數字電視報告-活動圖像壓縮標準H261

1、數字電視技術題 目：活動圖像壓縮標準H.261專 業(yè)：學 號：姓 名： 日 期：摘 要：論文中首先概述了圖像壓縮技術的必要性和可能性，方法分類及解碼方法，接下來介紹H.261標準的內容及技術標準，最后得出結論。 1. 概述隨著高清晰度電視、多媒體計算機和ATM交換為標志的寬帶綜合業(yè)務數字網的出現和發(fā)展，信息科學技術領域正經歷著最深遠的變革?，F代數字通信業(yè)務的發(fā)展，需要大量的存儲、紀錄和傳輸文件、真跡、圖形、圖片、氣象云圖、遙感圖像等靜止圖像及可視電話、會議電視和廣播電視等各類活動圖像。他們不僅要求圖像質量高、設備穩(wěn)定可靠、能夠利用現存的或發(fā)展中的通信通道，而且要求成本低廉，為此，必須采取視頻壓

2、縮圖像數據的壓縮措施，以保證實現優(yōu)質的高速的圖像傳輸。由于圖像信息量特別大，存儲時占有媒體容量特別多，在傳輸時占用信道容量大，所以圖像壓縮編碼具有很重要的意義。利用圖像相鄰像素之間、相鄰掃描行之間、活動圖像相鄰幀之間的相關性和人眼的視覺特性，可實現圖像數據的高效壓縮。圖像編碼是面向信源的一門信息處理的科學或技術。它以一定的質量損失為容限，按照某種方法從給定的原始圖像中推拿出己簡化或“被壓縮”的數據表達。任意一幅原始圖像的自然表達，并不總是為反映其本質所必需的，它們之中多少的存在與圖形質量無關的冗余信息。圖像壓縮就是在保證圖像質量的前提下，用最少量的數碼或數碼率來實現各類圖像的數字存儲，數字記錄

3、和數字傳輸。70年代，會議電視一般采用模擬方式傳輸，我國的第一個會議電視系統(tǒng)就曾利用了模擬微波中繼技術方式。當時傳送一路會議電視需要960個話路帶寬，顯然很不經濟。到了80年代，由于計算機技術、大規(guī)模集成電路的迅猛發(fā)展，數字圖像壓縮技術取得重大進展。因而會議電視開始采用了數字傳輸方式。隨著科學技術發(fā)展，會議電視的傳輸碼率在不斷降低，使傳輸頻帶逐漸減少。圖像數字化的關鍵是壓縮編碼技術。在保證一定的圖像質量下，采用盡可能低的傳輸速率。早期視頻會議，互不兼容的編碼算法也是制約市場發(fā)展的一個重要因素。在ISDN向寬帶B-ISDN發(fā)展的形勢下，隨著多媒體技術的應用日益發(fā)展、如電視電話和會議電視業(yè)務的需要

4、，1990年7月通過了關于實現會議電視編解碼器的H.261建議。該建議適用于px64kbit/s碼率，其中p=130。H.261于1990年12月獲得CCITT批準，適合于活動圖像的壓縮編碼，廣泛用于會議電視和可視電話。這一國際標準促進了視頻壓縮編碼實施實現技術的研究和發(fā)展。它是1938年以來電視圖像編碼領域40年研究的結晶，其基礎和核心是混合編碼技術，即帶有運動補償的的幀間預測編碼+變換編碼(2維DCT)+量化+可變長編碼。引入CIF格式使標準用于不通的電視制式(如NTSC,PAL)。H.261標準是ITU-T為降低速率而制定的圖像壓縮編碼標準，具有壓縮比高，速率可變，圖像質量好等優(yōu)點，可用

5、于遠程會議、各種目的的監(jiān)控圖像信息傳輸業(yè)務，同樣，也可以應用于圖像記錄、圖像檢索等方面。采用H.261標準的圖像傳輸和存儲產品市場潛力大，經濟效益好。H.261 是最早出現的視頻編碼建議，目的是規(guī)范 ISDN 網上的會議電視和可視電話應用中的視頻編碼技術。2. 圖像信息的壓縮編碼進入信息時代，人們將越來越依靠計算機來獲取和利用信息。而數字化后的視頻和音頻等媒體信息具有數據海量性，與硬件技術所能提供的計算機存儲資源和網絡帶寬之間有很大差距。這樣就對多媒體信息的存儲和傳輸造成了很大困難，成為阻礙人們有效獲取和利用信息的一個瓶頸問題。從計算機的軟硬件發(fā)展水平及發(fā)展趨勢來看，數字化的媒體信息數據以壓縮

