डेटा संपीड़न

From Vigyanwiki
"सोर्स कोडिंग" redirects here. For कंप्यूटर प्रोग्रामिंग में शब्द, see सोर्स कोड.

सूचना सिद्धांत में, डेटा कम्प्रेशन, सोर्स कोडिंग,[1]या बिट -दर में कमी मूल प्रतिनिधित्व की तुलना में कम बिट्स का उपयोग करके जानकारी एन्कोड करने की प्रक्रिया है।[2]कोई विशेष कम्प्रेशन या तो लोस्सी या लॉसलेस होता है। लॉसलेस कम्प्रेशन सांख्यिकीय अतिरेक की पहचान करके और उसे समाप्त करके बिट्स को कम करता है। लॉसलेस कम्प्रेशन में कोई भी जानकारी नष्ट नहीं होती है। लॉसलेस कम्प्रेशन अनावश्यक या कम महत्वपूर्ण जानकारी को हटाकर बिट्स को कम करता है।[3]सामान्यतः, एक उपकरण जो डेटा कम्प्रेशन करता है, उसे एनकोडर के रूप में संदर्भित किया जाता है और जो प्रक्रिया को उलट देता है (डिकम्प्रेस) उसे डिकोडर के रूप में संदर्भित किया जाता है।

डेटा फ़ाइल के आकार को कम करने की प्रक्रिया को प्रायः डेटा कम्प्रेशन के रूप में संदर्भित किया जाता है। डेटा प्रेषण के संदर्भ में, इसे सोर्स कोडिंग कहा जाता है; डेटा को संग्रहीत या प्रसारित करने से पहले उसके सोर्स पर एन्कोडिंग की जाती है।[4]सोर्स कोडिंग को चैनल कोडिंग के साथ भ्रमित नहीं किया जाना चाहिए, एरर का पता लगाने और सुधार या लाइन कोडिंग के लिए, सिग्नल पर डेटा को मैप करने के लिए साधन है।

कम्प्रेशन उपयोगी है क्योंकि यह डेटा को संग्रहीत और प्रसारित करने के लिए आवश्यक संसाधनों को कम करता है। कम्प्यूटेशनल संसाधनों का उपभोग कम्प्रेशन और डिकम्प्रेस प्रक्रियाओं में किया जाता है। डेटा कम्प्रेशन स्पेस टाइम कम्प्लेक्सिटी ट्रेडऑफ के अधीन है। उदाहरण के लिए, वीडियो के लिए एक कम्प्रेशन योजना के लिए महंगे हार्डवेयर की आवश्यकता हो सकती है, ताकि वीडियो को तेजी से डिकम्प्रेस किया जा सके ताकि इसे डीकंप्रेस किया जा सके, और वीडियो को देखने से पहले पूर्णतया से डीकंप्रेस करने का विकल्प असुविधाजनक हो सकता है या अतिरिक्त भंडारण की आवश्यकता हो सकती है। डेटा कम्प्रेशन योजनाओं के डिजाइन में विभिन्न कारकों के मध्य दुविधा सम्मिलित हैं, जिनमें कम्प्रेशन की डिग्री, पुरःस्थापित विकृति की मात्रा (लॉसलेस डेटा कम्प्रेशन का उपयोग करते समय), और डेटा को कम्प्रेस और डिकम्प्रेस करने के लिए आवश्यक कम्प्यूटेशनल संसाधन सम्मिलित हैं।[5]


लॉसलेस

Main article: लॉसलेस कम्प्रेशन

लॉसलेस डेटा कम्प्रेशन एल्गोरिदम सामान्यतः किसी भी जानकारी को खोए बिना डेटा का प्रतिनिधित्व करने के लिए सांख्यिकीय अतिरेक का उपयोग करते हैं, ताकि प्रक्रिया प्रतिवर्ती हो। लॉसलेस कम्प्रेशन संभव है क्योंकि अधिकांश वास्तविक जगत का डेटा सांख्यिकीय अतिरेक प्रदर्शित करता है। उदाहरण के लिए, एक इमेज में रंग के क्षेत्र हो सकते हैं जो कई पिक्सेल में नहीं बदलते हैं; लाल पिक्सेल को कोड करने के बजाय डेटा को "279 लाल पिक्सेल" के रूप में एन्कोड किया जा सकता है। यह रन-लेंथ एन्कोडिंग का एक बुनियादी उदाहरण है; अतिरेक को समाप्त करके फ़ाइल का आकार कम करने की कई योजनाएँ हैं।

लेम्पेल-ज़िव (LZ) कम्प्रेशन विधियाँ लॉसलेस भंडारण के लिए सबसे लोकप्रिय एल्गोरिदम में से एक हैं।[6] डीईएफएलएटीई डीकंप्रेसन गति और कम्प्रेशन अनुपात के लिए अनुकूलित एलजेड पर एक भिन्नता है, लेकिन कम्प्रेशन धीमा हो सकता है। 1980 के दशक के मध्य में, टेरी वेल्च के कार्य के बाद, लेम्पेल-ज़िव-वेल्च (LZW) एल्गोरिदम तेजी से अधिकांश सामान्य प्रयोजन कम्प्रेशन प्रणालियों के लिए चयन का तरीका बन गया।एलजेडडब्ल्यू का उपयोग जीआईएफ छवियों, पीकेजेडआईपी जैसे प्रोग्राम और मोडेम जैसे हार्डवेयर उपकरणों में किया जाता है।[7] एलजेड विधियाँ एक व्याकरण आधारित कोड मॉडल का उपयोग करती हैं जहां टेबल प्रविष्टियों को डेटा की दोहराई गई स्ट्रिंग के लिए प्रतिस्थापित किया जाता है। अधिकांश एलजेड विधियों के लिए, यह टेबल इनपुट में पहले के डेटा से गतिशील रूप से उत्पन्न होती है। टेबल स्वयं प्रायः हफ़मैन एन्कोडेड होती है। इस तरह के व्याकरण-आधारित कोड अत्यधिक दोहराव वाले इनपुट को बेहद प्रभावी ढंग से कम्प्रेस कर सकते हैं, उदाहरण के लिए, समान या निकट से संबंधित प्रजातियों का एक जैविक डेटा संग्रह, एक विशाल संस्करण दस्तावेज़ संग्रह, इंटरनेट संग्रह, आदि। व्याकरण-आधारित कोड का मूल कार्य निर्माण करना है एक एकल स्ट्रिंग प्राप्त करने वाला संदर्भ-मुक्त व्याकरण हैं। अन्य व्यावहारिक व्याकरण कम्प्रेशन एल्गोरिदम में सेक्विटुर और री-पेयर सम्मिलित हैं।

सबसे प्रबल आधुनिक लॉसलेस कम्प्रेसर संभाव्य मॉडल का उपयोग करते हैं, जैसे आंशिक मिलान द्वारा भविष्यवाणी हैं। बरोज़ -व्हीलर ट्रांसफॉर्म को सांख्यिकीय मॉडलिंग के अप्रत्यक्ष रूप के रूप में भी देखा जा सकता है।[8] संभाव्य मॉडलिंग के प्रत्यक्ष उपयोग को और अधिक परिष्कृत करने में, सांख्यिकीय अनुमानों को अंकगणित कोडिंग नामक एल्गोरिदम से जोड़ा जा सकता है। अंकगणित कोडिंग एक अधिक आधुनिक कोडिंग तकनीक है जो इनपुट डेटा प्रतीकों की एक श्रृंखला से एन्कोडेड बिट्स की एक स्ट्रिंग का उत्पादन करने के लिए एक परिमित अवस्था यंत्र की गणितीय गणना का उपयोग करती है। यह अन्य तकनीकों जैसे कि बेहतर ज्ञात हफ़मैन एल्गोरिदम की तुलना में श्रेष्ठतर कम्प्रेशन प्राप्त कर सकता है। यह बिट्स की पूर्णांक संख्या का उपयोग करने वाले अलग-अलग प्रतिनिधित्वों के लिए अलग-अलग इनपुट प्रतीकों की एक-से-एक मैपिंग करने की आवश्यकता से बचने के लिए एक आंतरिक मेमोरी स्थिति का उपयोग करता है, और यह डेटा प्रतीकों की सम्पूर्ण स्ट्रिंग को एन्कोड करने के बाद ही आंतरिक मेमोरी को साफ़ करता है। अंकगणित कोडिंग विशेष रूप से अनुकूली डेटा कम्प्रेशन कार्यों पर अनुप्रयुक्त होती है जहां डेटा भिन्न होते हैं और संदर्भ-निर्भर होते हैं, क्योंकि इसे इनपुट डेटा की संभाव्यता वितरण के अनुकूली मॉडल के साथ सरलता से जोड़ा जा सकता है। अंकगणित कोडिंग के उपयोग का एक प्रारंभिक उदाहरण जेपीईजी इमेज कोडिंग मानक की एक वैकल्पिक (लेकिन व्यापक रूप से उपयोग नहीं की जाने वाली) सुविधा में था।[9]तब से इसे वीडियो कोडिंग के लिए एच.263, एच.264/एमपीईजी-4 एवीसी और एचईवीसी सहित कई अन्य डिज़ाइनों में अनुप्रयुक्त किया गया है।[10]

पुरालेख सॉफ्टवेयर में सामान्यतः "शब्दकोश आकार" को समायोजित करने की क्षमता होती है, जहां एक बड़ा आकार कम्प्रेशन और डीकंप्रेसन के पर्यन्त अधिक रैंडम-एक्सेस मेमोरी की मांग करता है, लेकिन विशेष रूप से फ़ाइलों की सामग्री में पैटर्न को दोहराने पर प्रबल रूप से कम्प्रेस करता है।[11][12]


