下一代壓縮視頻標準性能及其技術特征
吳培森
2004/06/03
關鍵詞：H.264 增益 編碼
隨著經(jīng)濟的發(fā)展和技術的進步，市場對高性能視頻業(yè)務的需求不斷膨脹，原有的壓縮視頻標準已經(jīng)不能夠滿足要求，新的壓縮視頻技術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、適應于低碼率傳輸?shù)男乱淮鷫嚎s視頻標準。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準的最終草案，此標準被稱為ITU-T的H.264協(xié)議或ISO/IEC的MPEG-4的高級視頻編碼部分�；趨f(xié)議內(nèi)容及仿真結果，本文對此協(xié)議的主要技術特征、基本算法進行了分析并給出了相關部分的性能對比。
一 H.264的主要技術特征分析
H.264的編解碼框架與以前提出的標準，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)預測技術，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，新標準的性能提升在于各個部分的技術方案的改進及新算法的應用。
新標準在提高圖像傳輸?shù)娜蒎e性方面做了大量工作，重新定義了適于圖像的結構劃分。在編碼時，圖像幀各部分被劃分到多個Slice結構中去，每個Slice都可以被獨立解碼，不受其它部分的影響。Slice由圖像最基本的結構—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)絡抽象層則是考慮不同的應用，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標準分成三個框架(Profile)：Baseline、Main Profile及X Profile，代表針對不同應用的算法集及技術限定。Baseline主要包含低復雜度、低延時的技術特征，主要針對交互式的應用，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用，如視頻廣播；X Profile 的設計主要針對流媒體的應用，在這一框架中所有容錯技術、對比特流的靈活訪問及切換技術都將包括其中。
1. Baseline的解碼器只對I Slice及P Slice進行操作
對于幀間預測，相比以前的標準，為了更精確地對圖像的運動內(nèi)容進行預測補償，新標準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測得到，其預測的差值被編碼傳輸。H.264支持多參考幀的預測，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種不同方向上的預測模式及DC預測模式；對于16×16模式，每個16×16亮度塊有4種幀內(nèi)預測模式。而對于宏塊的8×8色度采樣，采用與亮度16×16幾乎相同的預測模式。為了保證Slice的編碼獨立性，幀內(nèi)預測是不允許跨越Slice邊界的。
對于變換、量化部分，不同于以前標準對預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標準只有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計是基于相應的統(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)。
新標準仍然使用基于塊的預測及重構方式，為了去除由此產(chǎn)生的影響圖像主觀質量的方塊效應，H.264使用了去塊效應濾波器。其主要思想是當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”的影響，又避免了濾掉圖像的客觀特征，同時在相同主觀質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標準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，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的技術特征
Main Profile包含Baseline Profile的所有算法并具有額外的技術特征，但它并不支持FMO、ASO及RS等技術，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. 相關的編碼問題
如何對已提出的預測模式進行選擇(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標準的實現(xiàn)軟件中，對模式的選擇是簡單的基于對閥值的比較。在新標準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)有很強的相關性)；SATD—經(jīng)過哈德曼變換的4×4塊的預測參差絕對值總和。
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，視頻標準只包括解碼規(guī)范，而模式選擇的技術研究是屬于編碼端的范疇，所以不列在標準之內(nèi)。
二 H.264與其它標準的性能比較
為了闡述H.264的編碼效率，我們將其與其它標準如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。我們使用H.264的測試軟件JM2.0并使用了Main Profile的主要技術特征。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，且由預先設定的量化參數(shù)來進行比特率的調整。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。
和其它標準比較，H.264在比特率上減少的程度如表1所示。
為進一步對新標準的技術特征進行性能分析，我們將H.264采用的幀內(nèi)編碼方案與靜態(tài)圖像編碼標準采用的技術作性能比較。在這里，我們采用H.264的測試軟件JM3.9a與不包含ABT技術的Main
Profile、JPEG 2000的測試軟件VM 9.0的測試結果進行比較。H.264采用的幀內(nèi)編碼技術性能突出。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采用了多種設計合理的幀內(nèi)預測模式。另一方面，H.264采用小波變換技術、分級量化及算術編碼，并沒有使用預測技術。在高比特率時，兩者處理的圖像在主觀質量上并無太大差異。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，這是使用小波變換造成高頻分量損失的結果。測試比較結果如表2所示。
從測試結果看，H.264采用的幀內(nèi)編碼技術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標準的展望
許多人都曾以為傳統(tǒng)的基于塊的視頻編碼技術已經(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。新標準更進一步體現(xiàn)了對視頻信源的適應性，但這種適應性是以提高算法的復雜性和增加對參考幀的存儲能力為代價的。
H.264標準不僅針對視頻會議系統(tǒng)，而且涵蓋了電視廣播、網(wǎng)絡流媒體、多媒體信息的數(shù)字存儲、數(shù)字影院等各方面的應用。總之，由于采用了先進的壓縮技術，H.264擁有優(yōu)異的視頻實時處理性能，必將會引發(fā)視頻傳輸相關技術研發(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任公司成員。
中國通信網(wǎng)(www.c114.net)—摘自《世界寬帶網(wǎng)絡》
相關鏈接: