ebenen-Symbol ist,

j die Bit-Ebene ist,

N_a die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum Ende der vorhergehenden Bit-Ebene kodiert worden ist,

N die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum aktuellen Bit-Ebenen-Symbol kodiert worden ist,

Pj^Na die Schätzung für P_j ist nachdem N_a Bit-Ebenen-Symbole beobachtet wurden,

P_j^mL die Maximum-Likelihood-Schätzung für P_j für die aktuelle Bit-Ebene ist und definiert ist durch

wobei b_i,j das Bit-Ebenen-Symbol ist.

15. Ein Computerprogramm-Element, welches so konfiguriert ist, dass es, wenn es von einem Computer ausgeführt wird, eine Prozedur zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen ausführt, wobei die Prozedur aufweist:

Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol ist und

j die Bit-Ebene ist, wobei die Bit-Ebene j = M-1 das Meist-Signifikante-Bit der Eingabe-Daten-Vektoren enthält oder

wobei die Wahrscheinlichkeitszuordnung zu dem Bit-Ebenen-Symbol bestimmt wird durch

wobei

P_j die Wahrscheinlichkeitszuordnung zu dem aktuellen Bit-Ebenen-Symbol ist,

j die Bit-Ebene ist,

N_a die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum Ende der vorhergehenden Bit-Ebene kodiert worden ist,

N die Anzahl von Bit-Ebenen-Symbolen ist, die bis zum aktuellen Bit-Ebenen-Symbol kodiert worden ist,

P_j^Na die Schätzung für P_j ist nachdem N_a Bit-Ebenen-Symbole beobachtet wurden,

P_j^mL die Maximum-Likelihood-Schätzung für P_j für die aktuelle Bit-Ebene ist und definiert ist durch

wobei b_i,j das Bit-Ebenen-Symbol ist.

16. Vorrichtung zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen aufweisend:

eine Dekodiereinheit zum Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

eine Rekonstruiereinheit zum Rekonstruieren einer Mehrzahl von Bit-Ebenen, die die Bit-Ebenen-Symbole aufweisen, unter Verwendung der weiteren binären Zeichenkette von Bit-Ebenen-Symbolen, wobei das weitere statistische Modell auf den statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion basiert, die die Bit-Ebenen-Symbole der rekonstruierten Bit-Ebenen charakterisiert, wobei die kodierte binäre Zeichenkette von Bit-Ebenen-Symbolen erzeugt wird durch die Schritte:

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

wobei σ die Standardabweichung der Laplaceschen Wahrscheinlichkeitsverteilungsfunktion ist;

Bestimmen einer optimalen Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen durch Bestimmen einer ganzen Zahl, die am besten

erfüllt wobei L eine ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

θ definiert ist durch

wobei

die Wahrscheinlichkeitszuordnung der j-ten Bit-Ebene ist,

j die Bit-Ebene ist oder

wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Kodieren binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

17. Computer lesbares Medium, auf dem ein Programm gespeichert ist, das so konfiguriert ist, dass es, wenn es von einem Computer ausgeführt wird, eine Prozedur zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen durchführt, wobei die Prozedur aufweist:

Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

erfüllt wobei L eine ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, φ definiert ist durch

und θ definiert ist durch

wobei

die Wahrscheinlichkeitszuordnung der j-ten Bit-Ebene ist,

j die Bit-Ebene ist oder

wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Kodieren binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

18. Ein Computerprogramm-Element, das so konfiguriert ist, dass es, wenn es von einem Computer ausgeführt wird, eine Prozedur zum Dekodieren einer kodierten binären Zeichenkette von Bit-Ebenen-Symbolen ausführt, wobei die Prozedur aufweist:

Dekodieren der kodierten binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines weiteren statistischen Modells zum Erzeugen einer weiteren binären Zeichenkette von Bit-Ebenen-Symbolen,

Konstruieren einer Mehrzahl von Bit-Ebenen unter Verwendung der von der Datenquelle erzeugten Bit-Symbolen, wobei jede Bit-Ebene eine Mehrzahl von Bit-Ebenen-Symbolen aufweist;