लोस्सी

Main article: लोस्सी कम्प्रेशन

1980 के दशक के उत्तरार्ध में, डिजिटल छवियां अधिक सामान्य हो गईं और लॉसलेस इमेज कम्प्रेशन के मानक सामने आए। 1990 के दशक के प्रारम्भ में, लोस्सी कम्प्रेशन विधियों का व्यापक रूप से उपयोग किया जाने लगा।[13]इन योजनाओं में, जानकारी के कुछ पातन को स्वीकार किया जाता है क्योंकि अनावश्यक विवरण छोड़ने से भंडारण स्थान बचाया जा सकता है। जानकारी को संरक्षित करने और आकार को कम करने के मध्य एक समान समझौता है। लोस्सी डेटा कम्प्रेशन योजनाएं इस शोध के आधार पर तैयार की जाती हैं कि लोग संबंधित डेटा को कैसे समझते हैं। उदाहरण के लिए, मानव नेत्र रंग में भिन्नता की तुलना में चमक में सूक्ष्म भिन्नता के प्रति अधिक संवेदनशील होती है। जेपीईजी इमेज कम्प्रेशन आंशिक रूप से सूचना के गैर-आवश्यक भागों को पूर्णांकित करके कार्य करता है।[14] कई लोकप्रिय कम्प्रेशन फॉर्मेट इन अवधारणात्मक अंतरों का लाभ उठाते हैं, जिनमें ध्वनि के लिए मनोध्वनिकी और छवियों और वीडियो के लिए मनोदृष्टिक सम्मिलित हैं।

लॉसलेस कम्प्रेशन के अधिकांश रूप ट्रांसफ़ॉर्म कोडिंग पर आधारित होते हैं, विशेष रूप से असतत कोसाइन ट्रांसफॉर्म (DCT) हैं। इसे पहली बार 1972 में नासिर अहमद द्वारा प्रस्तावित किया गया था, जिन्होंने जनवरी 1974 में इसे प्रस्तुत करने से पहले 1973 में टी. नटराजन और के.आर. राव के साथ एक कार्यशील एल्गोरिदम विकसित किया था।[15][16]डीसीटी सबसे व्यापक रूप से उपयोग की जाने वाली लॉसलेस कम्प्रेशन विधि है और इसका उपयोग छवियों (जैसे जेपीईजी और एचईआईएफ), [17] वीडियो (जैसे एमपीईजी, एवीसी और एचईवीसी) और ऑडियो (जैसे एमपी3, एएसी और वोरबिस) के लिए मल्टीमीडिया फॉरमॅटो में किया जाता है।[17]

भंडारण क्षमता बढ़ाने के लिए, डिजिटल कैमरों में लॉसलेस इमेज कम्प्रेशन का उपयोग किया जाता है। इसी तरह, डीवीडी, ब्लू-रे और स्ट्रीमिंग वीडियो लोस्सी वीडियो कोडिंग फॉरमॅटो का उपयोग करते हैं। वीडियो में लोस्सी कम्प्रेशन का बड़े पैमाने पर उपयोग किया जाता है।

लॉसलेस ऑडियो कम्प्रेशन में, ऑडियो सिग्नल के गैर-श्रव्य (या कम श्रव्य) घटकों को हटाने के लिए मनोध्वनिकी के तरीकों का उपयोग किया जाता है। मानव स्पीच का कम्प्रेशन प्रायः और भी अधिक विशिष्ट तकनीकों के साथ किया जाता है; स्पीच कोडिंग को सामान्य प्रयोजन ऑडियो कम्प्रेशन से एक अलग अनुशासन के रूप में प्रतिष्ठित किया गया है। स्पीच कोडिंग का उपयोग इंटरनेट टेलीफोनी में किया जाता है, उदाहरण के लिए, ऑडियो कम्प्रेशन का उपयोग सीडी रिपिंग के लिए किया जाता है और इसे ऑडियो प्लेयर्स द्वारा डिकोड किया जाता है।[8]

लॉसलेस कम्प्रेशन से पीढ़ी हानि हो सकती है।

सिद्धांत

Main article: शैनन का सोर्स कोडिंग प्रमेय

कम्प्रेशन का सैद्धांतिक आधार सूचना सिद्धांत और, विशेष रूप से, शैनन के स्रोत कोडिंग प्रमेय द्वारा प्रदान किया जाता है; डोमेन-विशिष्ट सिद्धांतों में लॉसलेस कम्प्रेशन के लिए एल्गोरिथम सूचना सिद्धांत और लॉसलेस कम्प्रेशन के लिए दर-विरूपण सिद्धांत सम्मिलित हैं। अध्ययन के ये क्षेत्र अनिवार्य रूप से क्लाउड शैनन द्वारा बनाए गए थे, जिन्होंने 1940 के दशक के अंत और 1950 के दशक के प्रारम्भ में इस विषय पर मौलिक पत्र प्रकाशित किए थे। कम्प्रेशन से जुड़े अन्य विषयों में कोडिंग सिद्धांत और सांख्यिकीय अनुमान सम्मिलित हैं।[18]


मशीन लर्निंग

मशीन लर्निंग और कम्प्रेशन के मध्य घनिष्ठ संबंध है। एक प्रणाली जो किसी अनुक्रम के सम्पूर्ण इतिहास को देखते हुए उसकी पिछली संभावनाओं की भविष्यवाणी करती है, उसका उपयोग इष्टतम डेटा कम्प्रेशन (आउटपुट वितरण पर अंकगणितीय कोडिंग का उपयोग करके) के लिए किया जा सकता है। इसके विपरीत, पूर्वानुमान के लिए एक इष्टतम कंप्रेसर का उपयोग किया जा सकता है (पिछले इतिहास को देखते हुए, सबसे अच्छा कम्प्रेस्सेस करने वाले प्रतीक को ढूंढकर)। इस तुल्यता का उपयोग "सामान्य बुद्धिमत्ता" के लिए एक बेंचमार्क के रूप में डेटा कम्प्रेशन का उपयोग करने के औचित्य के रूप में किया गया है।[19][20][21]

एक वैकल्पिक दृश्य कम्प्रेशन एल्गोरिदम को अंतर्निहित फीचर स्पेस वैक्टर में स्ट्रिंग को मैप करके दिखा सकता है और कम्प्रेशन-आधारित समानता उपाय इन फीचर स्पेस के भीतर समानता की गणना करते हैं। प्रत्येक कंप्रेसर C(.) के लिए हम एक संबद्ध वेक्टर स्पेस ℵ को परिभाषित करते हैं, जैसे कि C(.) वेक्टर मानदंड ||~x|| के अनुरूप एक इनपुट स्ट्रिंग x को मैप करता है। सभी कम्प्रेशन एल्गोरिदम में अंतर्निहित फ़ीचर स्पेस की विस्तृत जांच को स्थान द्वारा वर्जित किया गया है; इसके बजाय, फीचर वैक्टर तीन प्रतिनिधि लॉसलेस कम्प्रेशन विधियों, एलजेडडब्ल्यू, एलजेड77, और पीपीएम की जांच करना चुनता है।[22]

एआईएक्सआई सिद्धांत के अनुसार, हटर प्राइज़ में एक कनेक्शन को अधिक सीधे समझाया गया है, x का सबसे अच्छा संभव कम्प्रेशन सबसे छोटा संभव सॉफ़्टवेयर है जो x उत्पन्न करता है। उदाहरण के लिए, उस मॉडल में, एक ज़िप फ़ाइल के कम्प्रेस आकार में ज़िप फ़ाइल और अनजिंग सॉफ्टवेयर दोनों सम्मिलित हैं, क्योंकि आप इसे दोनों के बिना अनज़िप नहीं कर सकते हैं, लेकिन इससे भी छोटा संयुक्त रूप हो सकता है।

डेटा डिफ्रेंसिंग

Main article: डेटा डिफ्रेंसिंग

डेटा कम्प्रेशन को डेटा भिन्नता के एक विशेष स्थिति के रूप में देखा जा सकता है।[23][24]डेटा डिफ्रेंसिंग में एक सोर्स और एक लक्ष्य दिए गए अंतर को उत्पन्न करना सम्मिलित है, पैचिंग के साथ एक स्रोत और एक अंतर दिए गए लक्ष्य को पुन: उत्पन्न करना सम्मिलित है। चूंकि डेटा कम्प्रेशन में कोई भिन्न सोर्स और लक्ष्य नहीं है, इसलिए कोई भी डेटा कम्प्रेशन को रिक्त सोर्स डेटा के साथ अंतर करने वाले डेटा के रूप में मान सकता है, कम्प्रेस फ़ाइल कुछ भी नहीं से अंतर के अनुरूप है। यह बिना किसी प्रारंभिक डेटा के सापेक्ष एन्ट्रॉपी (डेटा भिन्नता के अनुरूप) के स्थिति के रूप में पूर्ण एन्ट्रॉपी (डेटा कम्प्रेशन के अनुरूप) पर विचार करने जैसा ही है।

डिफरेंशियल कम्प्रेशन शब्द का उपयोग डेटा डिफरेंसिंग कनेक्शन पर जोर देने के लिए किया जाता है।

उपयोग

इमेज

Main article: इमेज कम्प्रेशन

एन्ट्रॉपी कोडन की उत्पत्ति 1940 के दशक में शैनन -फानो कोडिंग की प्रस्तुति के साथ हुई,[25]जो हफ़मैन कोडिंग का आधार था जिसे 1950 में विकसित किया गया था।[26]ट्रांसफ़ॉर्म कोडिंग की उत्पत्ति 1960 के दशक के उत्तरार्ध में हुई, जिसमें 1968 में फास्ट फ़ोरियर ट्रांसफ़ॉर्म (FFT) कोडिंग और 1969 में हैडमार्ड ट्रांसफ़ॉर्म की प्रस्तुति हुई।[27]

