基于場景切換的H．264碼率控制技術(shù)

　　摘 要：在H．264／AVC編碼器中，由于采用了固定長度的圖像組(GOP)結(jié)構(gòu)，不能有效地處理視頻序列中的場景切換，導(dǎo)致場景切換幀后續(xù)各幀編碼質(zhì)量嚴(yán)重下降。為了有效解決該問題。提出一種自適應(yīng)的碼率控制算法，通過場景切換的快速檢測方法檢測視頻序列中的場景切換，在場景切換幀處終止當(dāng)前COP并對GOP層的碼率分配算法做出修正。仿真結(jié)果表明：采用該算法可以有效地降低場景切換對后續(xù)帖編碼質(zhì)量的影響，而且合理地分配碼率資源，提高了整個視頻序列的編碼質(zhì)量。在相同碼率條件下，整體編碼質(zhì)量可以提高0．3～O．5 dB。

　　關(guān)鍵詞：視頻編碼；自適應(yīng)碼率控制；場景切換檢測

　　碼率控制技術(shù)在帶寬受限的多媒體通信系統(tǒng)中具有重要的作用。傳統(tǒng)的視頻通信碼率控制算法，如H．264／AVC編碼器中采用的碼率控制算法，在將碼率資源分配到圖像組(GOP)中各幀圖像時，僅僅考慮了各幀圖像自身的復(fù)雜度，而忽視了同GOP中各幀圖像之間的相關(guān)性，如對含有頻繁場景切換的視頻序列進(jìn)行編碼時，GOP中某幀圖像可能因出現(xiàn)場景切換而與其參考幀之間毫無相關(guān)性，如果仍然采用傳統(tǒng)的碼率控制方法，將導(dǎo)致圖像編碼資源浪費(fèi)和編碼質(zhì)量的下降。

　　本文提出一種自適應(yīng)改變GOP長度的碼率控制算法，可以有效地節(jié)省碼率資源，并且能夠有效地提高場景切換幀后續(xù)各幀的編碼質(zhì)量和序列整體的編碼質(zhì)量。

　　1 碼率控制技術(shù)與視頻場景切換

　　由于視頻序列中I、P及B幀編碼后產(chǎn)生的比特?cái)?shù)不一樣，為了使輸出碼流速率與信道速率相匹配，提高信道利用率，一般在編碼器和信道之間加一個緩沖區(qū)，而緩沖區(qū)容量大小與通信時延的要求構(gòu)成了一對新的矛盾，碼率控制的目的就是為了解決這一矛盾。對于編碼器來說，一個魯棒的碼率控制算法應(yīng)該在充分利用帶寬資源和保證緩沖區(qū)不溢出的前提下，將有限的碼率資源進(jìn)行合理分配，獲得盡可能好的編碼質(zhì)量。

　　當(dāng)視頻序列中出現(xiàn)場景切換時，其編碼質(zhì)量將受到影響，影響程度取決于場景切換幀在其所處GOP中的位置。當(dāng)場景切換發(fā)生在I幀時，由于I幀采用幀內(nèi)編碼模式，場景切換對于I幀本身不會產(chǎn)生任何影響，同時也不會對后續(xù)幀的預(yù)測編碼產(chǎn)生影響；由于B幀為雙向預(yù)測，只要其前后2個參考幀有1幀與其處于同一場景中(假設(shè)序列中沒有連續(xù)2幀同時發(fā)生場景切換)，其預(yù)測編碼的精度仍然能夠得到保證，編碼質(zhì)量不會受到很大影響。不同于I幀和B幀，當(dāng)場景切換發(fā)生在P幀，對當(dāng)前GOP編碼質(zhì)量的影響相當(dāng)大：首先，由于當(dāng)前P幀與其參考幀處于不同的場景中，幀間預(yù)測編碼將完全失效，宏塊必須通過RDO(rate-distortion optimiza-tion)模式選擇后才采取幀內(nèi)編碼，優(yōu)化過程極大浪費(fèi)了編碼時間；其次，由于絕大多數(shù)宏塊采用幀內(nèi)編碼模式，占用了大量的碼率資源，使得后續(xù)各幀由于碼率資源缺乏而編碼質(zhì)量下降，此影響還會延續(xù)至后續(xù)的GOP。

　　圖1給出了一個有5處場景切換的測試序列(詳見2．3節(jié))在80 kb／s碼率條件下各幀編碼比特曲線和Y分量PSNR(峰值信噪比)曲線。同時，表1也給出了場景切換幀前10幀和后10幀Y分量平均PSNR值數(shù)據(jù)及其變化值。由圖中(虛線表示場景切換幀位置)可以看出，在場景切換時，當(dāng)前幀將占用較多編碼比特資源，從而導(dǎo)致后續(xù)幀由于碼率資源缺乏而PSNR值下降，詳細(xì)數(shù)據(jù)可見表1。

