Dans cet article, nous décrivons l'UMMP (Universal Multiscale Matching Pursuits), un algorithme universel pratique pour la compression multidimensionnelle avec perte de données. La méthode est basée sur une correspondance approximative à plusieurs échelles de motifs récurrents. Elle utilise un dictionnaire de fonctions de base dans lequel les données sont décomposées dans l'esprit des Poursuites de correspondance (MP) de Mallat. Contrairement à MP, cependant, UMMP construit son propre dictionnaire tout en codant les données, au lieu d'utiliser un seul précédemment défini. De plus, toutes les fonctions de base peuvent être contractées ou dilatées pour mieux correspondre aux données d'entrée pendant l'expansion. Cela permet à l'algorithme d'effectuer arbitrairement près de la fonction D(R) de la source lorsque le taux va à zéro. Les résultats de la simulation montrent qu'il a de bonnes performances de codage pour une grande classe de données.

En este documento describimos el UMMP (Universal Multiscale Matching Pursuits), un algoritmo universal práctico para la compresión multidimensional con pérdida de datos. El método se basa en la coincidencia multiescala aproximada de patrones recurrentes. Utiliza un diccionario de funciones base en el que los datos se descomponen en el espíritu de Mallat 's Matching Pursuits (MP). Sin embargo, a diferencia de MP, UMMP construye su propio diccionario mientras codifica los datos, en lugar de usar uno definido previamente. También, todas las funciones base se pueden contraer o dilatar para que coincidan mejor con los datos de entrada durante la expansión. Esto permite que el algoritmo se acerque arbitrariamente a la función D(R) de la fuente cuando la tasa llega a cero. Los resultados de la simulación muestran que tiene un buen rendimiento de codificación para una gran clase de datos.

In this paper we descri be the UMMP (Universal Multiscale Matching Pursuits), a practical universal algorithm for multi-dimensional data lossy compression.The method is based on approximate multiscale matching of recurrent patterns.It uses a dictionary of basis functions in which the data is decomposed in the spirit of Mallat's Matching Pursuits (MP).Unlike MP however, UMMP builds its own dictionary while encoding the data, instead of using a previously defined one.Also, all basis functions can be contracted or dilated to better match the input data during the expansion.This allows the algorithm to perform arbitrarily close to the source's D(R) function when the rate goes to zero.Simulation results show that it has good coding performance for a large class of data.

في هذه الورقة، نوضح UMMP (مطاردات المطابقة العالمية متعددة النطاقات)، وهي خوارزمية عالمية عملية لضغط فقدان البيانات متعدد الأبعاد. تعتمد الطريقة على المطابقة التقريبية متعددة النطاقات للأنماط المتكررة. وهي تستخدم قاموسًا لوظائف الأساس التي تتحلل فيها البيانات بروح مطاردات المطابقة لملاط (MP). على عكس MP، تقوم UMMP ببناء قاموسها الخاص أثناء ترميز البيانات، بدلاً من استخدام قاموس محدد مسبقًا. كما يمكن التعاقد على جميع وظائف الأساس أو توسيعها لمطابقة بيانات الإدخال بشكل أفضل أثناء التوسع. يسمح هذا للخوارزمية بالأداء بشكل تعسفي بالقرب من وظيفة D(R) للمصدر عندما يصل المعدل إلى الصفر. تظهر نتائج المحاكاة أن لديها أداء ترميز جيد لفئة كبيرة من البيانات.