एक महत्वपूर्ण इमेज कम्प्रेशन तकनीक असतत कोसाइन ट्रांसफ़ॉर्म (DCT) है, जो 1970 के दशक के प्रारम्भ में विकसित की गई तकनीक है।[15]डीसीटी जेपीईजी का आधार है, जो एक लॉसलेस कम्प्रेशन फॉर्मेट है जिसे 1992 में संयुक्त फोटोग्राफिक विशेषज्ञ समूह (JPEG) द्वारा प्रस्तुत किया गया था।[28] जेपीईजी इमेज गुणवत्ता में अपेक्षाकृत कम कमी की लागत पर एक इमेज का प्रतिनिधित्व करने के लिए आवश्यक डेटा की मात्रा को कम करता है और सबसे व्यापक रूप से उपयोग की जाने वाली इमेज फ़ाइल फॉर्मेट बन गई है।[29][30] इसका अत्यधिक कुशल डीसीटी-आधारित कम्प्रेशन कलनविधि एल्गोरिदम छवियों और डिजिटल तस्वीरों के व्यापक प्रसार के लिए काफी हद तक उत्तरदायी था।[31]

लेम्पेल-ज़िव-वेल्च (LZW) 1984 में विकसित एक लॉसलेस कम्प्रेशन एल्गोरिथ्म है। इसका उपयोग जीआईएफ फॉर्मेट में किया जाता है, जिसे 1987 में प्रस्तुत किया गया था।[32] डीईएफएलएटीई, 1996 में निर्दिष्ट एक लॉसलेस कम्प्रेशन एल्गोरिथ्म, पोर्टेबल नेटवर्क ग्राफ़िक्स (PNG) फॉर्मेट में उपयोग किया जाता है।[33]

वेवलेट कम्प्रेशन, इमेज कम्प्रेशन में वेवलेट्स का उपयोग, डीसीटी कोडिंग के विकास के बाद प्रारंभ हुआ।[34] जेपीईजी 2000 मानक 2000 में प्रस्तुत किया गया था।[35] मूल जेपीईजी फॉर्मेट द्वारा द्वारा उपयोग किए गए डीसीटी एल्गोरिदम के विपरीत, जेपीईजी 2000 इसके बजाय असतत तरंगिका रूपांतरण (DWT) एल्गोरिदम का उपयोग करता है।[36][37][38] जेपीईजी 2000 तकनीक, जिसमें मोशन जेपीईजी 2000 एक्सटेंशन सम्मिलित है, 2004 में डिजिटल सिनेमा के लिए वीडियो कोडिंग मानक के रूप में चुना गया था।[39]


ऑडियो

See also: ऑडियो कोडिंग फॉर्मेट and ऑडियो कोडेक

ऑडियो डेटा कम्प्रेशन, जिसे डायनामिक रेंज कम्प्रेशन के साथ भ्रमित नहीं किया जाना चाहिए, जिसमें ऑडियो डेटा की ट्रांसमिशन बैंडविड्थ और भंडारण आवश्यकताओं को कम करने की क्षमता है। ऑडियो कम्प्रेशन एल्गोरिदम को सॉफ़्टवेयर में ऑडियो कोडेक्स के रूप में कार्यान्वित किया जाता है। लॉसलेस और लॉसलेस कम्प्रेशन दोनों में, उनकप्रेस्सेड डेटा का प्रतिनिधित्व करने के लिए उपयोग की जाने वाली जानकारी की मात्रा को कम करने के लिए कोडिंग, परिमाणीकरण, डीसीटी और रैखिक भविष्यवाणी जैसी विधियों का उपयोग करके सूचना अतिरेक को कम किया जाता है।

लोस्सी ऑडियो कम्प्रेशन एल्गोरिदम उच्च कम्प्रेशन प्रदान करते हैं और वॉर्बिस और एमपी3 सहित कई ऑडियो एप्लीकेशनों में उपयोग किए जाते हैं। ये एल्गोरिदम लगभग सभी कम श्रव्य ध्वनियों की निष्ठा को खत्म करने या कम करने के लिए मनोध्वनिकी पर निर्भर करते हैं, जिससे उन्हें संग्रहीत करने या प्रसारित करने के लिए आवश्यक स्थान कम हो जाता है।[2][40]

ऑडियो गुणवत्ता की हानि और ट्रांसमिशन या भंडारण आकार के मध्य स्वीकार्य स्वीकार्य समझौता एप्लिकेशन पर निर्भर करता है। उदाहरण के लिए, एक 640 एमबी कॉम्पैक्ट डिस्क (सीडी) लगभग एक घंटे का उनकप्रेस्सेड उच्च निष्ठा वाला संगीत, लॉसलेस्ली तरीके से कंप्रेस्ड 2 घंटे से कम संगीत, या मध्यम बिट दर पर एमपी3 फॉर्मेट में कंप्रेस्ड 7 घंटे का संगीत रखती है। एक डिजिटल साउंड रिकॉर्डर सामान्यतः 640 एमबी में लगभग 200 घंटे के स्पष्ट रूप से समझने योग्य स्पीच को संग्रहीत कर सकता है।[41]

लॉसलेस ऑडियो कम्प्रेशन डिजिटल डेटा का प्रतिनिधित्व उत्पन्न करता है जिसे मूल के सटीक डिजिटल डुप्लिकेट में डिकोड किया जा सकता है। कम्प्रेशन अनुपात मूल आकार का लगभग 50-60% है,[42]जो जेनेरिक लॉसलेस डेटा कम्प्रेशन के लिए समान है। लॉसलेस कोडेक सिग्नल का अनुमान लगाने के आधार के रूप में वक्र फिटिंग या रैखिक भविष्यवाणी का उपयोग करते हैं। अनुमान और अनुमान और वास्तविक सिग्नल के बीच अंतर का वर्णन करने वाले पैरामीटर अलग से कोडित किए गए हैं।[43]

कई लॉसलेस ऑडियो कम्प्रेशन फॉर्मेट उपस्थित हैं। एक सूची के लिए लॉसलेस कोडेक्स की सूची देखें। कुछ फॉर्मेट एक विशिष्ट प्रणाली से जुड़े होते हैं, जैसे डायरेक्ट स्ट्रीम ट्रांसफर, सुपर ऑडियो सीडी और मेरिडियन लॉसलेस पैकिंग में उपयोग किया जाता है, डीवीडी-ऑडियो, डॉल्बी ट्रूएचडी, ब्लू-रे और एचडी डीवीडी में उपयोग किया जाता है।

कुछ ऑडियो फ़ाइल फोर्मेटो में एक लॉसलेस फॉर्मेट और एक लॉसलेस सुधार का संयोजन होता है; यह किसी लॉसलेस फ़ाइल को सरलता से प्राप्त करने के लिए सुधार को अलग करने की अनुमति देता है। ऐसे फॉरमॅटो में एमपीईजी-4 एसएलएस (स्केलेबल टू लॉसलेस), वेवपैक, और ऑप्टिमफ्रॉग डुअलस्ट्रीम सम्मिलित हैं।

जब ऑडियो फ़ाइलों को संसाधित किया जाना है, या तो आगे कम्प्रेशन द्वारा या संपादन के लिए, अपरिवर्तित मूल (उनकप्रेस्सेड या लॉसलेस कंप्रेस्ड) से कार्य करने के लिए वांछनीय है। किसी उद्देश्य के लिए हानिपूर्ण रूप से कंप्रेस्ड फ़ाइल का प्रसंस्करण सामान्यतः एक उनकप्रेस्सेड मूल से उसी कंप्रेस्ड फ़ाइल के निर्माण से कमतर अंतिम परिणाम उत्पन्न करता है। ध्वनि संपादन या मिश्रण के अतिरिक्त, लॉसलेस ऑडियो कम्प्रेशन का उपयोग प्रायः अभिलेखीय भंडारण के लिए, या मास्टर प्रतियों के रूप में किया जाता है।

लोस्सी ऑडियो कम्प्रेशन

एक उनकप्रेस्सेड फॉर्मेट और कई लॉसलेस फॉरमॅटो में ऑडियो के स्पेक्ट्रोग्राम की तुलना। लॉसलेस स्पेक्ट्रोग्राम उच्च आवृत्तियों के बैंडलिमिटिंग दर्शाते हैं, जो एक सामान्य तकनीक है जो लॉसलेस ऑडियो कम्प्रेशन से जुड़ी है।

लोस्सी ऑडियो कम्प्रेशन का उपयोग एप्लीकेशनों की एक विस्तृत श्रृंखला में किया जाता है। एमपी3 प्लेयर या कंप्यूटर में फ़ाइल प्लेबैक के स्टैंडअलोन ऑडियो-केवल एप्लिकेशनों के अतिरिक्त, डिजिटल रूप से कम्प्रेस ऑडियो स्ट्रीम का उपयोग अधिकांश वीडियो डीवीडी, डिजिटल टेलीविजन, इंटरनेट पर स्ट्रीमिंग मीडिया, सैटेलाइट, केबल रेडियो और तेजी से स्थलीय रेडियो प्रसारण में किया जाता है। मनोध्वनिक अनुकूलन के आधार पर कम-महत्वपूर्ण डेटा को छोड़कर, लोस्सी कम्प्रेशन सामान्यतः लॉसलेस कम्प्रेशन की तुलना में कहीं अधिक कम्प्रेशन प्राप्त करता है।[44]

मनोध्वनिकी यह मानती है कि ऑडियो स्ट्रीम के सभी डेटा को मानव श्रवण प्रणाली द्वारा नहीं देखा जा सकता है। अधिकांश लॉसलेस कम्प्रेशन पहले अवधारणात्मक रूप से अप्रासंगिक ध्वनियों की पहचान करके अतिरेक को कम कर देता है, अर्थात ऐसी ध्वनियाँ जिन्हें सुनना बहुत कठिन है। विशिष्ट उदाहरणों में उच्च आवृत्तियाँ या ध्वनियाँ सम्मिलित हैं जो तेज़ ध्वनि के साथ ही उत्पन्न होती हैं। उन अप्रासंगिक ध्वनियों को कम सटीकता के साथ कोडित किया जाता है या बिल्कुल नहीं।

