國際視頻編碼標(biāo)準(zhǔn)mpeg簡述及AVS視頻關(guān)鍵技術(shù)
加入技術(shù)交流群
國際上音視頻編解碼標(biāo)準(zhǔn)主要有兩大系列：ISO/IEC JTC1制定的MPEG系列標(biāo)準(zhǔn)，數(shù)字電視采用的是MPEG系列標(biāo)準(zhǔn)；ITU針對多媒體通信制定的H.26x系列視頻編碼標(biāo)準(zhǔn)和G.7系列音頻編碼標(biāo)準(zhǔn)。
CCITT(國際電報電話咨詢委員會，現(xiàn)并入國際電信聯(lián)盟ITU)從1984年開始提出一系列有關(guān)音頻編碼算法和國際標(biāo)準(zhǔn)。1984年CCITT第15研究組成立了一個專家組，專門研究電視電話的編碼問題，經(jīng)過5年以上的研究和努力，在1990年12月完成和批準(zhǔn)了CCITT推薦書 H.261。在H.261的基礎(chǔ)上，1996年ITU-T完成了H.263編碼標(biāo)準(zhǔn)，在編碼算法復(fù)雜度增加很少的基礎(chǔ)上，H.263能提供更好的圖像質(zhì)量、更低的速率，目前，H.263編碼是IP視頻通信采用最多的一種編碼方法。1998年ITU-T推出的H.263＋是H.263建議的第二版，它提供了12個新的可協(xié)商模式和其他特征，進一步提高了壓縮編碼性能。
MPEG是國際標(biāo)準(zhǔn)化組織和國際電工委員會第一聯(lián)合技術(shù)組（ISO/IEC JTC1）1988年成立的運動圖像專家組（Moving Picture Expert Group）的簡稱，全稱為ISO/IEC JTC1第29分委會第11工作組（ISO/IEC JTC1/SC29/WG11），負(fù)責(zé)數(shù)字視頻、音頻和其他媒體的壓縮、解壓縮、處理和表示等國際技術(shù)標(biāo)準(zhǔn)的制定工作。從1988年開始，MPEG專家組每年召開四次左右的國際會議，主要內(nèi)容是制定、修訂、發(fā)展MPEG系列多媒體標(biāo)準(zhǔn)。視音頻編碼標(biāo)準(zhǔn)MPEG-1(1992)和MPEG-2(1994)、基于視聽媒體對象的多媒體編碼標(biāo)準(zhǔn)MPEG-4(1999年)、多媒體內(nèi)容描述標(biāo)準(zhǔn)MPEG-7(2001)、多媒體框架標(biāo)準(zhǔn)MPEG-21。目前，MPEG系列國際標(biāo)準(zhǔn)已經(jīng)成為影響最大的多媒體技術(shù)標(biāo)準(zhǔn)，對數(shù)字電視、視聽消費電子產(chǎn)品、多媒體通信等信息產(chǎn)業(yè)的重要產(chǎn)品產(chǎn)生了深遠(yuǎn)影響。
CCITT H.261標(biāo)準(zhǔn)始于1984年，實質(zhì)完成于1989年，是MPEG的先驅(qū)。MPEG-1和H.261有共同的數(shù)據(jù)結(jié)構(gòu)、編碼工具和語法元素，然而兩者并非完全后向兼容，MPEG-1可看作是H.261的擴展集。MPEG-1的發(fā)展始于1988年，實質(zhì)完成于1992年。MPEG-2可被看作是MPEG-1的擴展集，始于1990年，實質(zhì)完成于1994年。H.263始于1992年，第一版完成于1995年。MPEG-4（其視頻部分建立在MPEG-2和H.263的基礎(chǔ)上）始于1993年，第一版實質(zhì)完成于1998年。
MPEG專家組已經(jīng)和正在制定的標(biāo)準(zhǔn)包括：
(1) MPEG-1標(biāo)準(zhǔn)：1992年11月正式成為國際標(biāo)準(zhǔn)，名稱為“用于數(shù)字存儲媒體速率為1.5Mbps的運動圖像及其伴音的壓縮編碼”。MPEG-1的支持的視頻參數(shù)為352 X 240 X 30幀/秒或相當(dāng)。
