新一代視頻編碼標(biāo)準(zhǔn)H,264/AVC的關(guān)鍵技術(shù)研究

關(guān)鍵詞： AVC , 編碼 , 視頻

2001年12月，ITU-T和ISO／IEC成立了JVT(JointVideoTeam，視頻聯(lián)合工作組)，以H．26L作為平臺，致力于制定下一代視頻編碼標(biāo)準(zhǔn)。2003年5月，正式推出H．264／AVC新標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)的正式名稱為H．264／MPEG-4part10AVC。H．264／AVC標(biāo)準(zhǔn)的主要目標(biāo)是力求設(shè)計(jì)簡單有效的編碼技術(shù)，并具有高效的壓縮性能和易于網(wǎng)絡(luò)傳輸?shù)哪芰Γ詽M足日益增長的“對話型”(移動(dòng)視頻電話、會(huì)議)、“非對話型”(視頻存儲、廣播以及流媒體等)以及數(shù)碼影院、視頻監(jiān)控等視頻應(yīng)用的場合。

1 H．264／AVC的基本編碼結(jié)構(gòu)

與早期的視頻編碼標(biāo)準(zhǔn)相同，H．264／AVC標(biāo)準(zhǔn)沒有明確定義一對完整的編解碼器，而是定義了編碼碼流的語法和對碼流進(jìn)行解碼的方法。H．264／AVC采用了與以往標(biāo)準(zhǔn)類似的運(yùn)動(dòng)估計(jì)／補(bǔ)償+分塊DCT變換的混合編碼框架。

H．264／AVC采用“返回基本”的思想去開發(fā)高性能的視頻編碼標(biāo)準(zhǔn)，即采用現(xiàn)有的基本算法和結(jié)構(gòu)，通過精心優(yōu)化計(jì)算流程和方法來取得更好的視頻編碼性能。與現(xiàn)有的H．261，H．263標(biāo)準(zhǔn)相比，H．264保持了編碼器的系統(tǒng)結(jié)構(gòu)不變，主要包括四個(gè)步驟：

(1)把一幀圖像劃分為小塊(Macro．Block及Block)，每個(gè)小塊包含很多像素點(diǎn)，把對整幅圖像的編碼分成對許多小塊的處理。

(2)通過對圖像塊的變換、量化和熵編碼(或變長編碼)，消除圖像中的空間冗余。

(3)由于相鄰的各幀圖像存在很大的相似性(即時(shí)間冗余)，所以只需要將相鄰幀圖像間的變化進(jìn)行編碼傳送即可，這是通過運(yùn)動(dòng)搜索和運(yùn)動(dòng)補(bǔ)償實(shí)現(xiàn)的。對每一個(gè)編碼塊，通過搜索上一編碼幀(或之前的幾幀)的相應(yīng)位置來找到一個(gè)運(yùn)動(dòng)向量，這一向量將和幀間差值一起傳送，用于這一圖像塊的編解碼。

(4)殘余編碼：對于原始塊和相應(yīng)的預(yù)測塊之間的差值進(jìn)行變換、量化和熵編碼，以去除當(dāng)前幀剩下的空間冗余。

但是與以前的編碼算法H．263相比，H．264加入了一些新的特性，以提高編碼效率。這些特征如下：

(1)對于進(jìn)行幀內(nèi)編碼的圖像，不是直接對原始圖像進(jìn)行變換、量化和編碼，而是首先采用多種不同的預(yù)測方法對圖像進(jìn)行預(yù)測，然后對差值進(jìn)行上述處理，以取得更佳的編碼效率。

(2)在運(yùn)動(dòng)搜索和運(yùn)動(dòng)補(bǔ)償方面，H．264采用了從4x4到16×16共13種搜索塊進(jìn)行運(yùn)動(dòng)搜索，以提高匹配程度，采用1／4像素精度進(jìn)行搜索，以提高搜索精度。另外，根據(jù)對編碼延時(shí)的不同要求，H．264還可以對以前多個(gè)已編碼幀進(jìn)行運(yùn)動(dòng)搜索，以達(dá)到最佳效果。