लॉसलेस एल्गोरिदम की प्रकृति के कारण, जब किसी फ़ाइल को डीकंप्रेस किया जाता है और डीकंप्रेस्ड किया जाता है, तो ऑडियो गुणवत्ता में डिजिटल पीढ़ी की हानि होती है। यह ध्वनि संपादन और मल्टीट्रैक रिकॉर्डिंग जैसे पेशेवर ऑडियो इंजीनियरिंग एप्लीकेशनों में मध्यवर्ती परिणामों को संग्रहीत करने के लिए लोस्सी कम्प्रेशन को अनुपयुक्त बनाता है, हालाँकि, एमपी3 जैसे लॉसलेस फॉर्मेट अंत-उपयोगकर्ताओं के साथ बहुत लोकप्रिय हैं क्योंकि फ़ाइल का आकार मूल आकार के 5-20% तक कम हो जाता है और एक मेगाबाइट पर्याप्त गुणवत्ता में लगभग एक मिनट के संगीत को संग्रहीत कर सकता है।

कोडिंग विधियाँ

यह निर्धारित करने के लिए कि ऑडियो सिग्नल में कौन सी जानकारी अवधारणात्मक रूप से अप्रासंगिक है, अधिकांश लॉसलेस कम्प्रेशन एल्गोरिदम समय डोमेन नमूना तरंगों को ट्रांसफॉर्म डोमेन, सामान्यतः आवृत्ति डोमेन में परिवर्तित करने के लिए संशोधित असतत कोसाइन ट्रांसफॉर्म (एमडीसीटी) जैसे ट्रांसफॉर्म का उपयोग करते हैं। एक बार रूपांतरित होने के बाद, घटक आवृत्तियों को उनकी श्रव्यता के आधार पर प्राथमिकता दी जा सकती है। वर्णक्रमीय घटकों की श्रव्यता का मूल्यांकन सुनने की पूर्ण सीमा और एक साथ मास्किंग के सिद्धांतों का उपयोग करके किया जाता है - वह घटना जिसमें एक सिग्नल को आवृत्ति द्वारा अलग किए गए दूसरे सिग्नल द्वारा मास्क किया जाता है - और, कुछ स्थितियों में, टेम्पोरल मास्किंग - जहां एक सिग्नल को दूसरे सिग्नल द्वारा मास्क किया जाता है समय से अलग हो गए। घटकों के अवधारणात्मक महत्व को मापने के लिए समान-ज़ोर वाले आकृतियों का भी उपयोग किया जा सकता है। ऐसे प्रभावों को सम्मिलित करने वाले मानव कान-मस्तिष्क संयोजन के मॉडल को प्रायः मनोध्वनिक मॉडल कहा जाता है।[45]

अन्य प्रकार के लॉसलेस कम्प्रेसर, जैसे कि स्पीच के साथ उपयोग की जाने वाली लीनियर प्रेडिक्टिव कोडिंग (LPC), स्रोत-आधारित कोडर हैं। एलपीसी स्पीच ध्वनियों का विश्लेषण करने और उन्हें पल-पल उत्पन्न करने के लिए मॉडल द्वारा उपयोग किए जाने वाले मापदंडों का अनुमान लगाने के लिए मानव स्वर तंत्र के एक मॉडल का उपयोग करता है। इन बदलते मापदंडों को प्रसारित या संग्रहीत किया जाता है और डिकोडर में दूसरे मॉडल को चलाने के लिए उपयोग किया जाता है जो ध्वनि को पुन: उत्पन्न करता है।

घातक फॉरमॅटो का उपयोग प्रायः स्ट्रीमिंग ऑडियो या इंटरैक्टिव संचार (जैसे सेल फोन नेटवर्क में) के वितरण के लिए किया जाता है। ऐसे एप्लीकेशनों में, डेडेटा को संपूर्ण डेटा स्ट्रीम प्रसारित होने के बजाय डेटा प्रवाहित होने पर डीकंप्रेस किया जाना चाहिए। सभी ऑडियो कोडेक्स का उपयोग स्ट्रीमिंग एप्लीकेशनों के लिए नहीं किया जा सकता है।[44]

डेटा को एनकोड और डीकोड करने के लिए उपयोग की जाने वाली विधियों द्वारा विलंबता का परिचय दिया जाता है। कुछ कोडेक्स दक्षता को अनुकूलित करने के लिए डेटा के एक लंबे खंड, जिसे फ्रेम कहा जाता है, का विश्लेषण करेंगे और फिर इसे इस तरह से कोड करेंगे कि डीकोड करने के लिए एक समय में डेटा के एक बड़े खंड की आवश्यकता होगी। कोडिंग एल्गोरिदम की अंतर्निहित विलंबता महत्वपूर्ण हो सकती है; उदाहरण के लिए, जब डेटा का दोतरफा प्रसारण होता है, जैसे कि टेलीफोन पर बातचीत, तो महत्वपूर्ण देरी कथित गुणवत्ता को गंभीर रूप से ख़राब कर सकती है।

कम्प्रेशन की गति के विपरीत, जो एल्गोरिदम द्वारा आवश्यक संचालन की संख्या के लिए आनुपातिक है, यहां विलंबता उन नमूनों की संख्या को संदर्भित करती है जिन्हें ऑडियो के खंडो को संसाधित करने से पहले विश्लेषण किया जाना चाहिए। न्यूनतम स्थिति में, विलंबता शून्य नमूने है (उदाहरण के लिए, यदि कोडर/डिकोडर सिग्नल को मापने के लिए उपयोग किए जाने वाले बिट्स की संख्या को कम कर देता है)। एलपीसी जैसे टाइम डोमेन एल्गोरिदम में भी प्रायः कम विलंबता होती है, इसलिए टेलीफोनी के लिए स्पीच कोडिंग में उनकी लोकप्रियता होती है। हालाँकि, एमपी3 जैसे एल्गोरिदम में, आवृत्ति डोमेन में एक मनोध्वनिक मॉडल को अनुप्रयुक्त करने के लिए बड़ी संख्या में नमूनों का विश्लेषण करना पड़ता है और विलंबता 23 एमएस के क्रम पर होती है।

स्पीच कोडिंग

स्पीच कोडिंग ऑडियो डेटा कम्प्रेशन की एक महत्वपूर्ण श्रेणी है। मानव कान भाषण के किन पहलुओं को सुन सकता है, इसका अनुमान लगाने के लिए उपयोग किए जाने वाले अवधारणात्मक मॉडल सामान्यतः संगीत के लिए उपयोग किए जाने वाले मॉडल से कुछ अलग होते हैं। मानव आवाज़ की आवाज़ को व्यक्त करने के लिए आवश्यक आवृत्तियों की सीमा सामान्य रूप से संगीत के लिए आवश्यक आवृत्तियों की तुलना में बहुत संकीर्ण होती है, और ध्वनि सामान्य रूप से कम जटिल होती है। परिणामस्वरूप, अपेक्षाकृत कम बिट दर का उपयोग करके भाषण को उच्च गुणवत्ता पर एन्कोड किया जा सकता है।

यह सामान्य रूप से, दो दृष्टिकोणों के कुछ संयोजन द्वारा पूर्ण किया जाता है:

  • केवल एन्कोडिंग ध्वनियाँ जो एक ही मानव आवाज़ द्वारा बनाई जा सकती हैं।
  • सिग्नल में अधिक डेटा क्षेपण - मानव श्रवण की पूर्ण आवृत्ति सीमा के बजाय "समझदार" आवाज को फिर से बनाने के लिए पर्याप्त रखना।

स्पीच एन्कोडिंग (और सामान्य रूप से ऑडियो डेटा कम्प्रेशन) में उपयोग किए जाने वाले प्रारंभिक एल्गोरिदम ए-लॉ एल्गोरिदम और μ-लॉ एल्गोरिदम थे।

इतिहास

सॉलिडाइन 922: पीसी 1990 के लिए, दुनिया का पहला व्यावसायिक ऑडियो बिट कम्प्रेशन साउंड कार्ड।

प्रारंभिक ऑडियो अनुसंधान बेल लैब्स में आयोजित किया गया था। वहां, 1950 में, सी. चैपिन कटलर ने डिफरेंशियल पल्स-कोड मॉड्यूलेशन (DPCM) पर पेटेंट दायर किया।[46]1973 में, एडेप्टिव डीपीसीएम (ADPCM) को पी. कम्मिस्की, निकिल एस. जयंत और जेम्स एल. फ़्लानगन द्वारा प्रस्तुत किया गया था।[47][48]

अवधारणात्मक कोडिंग का उपयोग पहली बार रैखिक पूर्वानुमानित कोडिंग (LPC) के साथ, स्पीच कोडिंग कम्प्रेशन के लिए किया गया था।[49] एलपीसी की प्रारंभिक अवधारणाएं 1966 में फ़ुमिटाडा इटाकुरा (नागोया विश्वविद्यालय) और शुज़ो सैटो (निप्पॉन टेलीग्राफ और टेलीफोन) के कार्य से जुड़ी हैं।[50] 1970 के दशक के पर्यन्त, बेल लैब्स में बिष्णु एस. अटल और मैनफ्रेड आर. श्रोएडर ने एलपीसी का एक रूप विकसित किया, जिसे एडेप्टिव प्रेडिक्टिव कोडिंग (APC) कहा जाता है, एक अवधारणात्मक कोडिंग एल्गोरिदम जो मानव कान के मास्किंग गुणों का लाभ उठाता है,जिसे 1980 के दशक के प्रारम्भ में अपनाया गया था। कोड-एक्साइटेड लीनियर प्रेडिक्शन (CELP) एल्गोरिदम जिसने अपने समय के लिए एक महत्वपूर्ण कम्प्रेशन अनुपात प्राप्त किया।[49]अवधारणात्मक कोडिंग का उपयोग आधुनिक ऑडियो कम्प्रेशन फॉरमॅटो जैसे एमपी 3[49]और एएसी द्वारा किया जाता है।

