that the mapping may not be reversi

that the mapping may not be reversible [8]. Alternatively. a data-dependent editing
scheme may be used to identify the subspace of the mapping from which the quantized
data are extracted. Block-coding techniques are often classified by their mapping techniques, which include. for example, vector quantizers, various orthogonal transform coders. and channelized coders, such as subband coders. Block coders are further described by their algorithmic structures. such as codebook. tree, trellis, discrete Fourier transform, discrete cosine transform. discrete Walsh-Hadamard transform, discrete Karhunen-Loeve transform, and quadrature mirror filter-bank coders. We now examine examples of the various block-coding schemes.

13.5.1 Vector Quantizing

Vector quantizers represent an extension of conventional scalar quantization. in
scalar quantization. a scalar value is selected from a finite list of possible values to represent an input sample. The value is selected to be close (in some sense) to the
sample it is representing. The fidelity measures are various weighted mean square measures that preserve our intuitive concept of distance in terms of ordinary vector
lengths. By extension, in vector quantization. a vector is selected from a finite list
of possible vectors to represent an input vector of samples. The selected vector is chosen to be close (in some sense) to the vector it is representing.
Each input vector can be visualized as a point in an N-dimensional space. The quantizer is defined by a partition of this space into a set of nonoverlapping volumes (14]. These volumes are called intervals, polygons, and polytopes, respectively, for one-, two-, and N-dimensional vector spaces. The task of the vector quantizer is to determine the volume in which an input vector is located: The output of the optimal quantizer is the vector identifying the centroid of that volume. As in the one-dimensional quantizer, the mean-square error is a function of the boundary locations for the partition and the multidimensional pdf of the input vector.
The description of a vector quantizer can be cast as two distinct tasks. The first is the code-design task, which deals with the problem of performing the multidimensional volume quantization (or partition) and selecting the allowable output sequences. The second task is that of using the code, and deals with searching for the particular volume with this partition that corresponds (according to some fidelity criterion) to the best description of the source. The form of the algorithm selected to control the complexity of encoding and decoding may couple the two tasks—the partition and the search. The standard vector coding methods are codebook-, tree-, and trellis-coding algorithms (15.16j.

Hasil (Bahasa Indonesia) 1:

Pemetaan tidak mungkin reversibel [8]. Selain itu. mengedit bergantung pada data skema dapat digunakan untuk mengidentifikasi subspace pemetaan yang terkuantisasi data yang diambil. Blok-coding teknik sering diklasifikasikan oleh mereka teknik pemetaan, yang meliputi. sebagai contoh, vektor quantizers, berbagai ortogonal mengubah coders. dan coders channelized, seperti subband coders. Blok coders lebih lanjut dijelaskan oleh struktur algoritma mereka. seperti codebook. pohon, teralis, Fourier diskrit, mengubah diskrit kosinus. diskrit Walsh-Hadamard mengubah, diskrit mengubah Karhunen-Loeve, dan quadrature cermin filter-bank coders. Sekarang kita meneliti contoh-contoh berbagai skema pengkodean blok.13.5.1 vektor QuantizingVektor quantizers mewakili perpanjangan kuantisasi skalar konvensional. dalam kuantisasi skalar. nilai skalar yang dipilih dari daftar terbatas nilai yang mungkin untuk mewakili sampel masukan. Nilai yang dipilih untuk menjadi dekat (dalam arti tertentu) untuk contoh ini melambangkan. Langkah-langkah kesetiaan adalah berbagai langkah tertimbang mean square yang mempertahankan konsep kami intuitif jarak dalam hal biasa vektor panjang. Oleh perpanjangan, vector kuantisasi. vektor dipilih dari daftar terbatas dari vektor mungkin mewakili vektor masukan sampel. Vektor dipilih dipilih untuk menjadi dekat (dalam arti tertentu) untuk vektor ini melambangkan. Setiap masukan vektor dapat divisualisasikan sebagai titik di ruang N-dimensi. Quantizer didefinisikan oleh sebuah partisi ruang ini ke dalam satu set nonoverlapping volume (14]. Buku ini disebut interval, poligon, dan polytopes, masing-masing, untuk satu, dua, dan N-dimensi ruang vektor. Tugas quantizer vektor adalah untuk menentukan volume di mana vektor masukan berada: output dari optimal quantizer adalah vektor mengidentifikasi centroid bahwa volume. Seperti dalam quantizer dimensi, kesalahan berarti persegi adalah fungsi dari lokasi batas untuk partisi dan pdf multidimensi vektor masukan. Deskripsi quantizer vektor dapat dilemparkan sebagai dua tugas yang berbeda. Yang pertama adalah tugas kode-Desain, yang berkaitan dengan masalah melakukan volume multidimensi kuantisasi (atau partisi) dan memilih urutan diijinkan output. Dalam tugas yang kedua adalah menggunakan kode, dan berkaitan dengan mencari volume tertentu dengan partisi ini yang sesuai (menurut beberapa kriteria kesetiaan) untuk keterangan terbaik dari sumber. Bentuk algoritma yang dipilih untuk mengontrol kompleksitas encoding dan decoding mungkin pasangan dua tugas — partisi dan pencarian. Metode pengkodean standar vektor yang codebook, pohon, dan teralis-coding algoritma (15.16j.