(3)在變換編碼方面，H．264采用了4×4的整數(shù)變換(ICT)代替DCT變換，整數(shù)變換的效果接近DCT，但運(yùn)算量要少，而且在反變換過程中不會(huì)因計(jì)算精度的問題而引入誤差。

(4)在熵編碼過程中，H．264使用單一的變長編碼(UVLC)和基于內(nèi)容的上下文變長編碼(CAVLC)進(jìn)行編碼。

2 編碼結(jié)構(gòu)的分層處理

H．264的編碼結(jié)構(gòu)在概念上分為兩層。視頻編碼層(VideoCodingLayer，VCL)負(fù)責(zé)高效率的視頻壓縮能力；網(wǎng)絡(luò)適配層(NetworkAdaptionLayer，NAL)負(fù)責(zé)網(wǎng)絡(luò)的適配，即對不同網(wǎng)絡(luò)要有不同的適應(yīng)能力，例如以恰當(dāng)方式對數(shù)據(jù)進(jìn)行打包和傳送。H．264編碼器分層結(jié)構(gòu)如圖1所示。在VCL和NAL之間定義了一個(gè)基于分組方式的接口，打包和相應(yīng)的信令屬于NAL的一部分。這樣，高效率編碼和網(wǎng)絡(luò)適應(yīng)性的任務(wù)則分別由VCL，和NAL來完成。

VCL包括基于塊的運(yùn)動(dòng)補(bǔ)償混合編碼和一些新特性。NAL負(fù)責(zé)針對下層網(wǎng)絡(luò)的特性對數(shù)據(jù)進(jìn)行封裝，包括成幀，發(fā)信號給邏輯信道，利用同步信息等。NAL從VCL獲得數(shù)據(jù)，包括頭信息、段結(jié)構(gòu)信息和實(shí)際凈荷信息(如果采用數(shù)據(jù)分割技術(shù)，凈荷數(shù)據(jù)可能由幾部分組成)。NAL的任務(wù)就是要正確地將它們映射到傳輸協(xié)議上。NAL下面是各種具體的協(xié)議，如H．323，H．324等。NAL層的引入大大提高了H．264適應(yīng)復(fù)雜信道的能力。

JVT標(biāo)準(zhǔn)中的NAL定義了視頻編解碼器本身和外部的接口。它的基本單元是NALUs(NerworkAb-stractionLayerUnits)。這對實(shí)現(xiàn)許多現(xiàn)行網(wǎng)絡(luò)包的傳輸方式提供了很好的支持。

一個(gè)NALU由一個(gè)一字節(jié)的頭和包含特定類型句法元素的可變長度比特串組成。一個(gè)NALU可以包含slice的編碼信息、隨機(jī)訪問點(diǎn)、參數(shù)集信息或補(bǔ)充增強(qiáng)信息等。NALU頭結(jié)構(gòu)如下：

NALU類型(T)是一個(gè)5比特的子段，指出該NALU單元是32種不同類型中的哪一種。類型1～12已被H．264定義，類型24～31可由H．264以外的其他標(biāo)準(zhǔn)使用。RTP載荷規(guī)范將采用其中的某些值來表示包聚合和包分割。其他值被保留待將來使用。

nal_reference_idc(R)用來標(biāo)記該NALU在重建過程中的重要程度。0表示該NALU不會(huì)被用作參考幀，因此允許解碼器或網(wǎng)關(guān)將之丟棄而不會(huì)引起錯(cuò)誤傳播。該值越高，表示該NALU中數(shù)據(jù)越重要。這就允許網(wǎng)絡(luò)節(jié)點(diǎn)根據(jù)該值有力保護(hù)重要數(shù)據(jù)。

forbidden_zero_bit(F)在編碼過程中置為0，當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)鑒別出NALU中的比特錯(cuò)誤時(shí)，可以將該位置1。由于網(wǎng)絡(luò)環(huán)境不同，解碼器可能對包含比特錯(cuò)誤的NALU采取不同的操作，有的則干脆丟棄。for-biddenzerobit為這種操作提供了便利。

