[發明專利]基于最優停止理論的編碼模式快速自動選擇方法

無效

• 申請號: 201210435266.X
• 申請日: 2012-11-02
• 公開（公告）號: CN102957932A
• 公開（公告）日: 2013-03-06
• 發明（設計）人: 王瀚漓;衡岳
• 申請（專利權）人: 同濟大學
• 主分類號: H04N13/00
• 分類號: H04N13/00;H04N7/26
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙繼明

技術領域

本發明涉及一種視頻編碼方法，尤其是涉及一種基于最優停止理論的編碼模式快速自動選擇方法。

背景技術

隨著人們對視覺體驗的要求越來越高，市場上出現了三維電視(3DTV)和自由視點電視(FTV)等新興電子設備，多視點視頻編碼標準Multi-view?Video?Coding(MVC)應運而生。MVC通過一組攝像頭從不同角度對同一場景進行拍攝，得到的視頻數據為3DTV和FTV提供視頻源數據。

一般來說，視頻序列中存在大量的冗余信息，主要分為以下三種：空間冗余信息、時間冗余信息和統計冗余信息。視頻編碼技術通過有效合理地去除這些冗余信息，從而達到視頻壓縮的目的。在視頻編碼中，一般通過幀間編碼技術對Predicted?frames(P幀)和Bi-directional?predictive?frames(B幀)進行編碼。B、P幀與前后幀之間存在大量相似內容：編碼B幀時，通過參考前后兩個方向的已編碼幀來去除時間冗余；編碼P幀時，只參考前面一個方向的已編碼幀；以上方法可以去除大量的時間冗余信息。一般通過幀內編碼技術對Intra?coded?frames(I幀)進行編碼，I幀不參考其他幀的信息，只利用自身的信息進行編碼。由于相鄰像素之間像素值緊密相關，可以通過鄰近像素對當前像素進行預測以去除空間冗余信息。對于預測之后得到的殘差信號利用信源的統計信息進行變換、量化和熵編碼，從而進行高效壓縮。

和H.264/AVC單視點視頻編碼標準相比，MVC必須處理和攝像機數量成比例的數據量，這個數據量是極大的。在網絡帶寬等系統資源有限的情況下，如何有效處理如此巨大的數據量成為MVC應用的一個瓶頸。

除了前面所提的三種冗余信息外，MVC還存在著一種不可忽視的冗余信息，即為視差冗余信息。由于每個攝像頭都是對同一場景進行拍攝，所不同的僅僅是對場景的取景角度，所以不同攝像頭所得到的視頻序列間存在大量相似信息。對于視差冗余信息，一般利用視差估計來去除視差冗余信息。

作為H.264/AVC的擴展，MVC中宏塊大小的劃分也是靈活可變的。在MVC中，有7種宏塊劃分大小，分別是：16×16(像素為單位)、16×8、8×16、8×8、8×4、4×8、4×4，如圖1所示。

一般對于細節較少、圖像變化較平緩的區域，選擇的塊尺寸會大一些；對于圖像中細節較多的區域選擇的塊尺寸會小一些。對幀間預測而言，每個宏塊都要進行運動估計，并且相應地有一個運動矢量，也就是空間位置的相對偏移量，在解碼端通過運動矢量指明的位置，從已經解碼得到的鄰近參考幀中得到對應的塊，和預測殘差相加后就得到所需要解碼的塊。另外，如果宏塊進行視差估計，會相應地有一個視差矢量，視差是指同一個點在不同視點的對應圖像中投影點之間的位置偏差，包括各攝像機的相對運動及場景中對象的運動所產生的差異。在解碼端通過視差矢量，可以從參考視點的對應宏塊得到所要解碼的宏塊。如果宏塊劃分地很細致，那么所得到的子塊數量會增多，相應的運動矢量/視差矢量也會增多，用來表示運動矢量/視差矢量的比特數也相應地增加，需編碼的視頻信息量就會變大，所以如何選擇宏塊尺寸大小就顯得極為重要。

在視頻編碼中，不僅存在不同大小的宏塊，每一個宏塊還有Intra，Inter，SKIP三種可選編碼方式。Intra模式又包含Intra4×4、Intra8×8和Intra16×16三種。對宏塊的亮度分量而言，Intra4×4和Intra8×8分別有9種預測方向，分別是：垂直預測、水平預測、平均預測、左對角預測、右對角預測、垂直右對角預測、水平向下預測、垂直左對角預測和水平向上預測。對于Intra16×16存在4種預測方向，分別是：水平預測、垂直預測、平均預測和平面預測。對于宏塊的Intra8×8色度塊預測，存在的4種預測方向和Intra16×16的4種預測方向相同，并且兩種色度成分常用同一種預測方向。

在如此眾多的預測方式中，如何選擇最佳方式對當前宏塊進行編碼是極為重要的。最簡單的方法是遍歷所有模式，從中選出一個最佳的方式，這樣就存在一個選擇標準。在MVC中，采用拉格朗日率失真優化策略(Rate?Distortion?Optimization，RDO)作為評價準則，即通過遍歷所有可能的模式，最后選擇率失真代價最小的模式作為最佳編碼模式，公式為：

J(s，c，m|QP，λ_m)＝D(s，c，m|QP)+λ_mR(s，c，m|QP)