Hasil (Bahasa Indonesia) 2:

bahwa pemetaan mungkin tidak reversibel [8]. Atau. mengedit data-dependent
skema dapat digunakan untuk mengidentifikasi ruang bagian dari pemetaan dari mana terkuantisasi
data yang diekstrak. Blok-teknik coding sering dikelompokkan dengan teknik pemetaan mereka, yang meliputi. misalnya, quantizers vektor, berbagai orthogonal mengubah coders. dan channelized coders, seperti coders subband. Blok coders lebih lanjut dijelaskan oleh struktur algoritmik mereka. seperti codebook. pohon, teralis, Fourier transform diskrit, transformasi kosinus diskrit. diskrit transformasi Walsh-Hadamard, diskrit Karhunen-Loeve Transform, dan quadrature mirror coders Filter bank. Kami sekarang memeriksa contoh dari berbagai skema blok-coding. 13.5.1 Vector Mengkuantisasi Vector quantizers merupakan perpanjangan dari skalar kuantisasi konvensional. dalam kuantisasi skalar. nilai skalar dipilih dari daftar terbatas nilai yang mungkin untuk mewakili sampel masukan. Nilai dipilih untuk menjadi dekat (dalam arti) untuk sampel itu mewakili. Langkah-langkah kesetiaan berbagai langkah persegi rata-rata tertimbang yang melestarikan konsep intuitif kita jarak dalam hal vektor biasa panjang. Dengan ekstensi, dalam vektor kuantisasi. vektor dipilih dari daftar yang terbatas mungkin vektor untuk mewakili vektor masukan sampel. Vektor yang dipilih dipilih menjadi dekat (dalam arti) untuk vektor itu mewakili. Setiap vektor masukan dapat divisualisasikan sebagai titik di ruang N-dimensi. Quantizer didefinisikan oleh partisi ruang ini menjadi satu set volume nonoverlapping (14]. Volume ini disebut interval, poligon, dan polytopes, masing-masing, untuk satu, dua, dan ruang vektor N-dimensi. Tugas quantizer vektor adalah untuk menentukan volume di mana vektor masukan berada: Output dari quantizer optimal adalah vektor mengidentifikasi massa volume yang Seperti dalam quantizer satu dimensi, kesalahan rata-square adalah fungsi dari. lokasi batas untuk partisi dan pdf multidimensi vektor input. Gambaran vektor quantizer dapat berperan sebagai dua tugas yang berbeda. Yang pertama adalah tugas kode-desain, yang berkaitan dengan masalah melakukan kuantisasi volume yang multidimensi (atau partisi) dan memilih urutan keluaran diijinkan. Tugas kedua adalah bahwa menggunakan kode, dan penawaran dengan mencari volume tertentu dengan partisi ini yang sesuai (menurut beberapa kriteria fidelity) dengan deskripsi terbaik dari sumber. Bentuk algoritma yang dipilih untuk mengontrol kompleksitas encoding dan decoding Mei pasangan dua tugas-partisi dan pencarian. Metode vektor coding standar yang codebook-, pohon-, dan teralis-coding algoritma (15.16j.