1974 में नासिर अहमद, टी. नटराजन और के.आर. राव द्वारा विकसित असतत कोसाइन ट्रांसफॉर्म (DCT),[16]ने एमपी 3, डॉल्बी डिजिटल और एएसी जैसे आधुनिक ऑडियो कम्प्रेशन फॉरमॅटो द्वारा उपयोग किए जाने वाले संशोधित असतत कोसाइन ट्रांसफॉर्म (MDCT) के लिए आधार प्रदान किया,[51] [52][53] [54] 1986 में प्रिंसेन और ब्रैडली द्वारा पहले किए गए कार्य के बाद, एमडीसीटी को 1987 में जे.पी. प्रिंसेन, ए.डब्ल्यू. जॉनसन और ए.बी. ब्रैडली द्वारा प्रस्तावित किया गया था।[55][56]

दुनिया का पहला वाणिज्यिक प्रसारण स्वचालन ऑडियो कम्प्रेशन सिस्टम ब्यूनस आयर्स विश्वविद्यालय के इंजीनियरिंग प्रोफेसर ऑस्कर बोनेलो द्वारा विकसित किया गया था।[57][failed verification] 1983 में, 1967 में पहली बार प्रकाशित क्रिटिकल बैंड्स के मास्किंग के मनोध्वनिक सिद्धांत का उपयोग करते हुए,[58]उन्होंने हाल ही में विकसित आईबीएम पीसी कंप्यूटर के आधार पर एक व्यावहारिक एप्लीकेशन विकसित करना प्रारंभ कर दिया और प्रसारण स्वचालन प्रणाली को 1987 में ऑडिकॉम के नाम से लॉन्च किया गया था। साल बाद, दुनिया के लगभग सभी रेडियो स्टेशन कई उद्योगों द्वारा निर्मित इस तकनीक का उपयोग कर रहे थे क्योंकि आविष्कारक अपने काम के लिए आविष्कार पेटेंट प्राप्त करने से इंकार कर देता है। वह इसे प्रकाशित करते हुए इसे सार्वजनिक डोमेन घोषित करना पसंद करते हैं।

फरवरी 1988 में आईईईई के जर्नल ऑन सेलेक्टेड एरियाज़ इन कम्युनिकेशंस (JSAC) में ऑडियो कोडिंग सिस्टम की एक विशाल विविधता के लिए एक साहित्य संग्रह प्रकाशित किया गया था। जबकि उस समय से पहले के कुछ पेपर थे, इस संग्रह में पूर्णतया से तैयार, कार्य करने वाली विविधता का दस्तावेजीकरण किया गया था। ऑडियो कोडर, उनमें से लगभग सभी अवधारणात्मक तकनीकों और कुछ प्रकार की आवृत्ति विश्लेषण और बैक-एंड नॉइज़लेस्स कोडिंग का उपयोग करते हैं।[59]


वीडियो

See also: वीडियो कोडिंग फॉर्मेट and वीडियो कोडेक

उनकप्रेस्सेड वीडियो के लिए बहुत अधिक डेटा दर की आवश्यकता होती है। हालाँकि, लॉसलेस वीडियो कम्प्रेशन कोडेक्स 5 से 12 के एक कम्प्रेशन कारक पर प्रदर्शन करते हैं, एक सामान्य एच.264 लॉसलेस कम्प्रेशन वीडियो का कम्प्रेशन कारक 20 और 200 के मध्य होता है।[60]

वीडियो कोडिंग मानकों में उपयोग की जाने वाली दो प्रमुख वीडियो कम्प्रेशन तकनीकें डीसीटी और मोशन कंपंसेशन (MC) हैं। अधिकांश वीडियो कोडिंग मानक, जैसे कि एच.26एक्स और एमपीईजी फॉर्मेट, सामान्यतः मोशन कंपंसेशन डीसीटी वीडियो कोडिंग (ब्लॉक मोशन कंपंसेशन) का उपयोग करते हैं।[61][62]

तथाकथित कंटेनर फॉरमॅटो का उपयोग करके अलग-अलग लेकिन पूरक डेटा स्ट्रीम को एक संयुक्त पैकेज के रूप में संग्रहीत करने के लिए अधिकांश वीडियो कोडेक्स का उपयोग ऑडियो कम्प्रेशन के साथ किया जाता है।[63]



कोडिंग सिद्धांत

वीडियो डेटा को स्थिर इमेज फ़्रेमों की एक श्रृंखला के रूप में दर्शाया जा सकता है। ऐसे डेटा में सामान्यतः प्रचुर मात्रा में स्थानिक और लौकिक अतिरेक होता है। वीडियो कम्प्रेशन एल्गोरिदम अतिरेक को कम करने और जानकारी को अधिक कॉम्पैक्ट रूप से संग्रहीत करने का प्रयास करते हैं।

अधिकांश वीडियो कम्प्रेशन फॉर्मेट और कोडेक्स स्थानिक और अस्थायी अतिरेक दोनों का लाभ उठाते हैं (उदाहरण के लिए मोशन कंपंसेशन के साथ अंतर कोडिंग के माध्यम से)। समानताओं को केवल उदाहरण के मध्य अंतर संग्रहीत करके एन्कोड किया जा सकता है। अस्थायी रूप से आसन्न फ़्रेम (इंटर-फ़्रेम कोडिंग) या स्थानिक रूप से आसन्न पिक्सेल (इंट्रा-फ़्रेम कोडिंग)। इंटर-फ़्रेम कम्प्रेशन (एक अस्थायी डेल्टा एन्कोडिंग) (पुनः) वर्तमान फ़्रेम का वर्णन करने के लिए अनुक्रम में एक या अधिक पहले या बाद के फ़्रेम से डेटा का उपयोग करता है। दूसरी ओर, इंट्रा-फ़्रेम कोडिंग, वर्तमान फ़्रेम के भीतर से केवल डेटा का उपयोग करती है, जो प्रभावी रूप से स्थिर-इमेज कम्प्रेशन है।[45]

कैमकोर्डर और वीडियो एडिटिंग में उपयोग किए जाने वाले इंट्रा-फ्रेम वीडियो कोडिंग फॉर्मेट सरल कम्प्रेशन का उपयोग करते हैं जो केवल इंट्रा-फ्रेम भविष्यवाणी का उपयोग करता है। यह वीडियो एडिटिंग सॉफ़्टवेयर को सरल बनाता है, क्योंकि यह ऐसी स्थिति को रोकता है जिसमें एक कंप्रेस्ड फ़्रेम उस डेटा को संदर्भित करता है जिसे एडिटर ने हटा दिया है।

सामान्यतः, वीडियो कम्प्रेशन अतिरिक्त रूप से क्वान्टिजेशन जैसी लॉसलेस कम्प्रेशन तकनीकों को नियोजित करता है जो मानव दृष्टि की अवधारणात्मक विशेषताओं का शोषण करके सोर्स डेटा के उन पहलुओं को कम करता है जो मानव दृश्य धारणा के लिए (कम या ज्यादा) अप्रासंगिक हैं। उदाहरण के लिए, चमक में बदलाव की तुलना में रंग में छोटे अंतर को समझना अधिक कठिन होता है। कम्प्रेशन एल्गोरिदम जेपीईजी इमेज कम्प्रेशन में उपयोग किए जाने वाले तरीके के समान इन समान क्षेत्रों में एक रंग का औसत कर सकते हैं।[9]जैसा कि सभी लॉसलेस कम्प्रेशन में होता है, वीडियो की गुणवत्ता और बिट दर, कम्प्रेशन और डीकंप्रेसन को संसाधित करने की लागत और सिस्टम आवश्यकताओं के मध्य एक समझौता होता है। अत्यधिक कंप्रेस्ड वीडियो दृश्यमान या विचलित करने वाले कम्प्रेशन कलाकृतियों को प्रस्तुत कर सकता है।

प्रचलित डीसीटी-आधारित ट्रांसफॉर्म फॉरमॅटो के अतिरिक्त अन्य अन्य विधियां, जैसे फ्रैक्टल कम्प्रेशन, मैचिंग परसूट और असतत वेवलेट ट्रांसफॉर्म (DWT) का उपयोग, कुछ शोध का विषय रहे हैं, लेकिन सामान्यतः व्यावहारिक उत्पादों में उपयोग नहीं किए जाते हैं। वेवलेट कम्प्रेशन का उपयोग मोशन कंपंसेशन के बिना स्थिर इमेज कोडर्स और वीडियो कोडर्स में किया जाता है। हाल के सैद्धांतिक विश्लेषण से ऐसे तरीकों की प्रभावशीलता की तुलनात्मक कमी दिखाई देने के कारण, फ्रैक्टल कम्प्रेशन में रुचि कम होती दिख रही है।[45]


इंटर-फ्रेम कोडिंग
Main article: इंटर-फ्रेम
Further information: मोशन कंपंसेशन

इंटर-फ़्रेम कोडिंग में, वीडियो अनुक्रम के अलग-अलग फ़्रेमों की तुलना एक फ़्रेम से दूसरे फ़्रेम तक की जाती है, और वीडियो कम्प्रेशन कोडेक संदर्भ फ़्रेम के अंतर को रिकॉर्ड करता है। यदि फ़्रेम में ऐसे क्षेत्र हैं जहां कुछ भी स्थानांतरित नहीं हुआ है, तो सिस्टम केवल एक छोटा कमांड जारी कर सकता है जो पिछले फ्रेम के उस हिस्से को अगले में कॉपी करता है। यदि फ़्रेम के अनुभाग सरल तरीके से चलते हैं, तो कंप्रेसर एक (थोड़ा लंबा) कमांड उत्सर्जित कर सकता है जो डीकंप्रेसर को कॉपी को स्थानांतरित करने, घुमाने, हल्का करने या गहरा करने के लिए कहता है। यह लंबा कमांड अभी भी इंट्रा-फ़्रेम कम्प्रेशन द्वारा उत्पन्न डेटा की तुलना में बहुत छोटा है। सामान्यतः, एनकोडर एक अवशेष संकेत भी प्रसारित करेगा जो संदर्भ इमेजरी में शेष अधिक सूक्ष्म अंतरों का वर्णन करता है। एन्ट्रापी कोडिंग का उपयोग करते हुए, इन अवशेष संकेतों में पूर्ण सिग्नल की तुलना में अधिक कॉम्पैक्ट प्रतिनिधित्व होता है। अधिक गति वाले वीडियो के क्षेत्रों में, बड़ी संख्या में बदल रहे पिक्सेल के साथ सांजस्य बनाए रखने के लिए संपीड़न को अधिक डेटा एन्कोड करना होगा। सामान्यतः विस्फोटों, आग की लपटों, जानवरों के झुंडों और कुछ पैनिंग शॉट्स के पर्यंत, उच्च-आवृत्ति विस्तार से गुणवत्ता में कमी आती है या चर बिटरेट में वृद्धि होती है।