(2) MPEG-2：1994年11月成為國際標(biāo)準(zhǔn)（ISO/IEC13818），這是一個適應(yīng)性廣的動態(tài)影像和聲音編碼方案，最初目標(biāo)是把視頻及其伴音信號壓縮到10Mb／s，經(jīng)實驗可適用于1.5-60Mb／s的編碼范圍，甚至還可以更高。MPEG-2可用于數(shù)字通信、存儲、廣播、高清晰度電視等的壓縮編碼。DVD和數(shù)字電視廣播采用的是MPEG-2標(biāo)準(zhǔn)。1994年后，MPEG-2標(biāo)準(zhǔn)還進行了一定擴展和修訂。
MPEG標(biāo)準(zhǔn)中視頻編解碼技術(shù)
MPEG標(biāo)準(zhǔn)主要基于三大編碼工具：自適應(yīng)塊變換編碼（Adaptive block transform coding）消除空間冗余；運動補償差分脈沖編碼調(diào)制（Motion-compensated DPCM）消除時域冗余，二者融合為混合編碼技術(shù)(hybrid coding)。熵編碼（Entropy coding）用于消除混合編碼器產(chǎn)生的統(tǒng)計冗余。還有一些輔助工具作為主要工具的補充，用于消除已編碼數(shù)據(jù)某些特殊部分的剩余冗余，或者根據(jù)具體應(yīng)用對編碼進行調(diào)整，也有的編碼工具支持將數(shù)據(jù)格式化為特定比特流以便于存儲和傳輸。
現(xiàn)代熵編碼始創(chuàng)于20世紀(jì)40年代末；60年代末應(yīng)用于視頻編碼；然后不斷改進，80年代中期引入了二維可變長編碼（2D VLC）和算術(shù)編碼（arithmetic coding）方法。
DPCM始創(chuàng)于1952年，同年首次應(yīng)用于視頻編碼。DPCM最初是作為空間編碼技術(shù)而發(fā)展，到了70年代中期，DPCM開始用于時域編碼。DPCM作為一種完整的視頻編碼方案，一直持續(xù)到80年代初期。從70年代中早期開始，DPCM的關(guān)鍵元素與變換編碼技術(shù)融合，逐漸形成了混合編碼技術(shù)，并于80年代早期發(fā)展成為MPEG的雛形。
變換編碼60年代末首次用于視頻，70年代上半期得到實質(zhì)性的發(fā)展，被認(rèn)為在空間編碼方面達(dá)到最高分辨率效果。在混合編碼中，變換編碼用于消除空間冗余，DCPM用于消除時間冗余。運動補償預(yù)測技術(shù)極大地提高了時域DCPM的性能，它始創(chuàng)于1969年，80年代初發(fā)展成為MPEG的基本形式。80年代早期，擴展出內(nèi)插編碼（interpolative coding），即通過多幀內(nèi)插進行預(yù)測，中間幀通過比例運動矢量（scaled motion vectors）預(yù)測。直至80年代末，雙向預(yù)測技術(shù)（bi-directional prediction）誕生，該技術(shù)才發(fā)展到最終形式。在近年來的進展中（H.264），預(yù)測質(zhì)量得到改進，亦即不同信號之間的相關(guān)性降低。因此，變換的必需性降低，H.264使用了簡化的變換（4 x4）。
AVS標(biāo)準(zhǔn)和相關(guān)國際標(biāo)準(zhǔn)的時間對應(yīng)關(guān)系以及AVS工作組已經(jīng)開展的工作如下圖所示。
視頻壓縮基本原理
視頻能夠壓縮的根本原因在于視頻數(shù)據(jù)具有較高的冗余度。壓縮就是指冗余的消除，主要基于兩種技術(shù)：統(tǒng)計學(xué)和心理視覺。
