下一代壓縮視頻標(biāo)準(zhǔn)性能及其技術(shù)特征
吳培森
2004/06/03
關(guān)鍵詞：H.264 增益 編碼
隨著經(jīng)濟的發(fā)展和技術(shù)的進步，市場對高性能視頻業(yè)務(wù)的需求不斷膨脹，原有的壓縮視頻標(biāo)準(zhǔn)已經(jīng)不能夠滿足要求，新的壓縮視頻技術(shù)將擁有廣闊的市場空間。H.264/AVC是目前由ITU-T的視頻編碼專家組(VCEG)及ISO/IEC的活動圖像專家組(MPEG)大力發(fā)展研究的、適應(yīng)于低碼率傳輸?shù)男乱淮鷫嚎s視頻標(biāo)準(zhǔn)。2003年3月由兩個專家組組成的聯(lián)合視頻專家組(JVT)公布了這一壓縮視頻標(biāo)準(zhǔn)的最終草案，此標(biāo)準(zhǔn)被稱為ITU-T的H.264協(xié)議或ISO/IEC的MPEG-4的高級視頻編碼部分。基于協(xié)議內(nèi)容及仿真結(jié)果，本文對此協(xié)議的主要技術(shù)特征、基本算法進行了分析并給出了相關(guān)部分的性能對比。
一 H.264的主要技術(shù)特征分析
H.264的編解碼框架與以前提出的標(biāo)準(zhǔn)，如H.261、H.263及MPEG-1/2/4并無顯著變化，也是基于混合編碼的方案：以運動矢量代表圖像序列各幀的運動內(nèi)容，使用前面已解碼幀對其進行運動估計和補償或使用幀內(nèi)預(yù)測技術(shù)，所得的圖像參差值要經(jīng)過變換、量化、熵編碼等部分的處理。所以，新標(biāo)準(zhǔn)的性能提升在于各個部分的技術(shù)方案的改進及新算法的應(yīng)用。
新標(biāo)準(zhǔn)在提高圖像傳輸?shù)娜蒎e性方面做了大量工作，重新定義了適于圖像的結(jié)構(gòu)劃分。在編碼時，圖像幀各部分被劃分到多個Slice結(jié)構(gòu)中去，每個Slice都可以被獨立解碼，不受其它部分的影響。Slice由圖像最基本的結(jié)構(gòu)—宏塊組成，每個宏塊包含一個16×16的亮度塊和兩個8×8的色度塊。
為進一步提高魯棒性，整個系統(tǒng)被劃分為視頻編碼層和網(wǎng)絡(luò)抽象層。視頻編碼層主要描述要傳輸?shù)囊曨l數(shù)據(jù)所承載的視頻內(nèi)容。而網(wǎng)絡(luò)抽象層則是考慮不同的應(yīng)用，如視頻會議通信、H.32X連續(xù)包的視頻傳輸或RTP/UDP/IP的通信。
H.264標(biāo)準(zhǔn)分成三個框架(Profile)：Baseline、Main Profile及X Profile，代表針對不同應(yīng)用的算法集及技術(shù)限定。Baseline主要包含低復(fù)雜度、低延時的技術(shù)特征，主要針對交互式的應(yīng)用，考慮到惡劣環(huán)境下的容錯性，內(nèi)容基本都被其它更高級別的Profile所包含；Main Profile是針對更高編碼效率的應(yīng)用，如視頻廣播；X Profile 的設(shè)計主要針對流媒體的應(yīng)用，在這一框架中所有容錯技術(shù)、對比特流的靈活訪問及切換技術(shù)都將包括其中。
1. Baseline的解碼器只對I Slice及P Slice進行操作
對于幀間預(yù)測，相比以前的標(biāo)準(zhǔn)，為了更精確地對圖像的運動內(nèi)容進行預(yù)測補償，新標(biāo)準(zhǔn)允許宏塊更進一步劃分為16×16、16×8、8×16、8×8、8×4、4×8、4×4的子塊；運動估計精確到經(jīng)由6-tap濾波器得到的1/4象素位置；運動矢量由相鄰塊預(yù)測得到，其預(yù)測的差值被編碼傳輸。H.264支持多參考幀的預(yù)測，規(guī)定運動估計使用的參考幀數(shù)最多可達15幀，多參考幀的使用大大提高了對圖像傳輸?shù)娜蒎e性，抑制了錯誤在空間和時間上的蔓延。