हाइब्रिड ब्लॉक-आधारित ट्रांसफॉर्म फॉर्मेट

Further information: असतत कोसाइन ट्रांसफॉर्म
एक विशिष्ट वीडियो एनकोडर के प्रसंस्करण चरण।

आज, लगभग सभी सामान्यतः उपयोग की जाने वाली वीडियो कम्प्रेशन विधियां (उदाहरण के लिए, आईटीयू-टी या आईएसओ द्वारा अनुमोदित मानकों में) एक ही मूल वास्तुकला को साझा करती हैं जो एच.261 से मिलती है जिसे 1988 में आईटीयू-टी द्वारा मानकीकृत किया गया था। वे ज्यादातर डीसीटी पर विश्वास करते हैं, जो निकटवर्ती पिक्सल के आयताकार ब्लॉकों पर अनुप्रयुक्त होता हैं, और मोशन वैक्टर का उपयोग करके अस्थायी भविष्यवाणी, साथ ही आजकल एक इन-लूप फ़िल्टरिंग चरण भी होता है।

भविष्यवाणी चरण में, विभिन्न डिडुप्लीकेशन और अंतर-कोडिंग तकनीकों को अनुप्रयुक्त किया जाता है जो डेटा को डिकॉर्लेट करने और पहले से प्रसारित डेटा के आधार पर नए डेटा का वर्णन करने में सहायता करते हैं।

फिर शेष पिक्सेल डेटा के आयताकार ब्लॉक को आवृत्ति डोमेन में बदल दिया जाता है। मुख्य लॉसलेस प्रसंस्करण चरण में, मानव दृश्य धारणा के लिए अप्रासंगिक जानकारी को कम करने के लिए आवृत्ति डोमेन डेटा को मात्राबद्ध किया जाता है।

अंतिम चरण में सांख्यिकीय अतिरेक को एन्ट्रापी कोडर द्वारा काफी हद तक समाप्त कर दिया जाता है जो प्रायः अंकगणित कोडिंग के कुछ रूप को अनुप्रयुक्त करता है।

अतिरिक्त इन-लूप फ़िल्टरिंग चरण में पुनर्निर्मित इमेज सिग्नल पर विभिन्न फ़िल्टर अनुप्रयुक्तकिए जा सकते हैं। एन्कोडिंग लूप के भीतर भी इन फ़िल्टरों की गणना करके वे कम्प्रेशन में सहायता कर सकते हैं क्योंकि उन्हें भविष्यवाणी प्रक्रिया में उपयोग करने से पहले संदर्भ सामग्री पर अनुप्रयुक्त किया जा सकता है और उन्हें मूल सिग्नल का उपयोग करके निर्देशित किया जा सकता है। सबसे लोकप्रिय उदाहरण डिब्लॉकिंग फिल्टर हैं जो ट्रांसफ़ॉर्म ब्लॉक सीमाओं पर क्वान्टिजेशन असंततता से ब्लॉकिंग कलाकृतियों को धुंधला कर देते हैं।

इतिहास

Main article: वीडियो कोडिंग फॉर्मेट § इतिहास

1967 में, ए.एच. रॉबिन्सन और सी. चेरी ने एनालॉग टेलीविजन सिग्नलों के प्रसारण के लिए एक रन-लेंथ एन्कोडिंग बैंडविड्थ कम्प्रेशन योजना का प्रस्ताव रखा।[64] डीसीटी, जो आधुनिक वीडियो कम्प्रेशन के लिए मौलिक है,[65]जिसको 1974 में नासिर अहमद, टी. नटराजन और के.आर. राव द्वारा प्रस्तुत किया गया था।[16][66]

एच.261, जो 1988 में प्रारंभ हुआ, ने व्यावसायिक रूप से वीडियो कम्प्रेशन तकनीक की प्रचलित बुनियादी वास्तुकला को प्रस्तुत किया।[67] यह डीसीटी कम्प्रेशन पर आधारित पहला वीडियो कोडिंग फॉर्मेट था।[65] एच.261 को हिताची, पिक्चरटेल, एनटीटी, बीटी और तोशिबा सहित कई उद्योगों द्वारा विकसित किया गया था।[68]

कोडेक्स के लिए उपयोग किए जाने वाले सबसे लोकप्रिय वीडियो कोडिंग मानक एमपीईजी मानक हैं। एमपीईजी-1 को 1991 में मोशन पिक्चर एक्सपर्ट्स ग्रुप (MPEG) द्वारा विकसित किया गया था और इसे वीएचएस-गुणवत्ता वाले वीडियो को कम्प्रेस करने के लिए डिज़ाइन किया गया था। 1994 में इसे MPEG-2/H.262 द्वारा सफल बनाया गया,[67]जिसे कई उद्योगों द्वारा, मुख्य रूप से सोनी, थॉमसन और मित्सुबिशी इलेक्ट्रिक द्वारा विकसित किया गया था।[69] एमपीईजी-2 डीवीडी और एसडी डिजिटल टेलीविजन के लिए मानक वीडियो फॉर्मेट बन गया।[67]1999 में, इसके बाद MPEG-4/H.263 आया।[67]इसे कई उद्योगों, मुख्य रूप से मित्सुबिशी इलेक्ट्रिक, हिताची और पैनासोनिक द्वारा भी विकसित किया गया था।[70]

एच.264/एमपीईजी-4 एवीसी को 2003 में कई संगठनों द्वारा विकसित किया गया था, मुख्य रूप से पैनासोनिक, गोडो कैशा आईपी ब्रिज और एलजी इलेक्ट्रॉनिक्स है।[71] एवीसी ने व्यावसायिक रूप से आधुनिक संदर्भ-अनुकूली बाइनरी अंकगणित कोडिंग (CABAC) और संदर्भ-अनुकूली चर-लंबाई कोडिंग (CAVLC) एल्गोरिदम प्रस्तुत किया। एवीसी ब्लू-रे डिस्क के लिए मुख्य वीडियो एन्कोडिंग मानक है और इसका व्यापक रूप से वीडियो साझा करने वाली वेबसाइटों और यूट्यूब, नेटफ्लिक्स, वीमियो और आईट्यून्स स्टोर जैसी स्ट्रीमिंग इंटरनेट सेवाओं, एडोब फ्लैश प्लेयर और माइक्रोसॉफ्ट सिल्वरलाइट जैसे वेब सॉफ्टवेयर और विभिन्न द्वारा उपयोग किया जाता है। एचडीटीवी स्थलीय और उपग्रह टेलीविजन पर प्रसारण करता है।

जेनेटिक्स

See also: जीनोमिक री-सीक्वेंसिंग डेटा का कम्प्रेशन

जीनोमिक कम्प्रेशन एल्गोरिदम लॉसलेस एल्गोरिदम की नवीनतम पीढ़ी है जो पारंपरिक कम्प्रेशन एल्गोरिदम और विशिष्ट डेटाटाइप के लिए अनुकूलित आनुवंशिक एल्गोरिदम दोनों का उपयोग करके डेटा (सामान्यतः न्यूक्लियोटाइड के अनुक्रम) को कंप्रेस्ड करता है। 2012 में, जॉन्स हॉपकिंस विश्वविद्यालय के वैज्ञानिकों के एक समूह ने एक आनुवंशिक कम्प्रेशन एल्गोरिदम प्रकाशित किया जो कम्प्रेशन के लिए एक संदर्भ जीनोम का उपयोग नहीं करता है। हैपज़िपर को अंतरराष्ट्रीय हैपमैप डेटा के लिए तैयार किया गया था और यह 20 गुना से अधिक कम्प्रेशन (फ़ाइल आकार में 95% कमी) प्राप्त करता है, 2 से 4 गुना बेहतर कम्प्रेशन प्रदान करता है और अग्रणी सामान्य प्रयोजन कम्प्रेशन उपयोगिताओं की तुलना में कम कम्प्यूटेशनल रूप से गहन होता है। इसके लिए, चंदा, एलहाइक और बेडर ने एमएएफ-आधारित एन्कोडिंग (एमएएफई) के प्रारम्भ की, जो एसएनपी को उनकी छोटी एलील आवृत्ति के आधार पर क्रमबद्ध करके डेटासेट की विविधता को कम करता है, इस प्रकार डेटासेट को समरूप बनाता है। 2009 और 2013 में विकसित अन्य एल्गोरिदम (डीएनएज़िप और जीनोमज़िप) में 1200 गुना तक का कम्प्रेशन अनुपात है- जिससे 6 बिलियन बेसपेयर द्विगुणित मानव जीनोम को 2.5 मेगाबाइट (संदर्भ जीनोम के सापेक्ष या कई जीनोम पर औसत) में संग्रहीत किया जा सकता है।[72][73][74]आनुवंशिकी/जीनोमिक्स डेटा कंप्रेसर में एक बेंचमार्क के लिए, देखें।[75]


