根据熵编码理论,条件熵小于信息熵,所以可以利用Context模型对数据进行有效压缩。然而在实际编码中,我们发现增加Context模型的阶数时,由于数据采样值有限,数据的压缩效率先增大后降低。出现这种现象的原因,我们称为“模型稀释”。为了改善“模型稀释”问题,本文提出了基于动态规划的多条件Context模型量化算法。首先分别建立2阶、3阶Context模型,估计出对应的初始条件概率分布。利用描述长度作为评价指标,通过动态规划的方法,得到一种基于最小描述长度的条件概率划分办法,实现2阶、3阶Context模型的量化。然后利用累积分布的特点,实现概率模型统计值的累积,并用于条件概率的合并。通过实验分析,对基于动态规划的多条件Context模型量化算法的性能进行了验证。实验结果表明:由基于动态规划的多条件Context模型量化算法进行Context量化可以明显地改善熵编码系统的压缩性能,提高数据的压缩效果。利用累积分布,可以有效地降低算法的复杂度。