PCM数据熵B.1 式(B.1)
E = -Σ_{i=I_{min}}^{I_{max}} P(i) × log2 P(i)
计算表达式(可直接用于 Excel/程序)
E = -Σ_{i=I_min}^{I_max} P(i) × log2 P(i)
I_min图像信号的最小电平
I_max图像信号的最大电平
P(i)图像信号电平i发生的概率
EPCM数据熵,代表一幅图像的平均信息量比特每像素
AC能量B.2 式(B.2)
AC = \dfrac{[ (1/N) Σ_{k=1}^{N} ac_k ]}{AC_{max},\text{其中} ac_k} = Σ_{m=0}^{7} Σ_{n=0}^{7} C(m,n)^2 - C(0,0)^2
计算表达式(可直接用于 Excel/程序)
AC = [ (1/N) Σ_{k=1}^{N} ac_k ] / AC_max,其中 ac_k = Σ_{m=0}^{7} Σ_{n=0}^{7} C(m,n)^2 - C(0,0)^2
ac_k第k个变换块的AC能量(除DC系数外的DCT系数平方和)
C(m,n)DCT系数
N在一场(或一帧)中的DCT变换块的数目
AC_max归一化因子,理论上的AC能量最大值(变换块中一半区域为黑、另一半区域为白时可得)
ACAC能量,代表图像空间活动性程度
频谱熵B.3 式(B.3)
SE = (1/N) Σ_{k=1}^{N} (se_k)^2,\text{其中} se_k = \dfrac{-Σ_{m=0}^{7} Σ_{n=0}^{7} (|C(m,n)|/A) log2[C(m,n)}{A],A} = Σ_{m=0}^{7} Σ_{n=0}^{7} |C(m,n)|
计算表达式(可直接用于 Excel/程序)
SE = (1/N) Σ_{k=1}^{N} (se_k)^2,其中 se_k = -Σ_{m=0}^{7} Σ_{n=0}^{7} (|C(m,n)|/A) log2[C(m,n)/A],A = Σ_{m=0}^{7} Σ_{n=0}^{7} |C(m,n)|
se_k第k个变换块的频谱熵分量
C(m,n)DCT系数
ADCT系数绝对值之和
NDCT变换块的数目
SE频谱熵,代表DCT系数的随机程度
运动矢量平均幅度B.4 式(B.4)
μ_X = (1/N) Σ_{k=1}^{N} |X_k|;μ_Y = (1/N) Σ_{k=1}^{N} |Y_k|
计算表达式(可直接用于 Excel/程序)
μ_X = (1/N) Σ_{k=1}^{N} |X_k|;μ_Y = (1/N) Σ_{k=1}^{N} |Y_k|
X_k块矢量的水平分量
Y_k块矢量的垂直分量
μ_XX_k在一场中的平均幅度
μ_YY_k在一场中的平均幅度
N块数目
运动矢量标准差B.4 式(B.5)
σ_X^2 = [ (1/N) Σ_{k=1}^{N} X_k^2 ] - μ_X^2;σ_Y^2 = [ (1/N) Σ_{k=1}^{N} Y_k^2 ] - μ_Y^2
计算表达式(可直接用于 Excel/程序)
σ_X^2 = [ (1/N) Σ_{k=1}^{N} X_k^2 ] - μ_X^2;σ_Y^2 = [ (1/N) Σ_{k=1}^{N} Y_k^2 ] - μ_Y^2
X_k块矢量的水平分量
Y_k块矢量的垂直分量
μ_XX_k在一场中的平均幅度
μ_YY_k在一场中的平均幅度
σ_XX_k的标准差
σ_YY_k的标准差
N块数目
运动补偿帧/场差分信号B.5 式(B.6)
e_k(x,y) = f_0(x,y) - f_1(x - u_k, y - ν_k)
计算表达式(可直接用于 Excel/程序)
e_k(x,y) = f_0(x,y) - f_1(x - u_k, y - ν_k)
x图像块中某一点像素的水平位置
y图像块中某一点像素的垂直位置
e_k第k个块中的运动补偿帧/场差分信号
f_0当前帧/场信号
f_1前一个帧/场信号
u_k块运动矢量的水平分量
ν_k块运动矢量的垂直分量
预测误差能量EPB.5 式(B.7)
EP = (1/N) Σ_{k=1}^{N} ep_k,\text{其中} ep_k = (1/(X·Y)) Σ_{x=1}^{X} Σ_{y=1}^{Y} e(x,y)^2
计算表达式(可直接用于 Excel/程序)
EP = (1/N) Σ_{k=1}^{N} ep_k,其中 ep_k = (1/(X·Y)) Σ_{x=1}^{X} Σ_{y=1}^{Y} e(x,y)^2
ep_k第k个块的差分信号均方值
e(x,y)运动补偿帧/场差分信号
X块的水平大小
Y块的垂直大小
N块数目
EP预测误差能量,差分信号的均方值