一些使用包傳輸?shù)木W(wǎng)絡(luò)能夠直接使用NALUs，把他們直接作為H．223AL3SDUs或RTP包的載荷即可。然而，在一些面向碼流的系統(tǒng)面前，如ITU-T的視頻會(huì)議建議H．320和數(shù)字電視中的MPEG-2傳輸流等，需要比特或字節(jié)流的格式。因此，JVT標(biāo)準(zhǔn)定義了一種從NALUs到碼流格式的變換，即把NALUs用起始碼字封裝起來，非常符合傳統(tǒng)的視頻編碼標(biāo)準(zhǔn)，起始碼的字長可以是16b或24b，這依賴于該NALU載荷的重要性。起始碼字僅會(huì)出現(xiàn)在十字節(jié)對準(zhǔn)的位置上，因此解碼器可以掃描起始碼字，用一種簡單的u1向字節(jié)的內(nèi)存復(fù)制操作把NALUs提取出來。

為了防止字節(jié)流格式中的起始碼字發(fā)生競爭現(xiàn)象，許多視頻編碼標(biāo)準(zhǔn)都非常謹(jǐn)慎地采用熵編碼方式。由于JVT標(biāo)準(zhǔn)包含兩種不同的熵編碼模式，所以這種起始碼字很少發(fā)生競爭現(xiàn)象。JVT依靠一種字節(jié)填充機(jī)制，即通過在NALU中可能產(chǎn)生起始碼字競爭的位置上插入非零字節(jié)來避免出現(xiàn)競爭現(xiàn)象。為方便網(wǎng)關(guān)設(shè)計(jì)，在一些看起來不必要的環(huán)境，尤其是包傳輸網(wǎng)絡(luò)中仍然執(zhí)行字節(jié)填充。由于VCL-NAL接口僅僅是概念上的，所以為防止起始碼字競爭，操作習(xí)慣上將其作為VCL熵編碼的一部分執(zhí)行。

H．264視頻流在誤碼、丟包多發(fā)的IP網(wǎng)絡(luò)上傳輸，增強(qiáng)了H．264視頻流的魯棒性。為了減少傳輸差錯(cuò)，H．264視頻流中的時(shí)間同步可以通過采用幀內(nèi)圖像刷新來完成?？臻g同步由條結(jié)構(gòu)編碼(SliceStruc-turedCoding)來支持，同時(shí)為了便于誤碼以后的再同步，在一幀的視頻數(shù)據(jù)中還提供了一定的重同步點(diǎn)。另外，幀內(nèi)宏塊刷新和多參考幀模式可以使編碼器在決定宏塊模式時(shí)不僅考慮編碼效率，還考慮傳輸信道的特性。H．264中還定義了數(shù)據(jù)分割模式：圖像首先進(jìn)行分段，段內(nèi)宏塊數(shù)據(jù)劃分為宏塊頭信息、運(yùn)動(dòng)矢量和DCT系數(shù)三部分，且三部分之間由標(biāo)識符分隔。這樣，解碼器可較方便地檢測出受損數(shù)據(jù)的類型，減少誤碼對圖像質(zhì)量造成的損傷。這種數(shù)據(jù)分割的模式也利于信道編碼時(shí)進(jìn)行不等保護(hù)，即對重要的數(shù)據(jù)進(jìn)行等級較高的保護(hù)?？焖俅a率控制可通過在宏塊層改變量化精度予以實(shí)現(xiàn)。

3nH．264的性能分析

通過實(shí)驗(yàn)來測試H．264的編碼性能，并通過與H．263的比較，觀察H．264的編碼效率。

3．1nH．264與H．263編碼性能比較

本試驗(yàn)對Grenadier　Guards序列進(jìn)行測試，分別對H．264和H．263編碼的保真度、PSNR、宏塊編碼比特?cái)?shù)進(jìn)行比較，結(jié)果如下：

