Compressiemodellen

Compressiemodellen zijn theoretische en praktische constructies die beschrijven hoe data met minder bits kan worden weergegeven dan in de oorspronkelijke vorm. Het doel is redundantie te verwijderen en irrelevante details te minimaliseren terwijl essentiële informatie behouden blijft. Er bestaan twee hoofdgroepen: verliesloos en verliesgevend. Verliesloze methoden zoals Huffman-codering, Lempel-Ziv (LZ77/LZ78/LZW) en aritmetische codering leveren exacte reconstructie van de oorspronkelijke data; ze worden veel toegepast in tekstbestanden, gecomprimeerde archieven en sommige beeldformaten zoals PNG. Verliesgevende methoden verwijderen informatie op een wijze die als onmerkbaar wordt ervaren, waardoor hogere compressieratio's mogelijk zijn. Deze methoden maken gebruik van transformatie en kwantisatie; voorbeelden zijn JPEG (DCT, quantisatie en entropiecodering) en veel video- en audiocodecs die transformatie en kwantisatie toepassen.

Een compressiemodel omvat doorgaans componenten zoals een bronmodel dat probabilistische kenmerken van de data beschrijft, een transformatie of voorspellingsstap die redundantie omzet in een representatie met minder bits, kwantisatie en entropiecodering om de bits te definiëren. In audiovisuele systemen spelen temporale voorspellingen (inter-frame) en ruimtelijke voorspellingen (intra-frame) een cruciale rol, en rate-distortion-optimalisatie helpt bij het kiezen van instellingen.

Moderne ontwikkelingen omvatten geleerde (neural) compressiemodellen, waarbij auto-encoders, variational auto-encoders en andere neurale netwerken end-to-end worden getraind voor compressie, vaak met rate-distortion-optimalisatie. Toepassingen zijn beeld, audio, video, tekst en sensor data. Evaluatie gebeurt op basis van bitrate en distortie-indicatoren zoals PSNR, SSIM en perceptuele metrics.

---