消除統(tǒng)計冗余的基本依據(jù)是視頻數(shù)字化過程在時間和空間上采用了規(guī)則的采樣過程。視頻畫面數(shù)字化為規(guī)則的像素陣列，其密集程度適于表征每點最高的空間頻率，而絕大多數(shù)畫面幀包含非常少甚至不含這種最高頻率的細(xì)節(jié)。同樣，所選的幀頻能夠表征場景中最快的運動，而理想的壓縮系統(tǒng)只要描述場景所必需的瞬時運動即可。簡言之，理想的壓縮系統(tǒng)能夠動態(tài)適應(yīng)視頻在時間和空間上的變化，所需要的數(shù)據(jù)量遠(yuǎn)低于數(shù)字化采樣所產(chǎn)生的原始數(shù)據(jù)。
心理視覺技術(shù)主要是針對人類視覺系統(tǒng)極限。人類視覺在對比度帶寬、空間帶寬（特別是彩色視覺）、時間帶寬等方面存在極限。而且，這些極限并非相互獨立，整體的視覺系統(tǒng)存在上限，例如，人眼不可能同時察覺到時間和空間的高分辨率。顯然，沒有必要表征那些不能被感知的信息，或者說，一定程度的壓縮損失是人的視覺系統(tǒng)是感知不出來的。
視頻編碼標(biāo)準(zhǔn)并非一個單一的算法，而是一整套的編碼工具，這些工具綜合起來就達(dá)到了完整的壓縮效果。視頻壓縮的歷史可以追溯到上個世紀(jì)50年代初，在隨后30多年時間里，主要的壓縮技術(shù)和工具逐漸發(fā)展起來，在上世紀(jì)80年代初，視頻編碼技術(shù)初步成型。最初每個主要的工具都是作為視頻編碼的一個完整解決方案而提出，各條技術(shù)主線平行發(fā)展，最終各性能最佳者匯合成為完整的解決方案，方案集成的主要貢獻者是標(biāo)準(zhǔn)化組織，來自各國家和組織的專家們共同完成了方案集成工作，或者說，編碼標(biāo)準(zhǔn)方案是標(biāo)準(zhǔn)委員會原創(chuàng)的。另外，盡管有些技術(shù)多年前就已經(jīng)提出，但由于實現(xiàn)代價昂貴而沒能在當(dāng)時得到實際應(yīng)用，直到近年來半導(dǎo)體技術(shù)的發(fā)展才滿足實時視頻處理的要求。
圖 2編碼工具與標(biāo)準(zhǔn)的發(fā)展（Cliff, 2002）
(3) MPEG-4：注意到低帶寬應(yīng)用的需要和交互式圖形應(yīng)用（游戲等合成內(nèi)容）、交互式多媒體（WWW等內(nèi)容分發(fā)和訪問技術(shù)）的快速發(fā)展，MPEG專家組成立了MPEG-4工作組，以促進上述三個領(lǐng)域的集成。1999年初，定義標(biāo)準(zhǔn)框架的MPEG-4（第一版）成為國際標(biāo)準(zhǔn)（ISO/IEC 14496-1），提供多種算法和工具的第二版已于99年底成為國際標(biāo)準(zhǔn)（ISO/IEC 14496-2），后續(xù)還在制定第三、四、五版。
第二代視頻編碼標(biāo)準(zhǔn)
1994年制定的MPEG-2標(biāo)準(zhǔn)和H.263標(biāo)準(zhǔn)是國際音視頻標(biāo)準(zhǔn)領(lǐng)域的一個里程碑，是音視頻行業(yè)遵循的基本標(biāo)準(zhǔn)。近十年來，音視頻編碼技術(shù)本身和產(chǎn)業(yè)應(yīng)用背景都發(fā)生了明顯變化。ITU-T于1997年提出的一個長期的視頻標(biāo)準(zhǔn)化項目H.26L，ITU-T并在1999年8月推出該標(biāo)準(zhǔn)的第一版測試模型。為了響應(yīng)ISO/IEC MPEG對先進視頻編碼技術(shù)的需求，從2001年開始，ISO和ITU開始組建了聯(lián)合視頻工作組（JVT，Joint Video Team ，ISO/IEC MPEG和ITU-T VCEG聯(lián)合視頻工作組），在H.26L的基礎(chǔ)上開發(fā)新的視頻編碼標(biāo)準(zhǔn)，即JVT標(biāo)準(zhǔn)。
評論