(1)保真度測試

通過殘差比較可以很清楚地看出，H．264重構(gòu)幀和參考幀的殘差比較平滑，基本沒有斑點(diǎn)；而H．263的殘差比較明顯，尤其是在人物附近，由于運(yùn)動(dòng)量大，H．263使用半像素運(yùn)動(dòng)矢量估計(jì)，而H．264提高到1／4像素，在1／4像素的基礎(chǔ)上再內(nèi)插，得到1／8像素精度的運(yùn)動(dòng)矢量，大大提高了圖像編碼的質(zhì)量，如圖2所示。

(2)PSNR測試(如圖2)

相對于H．263視頻編碼標(biāo)準(zhǔn)，H．264在其增強(qiáng)預(yù)測編碼內(nèi)容的方法上做了改進(jìn)，如場、幀編碼的自適應(yīng)選擇；變尺寸方塊的運(yùn)動(dòng)補(bǔ)償；高精度的運(yùn)動(dòng)補(bǔ)償；多參考幀運(yùn)動(dòng)補(bǔ)償；加權(quán)預(yù)測；整數(shù)變換；自適應(yīng)熵編碼；環(huán)路去塊濾波等，這些大大提高了H．264的PSNR。由圖2可以看出，無論是亮度信號，還是色差信號，H．264的PSNR都比H．263的高。

(3)宏塊編碼比特?cái)?shù)

下面對H．264和H．263進(jìn)行更直觀的比較，如圖3所示，色條從藍(lán)到紅變化，表示比特?cái)?shù)的逐漸增加。比較結(jié)果如圖4，圖5所示。

對GrerladieGuards序列中第3幀圖像的宏塊進(jìn)行4×8編碼，每一個(gè)宏塊所用的比特?cái)?shù)都可以清楚地看出。通過比較發(fā)現(xiàn)，H．264對宏塊編碼所用的比特?cái)?shù)比H．263平均少50％。尤其在運(yùn)動(dòng)物體附近，效果更加明顯，H．264使用了很多偏紅的色塊，而H．264更多的是偏藍(lán)色塊?；眷o止的背景圖案，兩者也有很多的差別。由此可見，H．264中很多是深藍(lán)色的宏塊，所用的比特?cái)?shù)在10比特左右，而H．263則偏向綠色，比特?cái)?shù)在20比特左右。通過比較還發(fā)現(xiàn)，H．264的編碼效率比H．263高很多。

3．2 H．264編碼性能

3．2．1 多參考幀預(yù)測模式

對于多種類型的視頻序列來說，多參考幀預(yù)測模式可以有效地提高編碼性能，它通過在運(yùn)動(dòng)矢量中增加一個(gè)時(shí)域部分，而允許在宏塊級下從若干參考幀中選擇其中的一個(gè)。由于需要保持一個(gè)參考幀緩沖區(qū)域，因此增加了在編解碼器中對內(nèi)存的需求量。另外，額外參考幀的引入也使得搜索區(qū)域擴(kuò)大，從而顯著提高了編碼器端在運(yùn)動(dòng)估計(jì)過程中計(jì)算的復(fù)雜度。本實(shí)驗(yàn)中Foreman視頻序列使用UVLC熵編碼，1／4像素運(yùn)動(dòng)矢量精度，搜索范圍為16像素。

圖6為使用不同參考幀數(shù)M對亮度分量峰值信噪比的影響。

試驗(yàn)表明，多參考幀的使用，能平均節(jié)省10％的比特率。同樣，多參考幀的使用也與具體的序列內(nèi)容有關(guān)，高比特率的序列將大大提高圖像的PSNR。