आउटलुक और वर्तमान में अप्रयुक्त क्षमता

यह अनुमान लगाया गया है कि दुनिया के भंडारण उपकरणों पर संग्रहीत डेटा की कुल मात्रा को उपस्थित कम्प्रेशन एल्गोरिदम के साथ 4.5:1 के शेष औसत कारक द्वारा कंप्रेस्ड किया जा सकता है।[76] यह अनुमान लगाया गया है कि जानकारी संग्रहीत करने के लिए दुनिया की संयुक्त तकनीकी क्षमता 2007 में 1,300 एक्साबाइट हार्डवेयर अंक प्रदान करती है, लेकिन जब संबंधित सामग्री को इष्टतम रूप से कंप्रेस्ड किया जाता है, तो यह केवल 295 एक्साबाइट शैनन जानकारी का प्रतिनिधित्व करता है।[77]


यह भी देखें


संदर्भ

  1. ↑ Wade, Graham (1994). Signal coding and processing (2 ed.). Cambridge University Press. p. 34. ISBN 978-0-521-42336-6. Retrieved 2011-12-22. The broad objective of source coding is to exploit or remove 'inefficient' redundancy in the PCM source and thereby achieve a reduction in the overall source rate R.
  2. ↑ Jump up to: 2.0 2.1 Mahdi, O.A.; Mohammed, M.A.; Mohamed, A.J. (November 2012). "Implementing a Novel Approach an Convert Audio Compression to Text Coding via Hybrid Technique" (PDF). International Journal of Computer Science Issues. 9 (6, No. 3): 53–59. Retrieved 6 March 2013.
  3. ↑ Pujar, J.H.; Kadlaskar, L.M. (May 2010). "A New Lossless Method of Image Compression and Decompression Using Huffman Coding Techniques" (PDF). Journal of Theoretical and Applied Information Technology. 15 (1): 18–23.
  4. ↑ Salomon, David (2008). A Concise Introduction to Data Compression. Berlin: Springer. ISBN 9781848000728.
  5. ↑ Tank, M.K. (2011). "Implementation of Lempel-ZIV algorithm for lossless compression using VHDL". Implementation of Limpel-Ziv algorithm for lossless compression using VHDL. pp. 275–283. doi:10.1007/978-81-8489-989-4_51. ISBN 978-81-8489-988-7. {{cite book}}: |work= ignored (help)
  6. ↑ Navqi, Saud; Naqvi, R.; Riaz, R.A.; Siddiqui, F. (April 2011). "Optimized RTL design and implementation of LZW algorithm for high bandwidth applications" (PDF). Electrical Review. 2011 (4): 279–285.
  7. ↑ Stephen, Wolfram (2002). New Kind of Science. Champaign, IL. p. 1069. ISBN 1-57955-008-8.{{cite book}}: CS1 maint: location missing publisher (link)
  8. ↑ Jump up to: 8.0 8.1 Mahmud, Salauddin (March 2012). "An Improved Data Compression Method for General Data" (PDF). International Journal of Scientific & Engineering Research. 3 (3): 2. Retrieved 6 March 2013.
  9. ↑ Jump up to: 9.0 9.1 Lane, Tom. "JPEG Image Compression FAQ, Part 1". Internet FAQ Archives. Independent JPEG Group. Retrieved 6 March 2013.
  10. ↑ G. J. Sullivan; J.-R. Ohm; W.-J. Han; T. Wiegand (December 2012). "Overview of the High Efficiency Video Coding (HEVC) Standard". IEEE Transactions on Circuits and Systems for Video Technology. IEEE. 22 (12): 1649–1668. doi:10.1109/TCSVT.2012.2221191.
  11. ↑ "How to choose optimal archiving settings – WinRAR".
  12. ↑ "(Set compression Method) switch – 7zip".
  13. ↑ Wolfram, Stephen (2002). A New Kind of Science. Wolfram Media, Inc. p. 1069. ISBN 978-1-57955-008-0.
  14. ↑ Arcangel, Cory. "On Compression" (PDF). Retrieved 6 March 2013.
  15. ↑ Jump up to: 15.0 15.1 Ahmed, Nasir (January 1991). "How I Came Up With the Discrete Cosine Transform". Digital Signal Processing. 1 (1): 4–5. doi:10.1016/1051-2004(91)90086-Z.
  16. ↑ Jump up to: 16.0 16.1 16.2 Nasir Ahmed; T. Natarajan; Kamisetty Ramamohan Rao (January 1974). "Discrete Cosine Transform" (PDF). IEEE Transactions on Computers. C-23 (1): 90–93. doi:10.1109/T-C.1974.223784. S2CID 149806273.
  17. ↑ CCITT Study Group VIII und die Joint Photographic Experts Group (JPEG) von ISO/IEC Joint Technical Committee 1/Subcommittee 29/Working Group 10 (1993), "Annex D – Arithmetic coding", Recommendation T.81: Digital Compression and Coding of Continuous-tone Still images – Requirements and guidelines (PDF), pp. 54 ff, retrieved 2009-11-07
  18. ↑ Marak, Laszlo. "On image compression" (PDF). University of Marne la Vallee. Archived from the original (PDF) on 28 May 2015. Retrieved 6 March 2013.
  19. ↑ Mahoney, Matt. "Rationale for a Large Text Compression Benchmark". Florida Institute of Technology. Retrieved 5 March 2013.
  20. ↑ Shmilovici A.; Kahiri Y.; Ben-Gal I.; Hauser S. (2009). "Measuring the Efficiency of the Intraday Forex Market with a Universal Data Compression Algorithm" (PDF). Computational Economics. 33 (2): 131–154. CiteSeerX 10.1.1.627.3751. doi:10.1007/s10614-008-9153-3. S2CID 17234503.
  21. ↑ I. Ben-Gal (2008). "On the Use of Data Compression Measures to Analyze Robust Designs" (PDF). IEEE Transactions on Reliability. 54 (3): 381–388. doi:10.1109/TR.2005.853280. S2CID 9376086.
  22. ↑ D. Scully; Carla E. Brodley (2006). "Compression and machine learning: A new perspective on feature space vectors". Data Compression Conference, 2006: 332. doi:10.1109/DCC.2006.13. ISBN 0-7695-2545-8. S2CID 12311412.
  23. ↑ Korn, D.; et al. "RFC 3284: The VCDIFF Generic Differencing and Compression Data Format". Internet Engineering Task Force. Retrieved 5 March 2013.
  24. ↑ Korn, D.G.; Vo, K.P. (1995). B. Krishnamurthy (ed.). Vdelta: Differencing and Compression. Practical Reusable Unix Software. New York: John Wiley & Sons, Inc.
  25. ↑ Claude Elwood Shannon (1948). Alcatel-Lucent (ed.). "A Mathematical Theory of Communication" (PDF). Bell System Technical Journal. 27 (3–4): 379–423, 623–656. doi:10.1002/j.1538-7305.1948.tb01338.x. hdl:11858/00-001M-0000-002C-4314-2. Retrieved 2019-04-21.
  26. ↑ David Albert Huffman (September 1952), "A method for the construction of minimum-redundancy codes" (PDF), Proceedings of the IRE, vol. 40, no. 9, pp. 1098–1101, doi:10.1109/JRPROC.1952.273898
  27. ↑ Pratt, W.K.; Kane, J.; Andrews, H.C. (1969). "Hadamard transform image coding". Proceedings of the IEEE. 57: 58–68. doi:10.1109/PROC.1969.6869.
  28. ↑ "T.81 – DIGITAL COMPRESSION AND CODING OF CONTINUOUS-TONE STILL IMAGES – REQUIREMENTS AND GUIDELINES" (PDF). CCITT. September 1992. Retrieved 12 July 2019.
  29. ↑ "The JPEG image format explained". BT.com. BT Group. 31 May 2018. Archived from the original on 5 August 2019. Retrieved 5 August 2019.
  30. ↑ Baraniuk, Chris (15 October 2015). "Copy protections could come to JPEGs". BBC News. BBC. Retrieved 13 September 2019.
  31. ↑ "What Is a JPEG? The Invisible Object You See Every Day". The Atlantic. 24 September 2013. Retrieved 13 September 2019.
  32. ↑ "The GIF Controversy: A Software Developer's Perspective". Retrieved 26 May 2015.
  33. ↑ L. Peter Deutsch (May 1996). DEFLATE Compressed Data Format Specification version 1.3. IETF. p. 1. sec. Abstract. doi:10.17487/RFC1951. RFC 1951. Retrieved 2014-04-23.
  34. ↑ Hoffman, Roy (2012). Data Compression in Digital Systems. Springer Science & Business Media. p. 124. ISBN 9781461560319. Basically, wavelet coding is a variant on DCT-based transform coding that reduces or eliminates some of its limitations. (...) Another advantage is that rather than working with 8 × 8 blocks of pixels, as do JPEG and other block-based DCT techniques, wavelet coding can simultaneously compress the entire image.
  35. ↑ Taubman, David; Marcellin, Michael (2012). JPEG2000 Image Compression Fundamentals, Standards and Practice: Image Compression Fundamentals, Standards and Practice. Springer Science & Business Media. ISBN 9781461507994.
  36. ↑ Unser, M.; Blu, T. (2003). "Mathematical properties of the JPEG2000 wavelet filters". IEEE Transactions on Image Processing. 12 (9): 1080–1090. Bibcode:2003ITIP...12.1080U. doi:10.1109/TIP.2003.812329. PMID 18237979. S2CID 2765169.
  37. ↑ Sullivan, Gary (8–12 December 2003). "General characteristics and design considerations for temporal subband video coding". ITU-T. Video Coding Experts Group. Retrieved 13 September 2019.
  38. ↑ Bovik, Alan C. (2009). The Essential Guide to Video Processing. Academic Press. p. 355. ISBN 9780080922508.
  39. ↑ Swartz, Charles S. (2005). Understanding Digital Cinema: A Professional Handbook. Taylor & Francis. p. 147. ISBN 9780240806174.
  40. ↑ Cunningham, Stuart; McGregor, Iain (2019). "Subjective Evaluation of Music Compressed with the ACER Codec Compared to AAC, MP3, and Uncompressed PCM". International Journal of Digital Multimedia Broadcasting (in English). 2019: 1–16. doi:10.1155/2019/8265301.
  41. ↑ The Olympus WS-120 digital speech recorder, according to its manual, can store about 178 hours of speech-quality audio in .WMA format in 500 MB of flash memory.
  42. ↑ Coalson, Josh. "FLAC Comparison". Retrieved 2020-08-23.
  43. ↑ "Format overview". Retrieved 2020-08-23.
  44. ↑ Jump up to: 44.0 44.1 Jaiswal, R.C. (2009). Audio-Video Engineering. Pune, Maharashtra: Nirali Prakashan. p. 3.41. ISBN 9788190639675.
  45. ↑ Jump up to: 45.0 45.1 45.2 Faxin Yu; Hao Luo; Zheming Lu (2010). Three-Dimensional Model Analysis and Processing. Berlin: Springer. p. 47. ISBN 9783642126512.
  46. ↑ US patent 2605361, C. Chapin Cutler, "Differential Quantization of Communication Signals", issued 1952-07-29 
  47. ↑ Cummiskey, P.; Jayant, N. S.; Flanagan, J. L. (1973). "Adaptive Quantization in Differential PCM Coding of Speech". Bell System Technical Journal. 52 (7): 1105–1118. doi:10.1002/j.1538-7305.1973.tb02007.x.
  48. ↑ Cummiskey, P.; Jayant, Nikil S.; Flanagan, J. L. (1973). "Adaptive quantization in differential PCM coding of speech". The Bell System Technical Journal. 52 (7): 1105–1118. doi:10.1002/j.1538-7305.1973.tb02007.x. ISSN 0005-8580.
  49. ↑ Jump up to: 49.0 49.1 49.2 Schroeder, Manfred R. (2014). "Bell Laboratories". Acoustics, Information, and Communication: Memorial Volume in Honor of Manfred R. Schroeder. Springer. p. 388. ISBN 9783319056609.
  50. ↑ Gray, Robert M. (2010). "A History of Realtime Digital Speech on Packet Networks: Part II of Linear Predictive Coding and the Internet Protocol" (PDF). Found. Trends Signal Process. 3 (4): 203–303. doi:10.1561/2000000036. ISSN 1932-8346.
  51. ↑ Guckert, John (Spring 2012). "The Use of FFT and MDCT in MP3 Audio Compression" (PDF). University of Utah. Retrieved 14 July 2019.
  52. ↑ Luo, Fa-Long (2008). Mobile Multimedia Broadcasting Standards: Technology and Practice. Springer Science & Business Media. p. 590. ISBN 9780387782638.
  53. ↑ Britanak, V. (2011). "On Properties, Relations, and Simplified Implementation of Filter Banks in the Dolby Digital (Plus) AC-3 Audio Coding Standards". IEEE Transactions on Audio, Speech, and Language Processing. 19 (5): 1231–1241. doi:10.1109/TASL.2010.2087755. S2CID 897622.
  54. ↑ Brandenburg, Karlheinz (1999). "MP3 and AAC Explained" (PDF). Archived (PDF) from the original on 2017-02-13.
  55. ↑ Princen, J.; Johnson, A.; Bradley, A. (1987). "Subband/Transform coding using filter bank designs based on time domain aliasing cancellation". ICASSP '87. IEEE International Conference on Acoustics, Speech, and Signal Processing. Vol. 12. pp. 2161–2164. doi:10.1109/ICASSP.1987.1169405. S2CID 58446992.
  56. ↑ Princen, J.; Bradley, A. (1986). "Analysis/Synthesis filter bank design based on time domain aliasing cancellation". IEEE Transactions on Acoustics, Speech, and Signal Processing. 34 (5): 1153–1161. doi:10.1109/TASSP.1986.1164954.
  57. ↑ "Summary of some of Solidyne's contributions to Broadcast Engineering". Brief History of Solidyne. Buenos Aires: Solidyne. Archived from the original on 8 March 2013. Retrieved 6 March 2013.[self-published source?]
  58. ↑ Zwicker, Eberhard; et al. (1967). The Ear As A Communication Receiver. Melville, NY: Acoustical Society of America. Archived from the original on 2000-09-14. Retrieved 2011-11-11.
  59. ↑ "File Compression Possibilities". A Brief guide to compress a file in 4 different ways. 17 February 2017.
  60. ↑ Dmitriy Vatolin; et al. (Graphics & Media Lab Video Group) (March 2007). Lossless Video Codecs Comparison '2007 (PDF) (Report). Moscow State University.
  61. ↑ Chen, Jie; Koc, Ut-Va; Liu, KJ Ray (2001). Design of Digital Video Coding Systems: A Complete Compressed Domain Approach. CRC Press. p. 71. ISBN 9780203904183.
  62. ↑ Li, Jian Ping (2006). Proceedings of the International Computer Conference 2006 on Wavelet Active Media Technology and Information Processing: Chongqing, China, 29-31 August 2006. World Scientific. p. 847. ISBN 9789812709998.
  63. ↑ "Video Coding". CSIP website. Center for Signal and Information Processing, Georgia Institute of Technology. Archived from the original on 23 May 2013. Retrieved 6 March 2013.
  64. ↑ Robinson, A. H.; Cherry, C. (1967). "Results of a prototype television bandwidth compression scheme". Proceedings of the IEEE. IEEE. 55 (3): 356–364. doi:10.1109/PROC.1967.5493.
  65. ↑ Jump up to: 65.0 65.1 Ghanbari, Mohammed (2003). Standard Codecs: Image Compression to Advanced Video Coding. Institution of Engineering and Technology. pp. 1–2. ISBN 9780852967102.
  66. ↑ Reader, Cliff (2016-08-31). "Patent landscape for royalty-free video coding". In Tescher, Andrew G (ed.). Applications of Digital Image Processing XXXIX. Applications of Digital Image Processing XXXIX. Vol. 9971. San Diego, California: Society of Photo-Optical Instrumentation Engineers. pp. 99711B. Bibcode:2016SPIE.9971E..1BR. doi:10.1117/12.2239493. Archived from the original on 2016-12-08. Lecture recording, from 3:05:10.
  67. ↑ Jump up to: 67.0 67.1 67.2 67.3 "The History of Video File Formats Infographic — RealPlayer". 22 April 2012.
  68. ↑ "Patent statement declaration registered as H261-07". ITU. Retrieved 11 July 2019.
  69. ↑ "MPEG-2 Patent List" (PDF). MPEG LA. Retrieved 7 July 2019.
  70. ↑ "MPEG-4 Visual - Patent List" (PDF). MPEG LA. Retrieved 6 July 2019.
  71. ↑ "AVC/H.264 – Patent List" (PDF). MPEG LA. Retrieved 6 July 2019.
  72. ↑ Chanda P, Bader JS, Elhaik E (27 Jul 2012). "HapZipper: sharing HapMap populations just got easier". Nucleic Acids Research. 40 (20): e159. doi:10.1093/nar/gks709. PMC 3488212. PMID 22844100.
  73. ↑ Christley S, Lu Y, Li C, Xie X (Jan 15, 2009). "Human genomes as email attachments". Bioinformatics. 25 (2): 274–5. doi:10.1093/bioinformatics/btn582. PMID 18996942.
  74. ↑ Pavlichin DS, Weissman T, Yona G (September 2013). "The human genome contracts again". Bioinformatics. 29 (17): 2199–202. doi:10.1093/bioinformatics/btt362. PMID 23793748.
  75. ↑ Hosseini, Morteza; Pratas, Diogo; Pinho, Armando (2016). "A Survey on Data Compression Methods for Biological Sequences". Information. 7 (4): 56. doi:10.3390/info7040056.
  76. ↑ "Data Compression via Logic Synthesis" (PDF).
  77. ↑ Hilbert, Martin; López, Priscila (1 April 2011). "The World's Technological Capacity to Store, Communicate, and Compute Information". Science. 332 (6025): 60–65. Bibcode:2011Sci...332...60H. doi:10.1126/science.1200970. PMID 21310967. S2CID 206531385.