6、形式存儲和傳輸仍將是最佳的選擇。2.1圖像壓縮編碼的必要性和可能性信息時代的重要特征是信息的數字化,數字化了的信息帶來了“信息爆炸”。數字化的視頻信號的數據量之大是非常驚人的。以數字電視為例：(1) SIF格式，NTSC制，彩色，4:4:4采樣每幀數據量352*240*3=253Kb每秒數據量253*30=7.603Mbit/s一片CD-ROM可存幀數為650/0.253=2865幀/片一片CD-ROM節(jié)目時間為(650/7.603)/60=1.42分/片(2) ICCR格式，PAL制，4:4:4采樣每幀數據量720*576*3=1.24MB每秒數據量1.24*25=31.3MB一片CD-RO

7、M可存幀數為650/1.24=524幀/片一片CD-ROM節(jié)目時間為650/31.1=20.9秒/片再以陸地衛(wèi)星為例(水平，垂直分辨率分別為2340和3240，四波段，采樣精度7位)，它的一幅圖像的數據量為2340*3240*7*4=212Mbbit，按每天30幅計，每天數據量為212*30=6.36Gbit，每年的數據量高達2300Gbit。從以上列舉的數據例子可以看出，數字化信息的數據量是何等龐大，這樣大的數據量，無疑給存儲器的存儲容量，通信干線的信道傳輸率以及計算機的速度都增加了極大的壓力。這個問題是圖像技術發(fā)展中的一個非常棘手的瓶頸問題。解決這一問題，單純用擴大存儲器容量和增加通信干線

8、的傳輸率的辦法是不現實的。數據壓縮技術是個行之有效的方法，通過數據壓縮手段把信息數據量降下來，以壓縮形式存儲和傳輸，既節(jié)約了存儲空間，又提高了通信干線的傳輸效率，同時也使計算機能夠實時處理視頻信息，以保證播放出高質量的視頻節(jié)目。那么，圖像信息數據壓縮可能性如何呢?從信息論觀點來看，圖像作為一個信源，描述信源的數據是信息量(信源熵)和信息冗余量之和。通過去除那些冗余數據可以使原來的圖像數據極大的減少，圖像數據壓縮技術就是研究如何利用圖像數據的冗余性來減少圖像數據量的方法。信息冗余量有許多種，如空間冗余，結構冗余，知識冗余，視覺冗余等，數據壓縮實質上是減少這些冗余量?？梢?，冗余量減少可以減少數據量

9、而不減少信源的信息量。下面將介紹一些常見的圖像數據冗余的情況。(1)空間冗余這是靜態(tài)圖像存在的最主要的一種數據冗余。一幅圖像記錄了畫面上可見景物的顏色，同一景物表面上各采樣點的顏色之間往往存在著空間連貫性，但是基于離散像素采樣來表示物體顏色的方式通常沒有利用景物表面顏色的這種連貫性,從而產生了空間冗余。(2)時間冗余這是序列圖像(電視圖像，運動圖像)表示中經常包含的冗余。序列圖像一般為位于一時間軸區(qū)間內的一組連續(xù)畫面，其中的相鄰幀往往包含相同的背景和移動物體，只不過移動物體所在的空間位置略有不同，所以后一幀的數據與前一幀的數據有許多共同的地方，這種共同性是由于相鄰幀記錄了相鄰時刻的同一場景畫面

10、，所以稱為時間冗余。(3) 結構冗余在有些圖像的紋理區(qū)，圖像的像素值存在著明顯的分布模式。稱為結構冗余，已知分布模式，可以通過某一過程生成相應圖像。(4) 知識冗余有些圖像的理解與某些知識有相當大的相關性。例如：人臉的圖像有固定的結構。這類規(guī)律性的結構可由先驗知識和背景知識得到，我們稱此類冗余為知識冗余。(5) 視覺冗余事實表明，人類的視覺系統(tǒng)對圖像場的敏感性是非均勻和非線性的。然而，在記錄原始的圖像數據時，通常假定視覺系統(tǒng)是線性和均勻的，對視覺敏感和不敏感的部分同等對待，從而產生了比理想編碼更多的數據，這就是視覺冗余。(6) 圖像區(qū)域的相似性冗余它是指在圖像中的兩個或多個區(qū)域所對應的所有像素