　　現(xiàn)實(shí)中的視頻序列，不可避免存在場景切換。如果編碼器不考慮場景切換的影響，就會浪費(fèi)有限的碼率資源，從而導(dǎo)致編碼質(zhì)量下降。目前，針對場景切換提出了很多碼率控制算法，其中常用的方法是通過改變GOP的結(jié)構(gòu)和長度來重新分配碼率資源。如在文的算法中，當(dāng)檢測到場景切換時，當(dāng)前GOP剩余幀和下一個GOP的所有幀合并為一個GOP，因此，GOP長度要比默認(rèn)長度N大，最糟的情況下為2N-1。由于GOP過長容易導(dǎo)致緩沖區(qū)的溢出，并且導(dǎo)致GOP中后面部分幀的編碼性能下降。在文提出的算法中，采取將過長的GOP拆分成2個新的GOP來解決這個問題，但這樣做的后果是導(dǎo)致增加一個I幀，造成碼率資源的浪費(fèi)。本文算法與文相比，不額外增加I幀的數(shù)量，可以有效地節(jié)省碼率資源，同時有效地提高場景切換幀后續(xù)各幀的編碼質(zhì)量和序列整體的編碼質(zhì)量。

　　2 針對場景切換的自適應(yīng)碼率控制算法

　　2．1 自適應(yīng)碼率控制算法

　　在該算法中，當(dāng)前GOP的長度將隨著場景切換幀的出現(xiàn)自適應(yīng)地改變，并且同時對碼率資源進(jìn)行重新分配。假設(shè)默認(rèn)的GOP長度為N，分配給每個GOP的碼率資源為

　　其中：B表示帶寬；F表示幀速率；Rprev表示前一個GOP編碼剩余比特或超支比特。對于第1個GOP來說，Rprev=0。每編碼一幀圖像，R更新如下：

　　其中Sipb為剛編碼幀(可能為I幀、P幀或B幀)所用的比特?cái)?shù)。當(dāng)GOP所有幀編碼完畢后，Rprev=R。

　　假設(shè)當(dāng)前GOP在編碼M(MN)幀后，第M+1幀檢測出場景切換，在H．264編碼算法中，此幀內(nèi)絕大多數(shù)宏塊經(jīng)過RDO優(yōu)化之后均采用幀內(nèi)預(yù)測模式編碼，當(dāng)前GOP也在編完所有N幀之后結(jié)束。采用本文的算法，當(dāng)檢測到第M+1幀有場景切換時，當(dāng)前GOP即提前終止，并提前進(jìn)入下一個GOP的編碼。由上述分析可知，發(fā)生場景切換時當(dāng)前GOP的實(shí)際長度為M幀，因此，其預(yù)分配的碼率按

　　照式(1)計(jì)算并不合適，應(yīng)由下式?jīng)Q定：

　　由于GOP提前終止，其未編碼的N-M幀應(yīng)分配的編碼比特?cái)?shù)為

　　這部分比特應(yīng)該從當(dāng)前GOP按照式(1)計(jì)算的預(yù)分配碼率中減去，則當(dāng)前GOP提前終止時，Rprev應(yīng)該修正如下：

　　當(dāng)前GOP提前終止后對Rprev做出修正，根據(jù)式(1)則可計(jì)算出下一個GOP的預(yù)分配碼率，并開始下一個GOP的編碼。

　　本算法的前提是必須能檢測出場景切換，因此，快速有效地檢測檢測出場景切換是十分必要的。

　　2．2 視頻場景切換快速檢測算法

　　視頻場景切換包含如下幾種類型：突變場景切換、消融和淡入淡出等。目前，已有的場景切換檢測算法分為3類：基于灰度值檢測、基于運(yùn)動搜索檢測和基于邊緣輪廓檢測。雖然后2種檢測算法具有比較好的性能，但是算法的高復(fù)雜度極大地限制了它們的應(yīng)用，尤其是在對于實(shí)時性要求比較高的視頻通信碼率控制算法中。

　　通過對視頻序列的統(tǒng)計(jì)分析發(fā)現(xiàn)，當(dāng)有場景切換時，當(dāng)前幀與其參考幀在灰度和色彩信息上有很大的區(qū)別，而沒有場景切換的時候，整個序列的灰度和色彩基本處于平穩(wěn)或者緩變的狀態(tài)。選擇mobile和grandma 2個YUV視頻序列(無場景切換)，其各分量(Y為亮度分量，U、V為色度分量)的均值變化緩慢，如圖2所示。同時，對于有頻繁場景切換的視頻序列(以CNN新聞?wù)瑪嗪鸵粋€構(gòu)造序列為例)，可知在場景切換處，3個分量的均值全部或部分出現(xiàn)突變，如圖3所示。

　　圖中mean(x)為枧頻序列X分量的均值，X代表視頻序列的Y、U、V 3個分量。

　　通過以上分析可知，當(dāng)圖像序列的各分量的均值發(fā)生突變時，一般來說是有場景切換發(fā)生。據(jù)此，采用當(dāng)前幀和參考幀3個分量均值的絕對差值作為判斷當(dāng)前幀圖像是否有場景切換的差異函數(shù)為

　　其中：mean()為均值函數(shù)；Scur和Sref分別表示當(dāng)前幀圖像和其參考幀圖像；X代表其3個分量。

　　根據(jù)差異函數(shù)，判斷是否有場景切換可以依據(jù)式(7)和(8)：

　　當(dāng)式(7)和式(8)同時滿足時，可以判定當(dāng)前幀有場景切換發(fā)生。式中：mean(Y)、mean(U)和mean(V)分別為當(dāng)前GOP內(nèi)當(dāng)前幀之前所有幀各分量均值的平均值；tTHl和tTH2為判決門限系數(shù)，分別描述當(dāng)前幀和參考幀之間亮度和色度均值的相對差異和絕對差異。

　　顯然，上述算法只需要計(jì)算各幀圖像3個分量的均值，算法復(fù)雜度非常低，很適合于碼率控