इस पृष्ठ में गुम आंतरिक लिंक की सूची

  • हानिक डेटा कम्प्रेशन
  • लॉसलेस आंकड़ा कम्प्रेशन
  • हवा निकालना
  • प्रायिकता वितरण
  • अंकगणितीय कोडन
  • परिमित अवस्था मशीन
  • मनोभ्रंश संबंधी
  • सृजन लोस्सी
  • कोडन सिद्धांत
  • पीछे की संभावनाएं
  • समष्टि वेक्टर की सुविधा
  • हटर प्राइज़
  • आँकड़ा विभाजन
  • एन्ट्रॉपी (सूचना सिद्धांत)
  • फ़ोटोग्राफ़ी संबंधी विशेषज्ञों का संयुक्त समूह
  • इमेज संचिका फॉर्मेट
  • डिजिटल फोटो
  • अंकीय इमेज
  • मोशन जेपीईजी 2000
  • गतिशील सीमा कम्प्रेशन
  • इष्टतम द्वंद्व
  • ऑडियो संचिका फॉर्मेट
  • ऑडियो संपादन
  • डिजिटल पीढ़ी लोस्सी
  • सुनवाई की पूर्ण सीमा
  • समानता समोच्च
  • संशोधित असतत कोसाइन परिवर्तन
  • सुनवाई (भावना)
  • अवधारणात्मक कोडन
  • सजा जस्ट कडकुरा
  • दबाव अनुपात
  • प्रस्ताव मुआवजा
  • अंकीय कंटेनर फॉर्मेट
  • कम्प्रेशन कलाकृतियाँ
  • मिलान का पीछा
  • निरंकुश फ़िल्टर
  • अंतरराष्ट्रीय मानकीकरण संगठन
  • गति वेक्टर
  • संदर्भ-अनुकूली द्विआधारी अंकगणितीय कोडिंग
  • अंतर्राष्ट्रीय हापमप परियोजना
  • जीनोमिक पुन: अनुक्रमण डेटा का कम्प्रेशन

बाहरी संबंध

Retrieved from ‘https://www.vigyanwiki.in/index.php?title=डेटा_संपीड़न&oldid=245232’