Abtasten der Bit-Ebenen-Symbole jeder Bit-Ebene zum Erzeugen einer binären Zeichenkette von Bit-Ebenen-Symbolen;

Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen unter Verwendung eines statistischen Modells, wobei das statistische Modell auf statistischen Eigenschaften einer Laplaceschen Wahrscheinlichkeitsverteilungsfunktion der Datenquelle basiert und die Datenquelle charakterisiert, wobei die Laplacesche Wahrscheinlichkeitsverteilungsfunktion definiert ist durch

erfüllt wobei
L eine ganze Zahl ist, die eine vorbestimmte optimale Bit-Ebene aus der Mehrzahl von konstruierten Bit-Ebenen repräsentiert, ø definiert ist durch

und θ definiert ist durch

,
Bestimmen einer Wahrscheinlichkeitszuordnung zu jeder Bit-Ebene basierend auf ihrem Verhältnis zu der optimalen Bit-Ebene;
wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene verwendet wird als das statistische Modell zum Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen
wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Codieren der binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

wobei

die Wahrscheinlichkeitszuordnung der j-ten Bit-Ebene ist,

j die Bit-Ebene ist oder

wobei die Wahrscheinlichkeitszuordnung zu der Bit-Ebene, die zum Bestimmen des statistischen Modells zum Kodieren binären Zeichenkette von Bit-Ebenen-Symbolen verwendet wird, bestimmt wird durch

Revendications

1. Procédé de traitement de symboles binaires générés par une source de données, en particulier une source de vidéos, d'images fixes ou d'audio, les symboles binaires comprenant une pluralité de vecteurs de données d'entrée x = x₁, x₂, ..., x_k, le procédé comprenant les étapes suivantes :

la construction d'une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

la numérisation des symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

le codage de la chaîne binaire de symboles de plans binaires en utilisant un modèle statistique, dans lequel le modèle statistique est généré sur la base des propriétés statistiques d'une fonction de répartition de probabilités de Laplace de la source de données et qui caractérise la source de données, dans lequel la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

la détermination d'un plan binaire optimal à partir de la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits, ø est défini par

et θ est défini comme étant

la détermination d'une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

dans lequel l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires.

2. Procédé selon la revendication 1, dans lequel le codage de la chaîne binaire de symboles de plans binaires est effectué par un codeur entropique.

3. Procédé selon la revendication 2, dans lequel le codeur entropique comprend un codeur arithmétique.

4. Procédé selon la revendication 1, dans lequel l'attribution de probabilité au plan binaire utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires est déterminée par

où

Q^L_j est l'attribution de probabilité au j^ième plan binaire,

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits, et j est le plan binaire.

5. Procédé selon la revendication 1, dans lequel l'attribution de probabilité du plan binaire utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires est déterminée par

où

Q^L_j est l'attribution de probabilité du j^ième plan binaire,

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits, et

j est le plan binaire.

6. Procédé de décodage d'une chaîne binaire codée de symboles de plans binaires comprenant les étapes suivantes :

le décodage de la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

la reconstruction d'une pluralité de plans binaires comprenant les symboles de plans binaires en utilisant l'autre chaîne binaire de symboles de plans binaires, où l'autre modèle statistique est basé sur les propriétés statistiques d'une fonction de répartition de probabilités de Laplace qui caractérise les symboles de plans binaires des plans binaires reconstruits, où la chaîne binaire codée de symboles de plans binaires est générée par les étapes consistant à :

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaine binaire de symboles de plans binaires ;

coder la chaîne binaire de symboles de plans binaires en utilisant un modèle statistique, où le modèle statistique est basé sur les propriétés statistiques d'une fonction de répartition de probabilités de Laplace de la source de données et qui caractérise la source de données,

dans lequel la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

dans lequel une attribution de probabilité à chaque symbole de plan binaire est déterminée sur la base de la fonction de répartition de probabilités de Laplace et est utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires,

dans lequel l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire, et

j est le plan binaire, où le plan binaire j = M-1 contient le bit le plus significatif des vecteurs de données d'entrée, ou

dans lequel l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire actuel,

j est le plan binaire,

N_a est le nombre de symboles de plans binaires codés jusqu'à la fin du plan binaire précédent,

N est le nombre de symboles de plans binaires codés jusqu'au symbole de plan binaire actuel,

P_j^Na est l'estimation de P_j après avoir observé N_a symboles de plans binaires,

P_j^ML est l'estimation de probabilité maximum de P_j pour le plan binaire actuel et est défini par

où b_i,j est le symbole de plan binaire.