對于所有的Slice編碼類型，H.264支持兩類幀內(nèi)編碼：4×4與16×16編碼模式。對于4×4模式，每一個亮度4×4塊有8種不同方向上的預(yù)測模式及DC預(yù)測模式；對于16×16模式，每個16×16亮度塊有4種幀內(nèi)預(yù)測模式。而對于宏塊的8×8色度采樣，采用與亮度16×16幾乎相同的預(yù)測模式。為了保證Slice的編碼獨立性，幀內(nèi)預(yù)測是不允許跨越Slice邊界的。
對于變換、量化部分，不同于以前標(biāo)準(zhǔn)對預(yù)測參差值的變換編碼使用DCT變換，H.264使用了簡單的整數(shù)變換。這種變換與DCT相比，壓縮性能幾乎相同且有許多優(yōu)勢，其核心變換的計算只使用加減、移位運算，避免了精度的損失。對變換參差系數(shù)的量化使用了52級步長的量化器，而H.263標(biāo)準(zhǔn)只有31級。量化步長以12.5%遞增，量化步長范圍的擴大使得編碼器能夠更靈活、精確地進行控制，在比特率和圖像質(zhì)量之間達到折中。
對熵編碼部分，對于要傳輸?shù)牧炕儞Q系數(shù)，當(dāng)使用基于上下文的變長編碼(CAVLC)時，根據(jù)前面已編碼傳輸?shù)牧炕儞Q系數(shù)值的大小來選擇接下來系數(shù)編碼要使用的變長編碼表。由于變長編碼表的設(shè)計是基于相應(yīng)的統(tǒng)計條件，所以其性能要優(yōu)于使用單一變長編碼表。對其它數(shù)據(jù)如頭信息等，使用一種單一的變長編碼表(Exp-Golomb Code)。
新標(biāo)準(zhǔn)仍然使用基于塊的預(yù)測及重構(gòu)方式，為了去除由此產(chǎn)生的影響圖像主觀質(zhì)量的方塊效應(yīng)，H.264使用了去塊效應(yīng)濾波器。其主要思想是當(dāng)塊邊界上兩邊差較小時，就使用濾波器使差別“平滑”掉；若邊界上圖像特征明顯，就不使用濾波。這樣既是為了減弱“塊效應(yīng)”的影響，又避免了濾掉圖像的客觀特征，同時在相同主觀質(zhì)量下使得比特率減少5~10%。
對于圖像數(shù)據(jù)的組織及傳輸，在H.264標(biāo)準(zhǔn)中的圖像宏塊能夠以靈活的宏塊組織順序(FMO)劃分為多個Slice Group；Slice之間相互獨立，可以任意的順序傳輸?shù)浇獯a端(ASO)。在比特流中Slice可以使用重復(fù)的方式(RS)傳輸，在Slice數(shù)據(jù)出錯的情況下可用來進行恢復(fù)，增強了圖像傳輸?shù)聂敯粜�。同時Slice間的相互獨立性抑制了錯誤的空間傳播，提高了比特流的容錯性。
2. Main Profile的技術(shù)特征
Main Profile包含Baseline Profile的所有算法并具有額外的技術(shù)特征，但它并不支持FMO、ASO及RS等技術(shù)，只支持對I、P、B Slice的處理操作。
在此框架內(nèi)提出了適配塊劃分尺寸的變換(ABT)這一概念。此概念是針對幀間編碼的，其主要思想是將對預(yù)測參差進行變換編碼的塊尺寸與用來進行運動補償?shù)膲K尺寸聯(lián)系起來。這樣就盡可能地利用最大的信號長度進行變換編碼。但是，由于復(fù)雜度的原因，進行變換的最大塊尺寸被限制在8×8以下。
對熵編碼部分，為更高效地進行編碼，這里使用了基于上下文的算術(shù)編碼(CABAC)，使熵編碼的性能進一步提高。與CAVLC相比較，在相同圖像質(zhì)量下，編碼電視信號使用CABAC將會使比特率減少10~15%。
另外，Main Profile不支持多個Slice Group的劃分。
3. 相關(guān)的編碼問題
如何對已提出的預(yù)測模式進行選擇(Mode Decision)和使用運動估計策略(ME)歷來都是視頻編碼實現(xiàn)的重點研究課題。在H.263標(biāo)準(zhǔn)的實現(xiàn)軟件中，對模式的選擇是簡單的基于對閥值的比較。在新標(biāo)準(zhǔn)的測試軟件中使用了拉格朗日率失真優(yōu)化策略，它基于使用每種圖像塊尺寸和每種預(yù)測模式而產(chǎn)生的參差及其傳輸?shù)拇a率。這樣，模式選擇可以取得優(yōu)化的率失真性能，但這是以提高運算復(fù)雜度為代價的。此優(yōu)化操作是對下面拉格朗日函數(shù)的最小化：