3．2．2 雙向預(yù)測模式

H．264以前的視頻編碼標(biāo)準(zhǔn)一般都采用多假設(shè)預(yù)測模式，而H．264使用的雙向預(yù)測模式，它是一對前向／后向預(yù)測幀的線性組合。前后向預(yù)測又都可以包含多個(gè)參考幀，同時(shí)，它又分為雙向預(yù)測信號的獨(dú)立估計(jì)和聯(lián)合估計(jì)。其中，聯(lián)合估計(jì)可以大大改進(jìn)編碼的效率。

本實(shí)驗(yàn)中Foreman視頻序列使用UVLC熵編碼，1／4像素運(yùn)動(dòng)矢量精度，搜索范圍為16像素。圖7為使用獨(dú)立估計(jì)和聯(lián)合估計(jì)對亮度分量峰值信噪比的影響。圖7是重構(gòu)B幀時(shí)幀比特率與亮度分量峰值信噪比的關(guān)系，選擇5個(gè)前向預(yù)測幀和3個(gè)后向預(yù)測幀，則由圖可以看出，聯(lián)合估計(jì)的性能比獨(dú)立估計(jì)的高。線性雙向預(yù)測模式不僅利用了抑止噪聲的組件，還提供了消除波峰的功能。假設(shè)當(dāng)前幀中有一個(gè)物體將在后續(xù)幀中出現(xiàn)，而未在前面的幀中出現(xiàn)，那么，增加前向參考幀就不能提高編碼效率，而增加后向參考幀就能大大提高編碼效率。

3．2．3 熵編碼

H．264有兩種不同的熵編碼模式：通用可變長編碼(UVLC)和基于上下文的自適應(yīng)二進(jìn)制算術(shù)編碼(CABAC)。UVLC只使用一個(gè)可變長的代碼去編碼所有二進(jìn)制的語法元素，而CABAC則采用上下文模式和基于條件概率與符號統(tǒng)計(jì)的自適應(yīng)算法。UVLC算法簡單，在付出很低的計(jì)算成本時(shí)就能取得很好的壓縮效率。CABAC計(jì)算復(fù)雜度高，但它能夠大大節(jié)省比特率。

本實(shí)驗(yàn)中Foreman視頻序列使用1／4像素運(yùn)動(dòng)矢量精度，搜索范圍為16像素。圖8為使用UVLC和CABAC對亮度分量峰值信噪比的影響。

試驗(yàn)表明，CABAC能大大降低比特率，在取得相同的亮度分量峰值信噪比時(shí)，CABAC比UVCL平均節(jié)省15％的比特率。在高比特率的序列中，常使用多參考幀和CABAC聯(lián)合編碼，多參考幀能提高運(yùn)動(dòng)估計(jì)補(bǔ)償?shù)男剩珻ABLC能自適應(yīng)地根據(jù)上下文進(jìn)行熵編碼，從而大大提高編碼器的性能。

4 結(jié)語

文章對新一代視頻編碼標(biāo)準(zhǔn)H．264／AVC進(jìn)行全面的分析和研究，總體上按照H．264／AVC結(jié)構(gòu)化的編碼思想，對分視頻編碼層和網(wǎng)絡(luò)適配層進(jìn)行了分析，特別對H．264／AVC的編碼中所采用的新技術(shù)進(jìn)行了仿真研究，如編碼的效率、多參考幀、通用可變長編碼(UVLC)和基于上下文的自適應(yīng)二進(jìn)制算術(shù)編碼(CABAC)、運(yùn)動(dòng)補(bǔ)償?shù)?，并給出實(shí)驗(yàn)結(jié)果，充分說明了新一代視頻編碼標(biāo)準(zhǔn)H．264／AVc的編碼效率比以前的編碼標(biāo)準(zhǔn)(如H．263)在編碼效率上提高了很多。當(dāng)然，新一代視頻編碼標(biāo)準(zhǔn)H．264／AVc雖然優(yōu)點(diǎn)明顯，但許多優(yōu)點(diǎn)是以犧牲計(jì)算復(fù)雜度換來的。因此在降低計(jì)算復(fù)雜度的同時(shí)，能達(dá)到更高的編碼效率將是下一步研究的重點(diǎn)。