7. Procédé selon la revendication 6, dans lequel la source de données est reconstruite à partir des plans binaires par

où

x̂_i est la source de données reconstruite,

s_i est un symbole de signe de x̂_i,

b_i,j est le symbole de plan binaire, et

T est le plan binaire par lequel se termine la chaîne binaire décodée de symboles de plans binaires.

8. Procédé de décodage d'une chaîne binaire codée de symboles de plans binaires comprenant les étapes suivantes :

le décodage de la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

dans lequel la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de, probabilités de Laplace,

déterminer un plan binaire optimal à partir de la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits,

φ est défini par

θ est défini comme étant

déterminer une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

où l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires,

où l'attribution de probabilité au plan binaire utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires est déterminée par

où

Q^L_j est l'attribution de probabilité au j^ième plan binaire,

j est le plan binaire, ou

dans lequel l'attribution de probabilité au plan binaire utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires est déterminée par

9. Procédé selon la revendication 8, dans lequel la source de données est reconstruite à partir des plans binaires par

où

x̂_i est la source de données reconstruite,

s_i est un symbole de signe de x̂_i,

b_i,j est le symbole de plan binaire, et

T est le plan binaire par lequel se termine la chaîne binaire décodée de symboles de plans binaires.

10. Dispositif de traitement de symboles binaires générés par une source de données, en particulier une source de vidéos, d'images fixes ou d'audio, les symboles binaires comprenant une pluralité de vecteurs de données d'entrée x = x₁, x₂, ..., x_k, le dispositif comprenant :

une unité de construction de plans binaires destinée à construire une pluralité de plans binaires à partir de la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires, et à numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires,

une unité de modèle statistique destinée à fournir des informations statistiques qui sont générées sur la base des propriétés statistiques d'une fonction de répartition de probabilités de Laplace de la source de données qui caractérise la source de données est déterminée et utilisée afin de définir les informations statistiques, où la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace, et

une unité de codage destinée à coder la chaîne binaire de symboles de plans binaires sur la base des informations statistiques fournies par l'unité de modèle statistique,

une première unité de détermination destinée à déterminer un plan binaire optimal parmi la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits, φ est défini par

et θ est défini comme étant

une seconde unité de détermination déterminant une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

dans lequel l'attribution de probabilité au plan binaire est utilisée comme informations statistiques afin de coder la chaîne binaire de symboles de plans binaires.

11. Support lisible par un ordinateur, ayant un programme enregistré dessus, dans lequel le programme est configuré, lorsqu'il est exécuté par un ordinateur, afin d'effectuer une procédure de traitement de symboles binaires à l'aide d'une source de données, les symboles binaires comprenant une pluralité de vecteurs de données d'entrée x = x₁, x₂, ..., x_k, la procédure comprenant :

la numérisation des symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

le codage de la chaîne binaire de symboles de plans binaires en utilisant un modèle statistique, où le modèle statistique est généré sur la base des propriétés statistiques d'une fonction de répartition de probabilités de Laplace qui caractérise la source de données, et qui est déterminée et utilisée afin de définir le modèle statistique, où la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

la détermination d'un plan binaire optimal parmi la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits, φ est défini par

et θ est défini comme étant

la détermination d'une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

où l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires.

12. Élément de programme informatique qui est configuré, lorsqu'il est exécuté par un ordinateur, afin d'effectuer une procédure de traitement de symboles binaires générés par une source de données, les symboles binaires comprenant une pluralité de vecteurs de données d'entrée x = x₁, x₂, ..., x_k, la procédure comprenant :

la numérisation des symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

le codage de la chaîne binaire de symboles de plans binaires en utilisant un modèle statistique, où le modèle statistique est généré sur la base des propriétés statistiques d'une fonction de répartition de probabilités de Laplace de la source de données qui caractérise la source de données, et qui est déterminée et utilisée afin de définir le modèle statistique, où la source de données possède une forme de fonction de répartition de probabilités de Laplace, où la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

la détermination d'un plan binaire optimal parmi la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits, φ est défini par

et θ est défini comme étant

la détermination d'une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

où l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires.

13. Dispositif de décodage d'une chaîne binaire codée de symboles de plans binaires comprenant :

une unité de décodage destinée à décoder la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

une unité de reconstruction destinée à reconstruire une pluralité de plans binaires comprenant les symboles de plans binaires en utilisant l'autre chaîne binaire de symboles de plans binaires, où l'autre modèle statistique est basé sur les propriétés statistiques d'une fonction de répartition de probabilités de Laplace qui caractérise les symboles de plans binaires des plans binaires reconstruits, où la chaîne binaire codée de symboles de plans binaires est générée par les étapes consistant à :

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

où la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

où une attribution de probabilité à chaque symbole de plan binaire est déterminée sur la base de la fonction de répartition de probabilités de Laplace et est utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires,

où l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire, et

j est le plan binaire, où le plan binaire j = M-1 contient le bit le plus significatif des vecteurs de données d'entrée, ou

où l'attribution de probabilité du symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire actuel,

j est le plan binaire,

N_a est le nombre de symboles de plans binaires codés jusqu'à la fin du plan binaire précédent,

N est le nombre de symboles de plans binaires codés jusqu'au symbole de plan binaire actuel,

P_j^Na est l'estimation de P_j après avoir observé N_a symboles de plans binaires,

P_j^ML est l'estimation de probabilité maximum de P_j pour le plan binaire actuel et est défini par

où b_i,j est le symbole de plan binaire.

14. Support lisible par un ordinateur, ayant un programme enregistré dessus, dans lequel le programme est configuré, lorsqu'il est exécuté par un ordinateur, afin d'effectuer une procédure de décodage d'une chaîne binaire codée de symboles de plans binaires, la procédure comprenant :

le décodage de la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

la reconstruction d'une pluralité de plans binaires comprenant les symboles de plans binaires en utilisant l'autre chaîne binaire de symboles de plans binaires, où l'autre modèle statistique est basé sur les propriétés statistiques d'une fonction de répartition de probabilités de Laplace de la source de données qui caractérise les symboles de plans binaires des plans binaires reconstruits, où la chaîne binaire codée de symboles de plans binaires est générée par les étapes consistant à :

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

où une attribution de probabilité à chaque symbole de plan binaire st déterminée sur la base de la fonction de répartition de probabilités de Laplace et est utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire de symboles de plans binaires,

où l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire, et

j est le plan binaire, où le plan binaire j = M-1 contient le bit le plus significatif des vecteurs de données d'entrée, ou

dans lequel l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire actuel,

j est le plan binaire,

N_a est le nombre de symboles de plans binaires codés jusqu'à la fin du plan binaire précédent,

N est le nombre de symboles de plans binaires codés jusqu'au symbole de plan binaire actuel,

P_j^Na est l'estimation de P_j après avoir observé N_a symboles de plans binaires,

P_j^ML est l'estimation de probabilité maximum de P_j pour le plan binaire actuel et est défini par

où b_i,j est le symbole de plan binaire.

15. Élément de programme informatique qui est configuré, lorsqu'il est exécuté par un ordinateur, afin d'effectuer une procédure de décodage d'une chaîne binaire codée de symboles de plans binaires, la procédure comprenant :

le décodage de la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaine binaire de symboles de plans binaires ;

dans lequel la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

dans lequel l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire, et

j est le plan binaire, où le plan binaire j = M-1 contient le bit le plus significatif des vecteurs de données d'entrée, ou

dans lequel l'attribution de probabilité au symbole de plan binaire est déterminée par

où

P_j est l'attribution de probabilité au symbole de plan binaire actuel,

j est le plan binaire,

N_a est le nombre de symboles de plans binaires codés jusqu'à la fin du plan binaire précédent,

N est le nombre de symboles de plans binaires codés jusqu'au symbole de plan binaire actuel,

P_j^Na est l'estimation de P_j après avoir observé N_a symboles de plans binaires,

P_j^ML est l'estimation de probabilité maximum de P_j pour le plan binaire actuel et est défini par

où b_i,j est le symbole de plan binaire.

16. Dispositif de décodage d'une chaîne binaire codée de symboles de plans binaires comprenant :

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaîne binaire de symboles de plans binaires ;

où la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

déterminer un plan binaire optimal parmi la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits,

φ est défini par

θ est défini comme étant

déterminer une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

dans lequel l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires,

Q^L_j est l'attribution de probabilité du j^ième plan binaire,

j est le plan binaire, ou

dans lequel l'attribution de probabilité au plan binaire utilisée afin de déterminer le modèle statistique permettant de coder la chaîne binaire e symboles de plans binaires est déterminée par

17. Support lisible par un ordinateur, ayant un programme enregistré dessus, dans lequel le programme est configuré, lorsqu'il est exécuté par un ordinateur, afin d'effectuer une procédure de décodage d'une chaîne binaire codée de symboles de plans binaires, la procédure comprenant :

le décodage de la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaine binaire de symboles de plans binaires ;

dans lequel la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

déterminer un plan binaire optimal parmi la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits,

φ est défini par

θ est défini comme étant

déterminer une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

dans lequel l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires,

Q^L_j est l'attribution de probabilité au j^ième plan binaire,

j est le plan binaire, ou

18. Élément de programme informatique qui est configuré, lorsqu'il est exécuté par un ordinateur, afin d'effectuer une procédure de décodage d'une chaîne binaire codée de symboles de plans binaires, la procédure comprenant :

le décodage de la chaîne binaire codée de symboles de plans binaires en utilisant un autre modèle statistique afin de générer une autre chaîne binaire de symboles de plans binaires,

construire une pluralité de plans binaires en utilisant les symboles binaires générés par la source de données, chaque plan binaire comprenant une pluralité de symboles de plans binaires ;

numériser les symboles de plans binaires de chaque plan binaire afin de générer une chaine binaire de symboles de plans binaires ;

dans lequel la fonction de répartition de probabilités de Laplace est définie par

où σ est l'écart-type de la fonction de répartition de probabilités de Laplace,

déterminer un plan binaire optimal parmi la pluralité de plans binaires construits en déterminant un entier qui satisfait le mieux

où

L est l'entier représentant un plan binaire optimal prédéterminé parmi la pluralité de plans binaires construits,

φ est défini par

θ est défini comme étant

déterminer une attribution de probabilité à chaque plan binaire sur la base de sa relation avec le plan binaire optimal ;

dans lequel l'attribution de probabilité au plan binaire est utilisée comme modèle statistique afin de coder la chaîne binaire de symboles de plans binaires,

Q^L_j est l'attribution de probabilité au j^ième plan binaire,

j est le plan binaire, ou

Drawing

Cited references

REFERENCES CITED IN THE DESCRIPTION

This list of references cited by the applicant is for the reader's convenience only. It does not form part of the European patent document. Even though great care has been taken in compiling the references, errors or omissions cannot be excluded and the EPO disclaims all liability in this regard.

Non-patent literature cited in the description

J. LIS. LIEAn embedded still image coder with rate-distortion optimizationIEEE Trans. on Image Processing, 2000, vol. 9, 1158-1170 [0095]
J. RISSANENStochastic Complexity in Statistical InquiryWorld Scientific19890000 [0095]
M.J. WEINBERGER et al.The LOCO-I lossless image compression algorithm: principles and standardization into JPEG-LSIEEE Trans. Image Processing, 2000, vol. 9, 1309-1324 [0095]
G.G. LANGDONJ. RISSANENA simple general binary source codeIEEE Trans. Information Theory, 1982, vol. 28, 800-803 [0095]
D. TAUBMANA. ZAKHORMultirate 3-D subband coding of videoIEEE Trans. Image Processing, 1994, vol. 3, 572-588 [0095]
E. ORDENTLICH et al.A low-complexity modeling approach for embedded coding of wavelet coefficientsHP Labs Tech. Reports, 1997, HPL-97-150 [0095]