J＝SATD+λ·R
式中，R—對應(yīng)傳輸各部分的比特率；λ—優(yōu)化參數(shù)(與量化參數(shù)有很強的相關(guān)性)；SATD—經(jīng)過哈德曼變換的4×4塊的預(yù)測參差絕對值總和。
對于所有幀內(nèi)、幀間宏塊編碼模式及多參考幀的選擇都通過對拉格朗日函數(shù)的最小化來實現(xiàn)。通常，視頻標(biāo)準(zhǔn)只包括解碼規(guī)范，而模式選擇的技術(shù)研究是屬于編碼端的范疇，所以不列在標(biāo)準(zhǔn)之內(nèi)。
二 H.264與其它標(biāo)準(zhǔn)的性能比較
為了闡述H.264的編碼效率，我們將其與其它標(biāo)準(zhǔn)如MPEG-2、H.263、MPEG-4等作比較。使用QCIF、CIF格式的圖像序列作測試，所有編碼器都使用拉格朗日優(yōu)化技術(shù)。我們使用H.264的測試軟件JM2.0并使用了Main Profile的主要技術(shù)特征。對H.263和H.264采用的參考幀數(shù)為5，只編碼圖像序列的第一幀為I幀，每2個參考幀P之間插入2個非參考幀B。使用全搜索方式進行32×32整數(shù)范圍的運動估計，且由預(yù)先設(shè)定的量化參數(shù)來進行比特率的調(diào)整。圖為對CIF格式的圖像序列Tempete在幀率為15Hz時所作的測試比較。
和其它標(biāo)準(zhǔn)比較，H.264在比特率上減少的程度如表1所示。
為進一步對新標(biāo)準(zhǔn)的技術(shù)特征進行性能分析，我們將H.264采用的幀內(nèi)編碼方案與靜態(tài)圖像編碼標(biāo)準(zhǔn)采用的技術(shù)作性能比較。在這里，我們采用H.264的測試軟件JM3.9a與不包含ABT技術(shù)的Main
Profile、JPEG 2000的測試軟件VM 9.0的測試結(jié)果進行比較。H.264采用的幀內(nèi)編碼技術(shù)性能突出。對大多數(shù)測試的圖像序列來說，在各種比特率條件下，其性能總是超過JPEG
2000。究其原因可能是H.264采用了多種設(shè)計合理的幀內(nèi)預(yù)測模式。另一方面，H.264采用小波變換技術(shù)、分級量化及算術(shù)編碼，并沒有使用預(yù)測技術(shù)。在高比特率時，兩者處理的圖像在主觀質(zhì)量上并無太大差異。然而在低比特率時，JPEG
2000的圖像看起來更模糊，圖像輪廓有明顯的環(huán)狀效應(yīng)，這是使用小波變換造成高頻分量損失的結(jié)果。測試比較結(jié)果如表2所示。
從測試結(jié)果看，H.264采用的幀內(nèi)編碼技術(shù)在對大圖像處理時會出現(xiàn)增益的收縮，然而在低碼率的情況下卻可以取得很高的增益。針對所有圖像序列及比特率，H.264平均對JPEG
2000有1.12dB的優(yōu)勢。
三 H.264標(biāo)準(zhǔn)的展望
許多人都曾以為傳統(tǒng)的基于塊的視頻編碼技術(shù)已經(jīng)落后，將會被擯棄，然而H.264的提出再次證明其在低碼率壓縮視頻方面的優(yōu)勢仍有著很大挖掘潛力。新標(biāo)準(zhǔn)更進一步體現(xiàn)了對視頻信源的適應(yīng)性，但這種適應(yīng)性是以提高算法的復(fù)雜性和增加對參考幀的存儲能力為代價的。
H.264標(biāo)準(zhǔn)不僅針對視頻會議系統(tǒng)，而且涵蓋了電視廣播、網(wǎng)絡(luò)流媒體、多媒體信息的數(shù)字存儲、數(shù)字影院等各方面的應(yīng)用�？傊�，由于采用了先進的壓縮技術(shù)，H.264擁有優(yōu)異的視頻實時處理性能，必將會引發(fā)視頻傳輸相關(guān)技術(shù)研發(fā)的又一次浪潮，同時創(chuàng)造出巨大的商業(yè)機會。
本文作者吳培森先生，河北省任丘市匯利科技有限責(zé)任公司成員。
中國通信網(wǎng)(www.c114.net)—摘自《世界寬帶網(wǎng)絡(luò)》
相關(guān)鏈接: