34、图像压缩技术：FELICS、Progressive FELICS与MLP方法解析

图像压缩技术：FELICS、Progressive FELICS与MLP方法解析

在图像数据处理中，为了高效存储和传输，图像压缩技术至关重要。接下来将详细介绍几种图像压缩方法，包括FELICS、Progressive FELICS以及MLP方法。

1. 上下文像素模式与FELICS方法

• 上下文像素模式 ：若一个上下文出现次数少于Q次，则被视为不可靠，仅使用其一小部分子集来预测当前像素。图展示了四种这样的上下文，子集像素标记为S。符号p, q表示p位的两级上下文，子集为q位。经验表明，18, 10和22, 10上下文能实现较好的压缩效果。
  | p, q | 上下文情况 |
  | — | — |
  | 12, 6 | - |
  | 14, 8 | - |
  | 18, 10 | 压缩效果较好 |
  | 22, 10 | 压缩效果较好 |

• FELICS方法原理 ：FELICS是快速、高效、无损图像压缩系统的缩写，专为灰度图像设计，与JPEG的无损模式竞争。其原理是根据像素的两个先前相邻像素的值，为每个像素分配可变大小的代码。使用二阶马尔可夫模型预测当前像素，即当前数据项的值仅取决于其两个过去的邻居。

对于像素P的两个邻居A和B，根据P的强度相对于L（较小强度邻居）和H（较大强度邻居）的位置，有三种情况：
1. P的强度在L和H之间 ：约一半像素属于此情况，P分配以0开头的代码。
2. P的强度低于L