11、值相同或接近，從而產生了數據重復性存儲，這就是圖像區(qū)域的相似性冗余。(7) 紋理的統(tǒng)計冗余有些圖像紋理盡管不嚴格服從某一分布規(guī)律，但是它在統(tǒng)計的意義上服從該規(guī)律。利用這種性質也可以表示圖像的數據量，所以我們稱為紋理的統(tǒng)計冗余。隨著對人類視覺系統(tǒng)和圖像模型的進一步研究，人們可能會發(fā)現更多的冗余性，使圖像數據壓縮編碼的可能性越來越大，從而推動圖像壓縮技術的進一步發(fā)展。2.2圖像壓縮編碼方法分類編碼壓縮方法有許多種，從不同的角度出發(fā)有不同的分類方法，比如從信息論角度出發(fā)可分為兩大類：(1)冗余度壓縮方法，也成無損壓縮、信息保持編碼或熵編碼。具體的講就是解碼圖像和壓縮編碼前的圖像嚴格相同，沒有失真，從

12、數學上講是一種可逆運算。包括哈夫曼編碼，算術編碼，游程編碼等。(2)信息量壓縮方法，也稱有損壓縮、失真度編碼或墑壓縮編碼。包括預測編碼：DPCM，運動補償；頻率域方法：正交變換編碼，子帶編碼；空間域方法：統(tǒng)計分塊編碼；模型方法：分形編碼，模型基編碼；1.預測編碼(DPCM和運動補償)預測編碼是根據某一種模型，利用以前的(已收到的)一個或幾個樣值，對當前的(正在接收的)樣本值進行預測，對當前樣本實際值和預測值差值進行編碼。顯然如果模型足夠好，圖像樣本時間上相關性很強，一定可以獲得較高的壓縮比。預測編碼原理框圖如圖1所示。圖1預測編碼原理框圖其中，XN為tN時刻圖像樣本值;XN根據tN時刻以前的樣

13、本值X1，X2，X3，XN-1，對XN所作的預測值；eN=XN-XN差值信號；gN=eN一eN量化誤差。預測編碼方法的特點:算法簡單,速度快,易于硬件實現;編碼壓縮比不太高,誤差易于擴散,抗干擾能力差。2.變換編碼(DCT和子帶編碼)變換編碼的基本思路是，先將空域圖像通過某種正交變換，獲得一系列變換系數，在變換過程中，使圖像變換系數能量相對集中，再對其變換系數進行區(qū)域量化，按其所含能量大小分配以不同的數據量(比特數)去描述(如高能量區(qū)域賦予多比特)，這樣又可以提高壓縮比。變換編碼系統(tǒng)框圖如圖2所示。圖2變換編碼系統(tǒng)框圖3.統(tǒng)計編碼根據香農信息論觀點，信源冗余度來自信源本身的相關性和信源內事件概

14、率分布的不均勻性。只要找到取出相關性和改變概率分布不均勻性的方法，也就找到了信源統(tǒng)計編碼方法(也稱嫡編碼)。對圖像信源來說,既存在幀內像素空間上的相關性，同時也存在像素值概率分布的不均勻性，也就獲得了圖像信源嫡編碼方法。2.3圖像壓縮解碼方法根據在圖像壓縮編碼時采用的方法，我們可以采用相應的解碼技術來對圖像進行解壓縮。一般系統(tǒng)的解碼流程如圖3所示。圖3解碼流程3. H.261建議3.1 H.261建議標準及內容1990年12月，CCITT為會議電視/可視電話提出了H。261建議，解決了不同廠商間的產品兼容性問題，推動了電視會議系統(tǒng)的迅猛發(fā)展。該建議適用于 P *64Kbit/s碼率，并可實現不

15、同電視制式之間的連接。為了適用于不同的彩電制式，不論是625行還是525行的視頻信號，都被編碼成統(tǒng)一的中間格式(CIF)信號，即亮度信號的抽樣結構是：每幀288行，每行360個像素；彩色信號的采樣結構是144行/幀*180像素/行。幀頻規(guī)定為29.97幀/秒，不隔行。CIF的抽樣結構如圖4所示：圖4CIF抽樣結果在視頻復用單元中形成視頻數據結構，每幀圖像的開始有圖像頭，包括圖像起始碼，信息類型指示等。每幀分成若干個數據塊組(GOB)，一個塊組的大小為CIF圖像的1/12或QCIF圖像的1/3。每個塊組又分成33個宏塊。每個宏塊有8*8像素的6個子塊(4個亮度子塊和2個色度信號)構成。這樣一來，

16、除了對每個宏塊的地址、型式、量化類型、運動矢量、變換系數、結束指示等應有相應的碼元外，對應每個GOB的起始碼、地址、型式等也應配置相應的碼元。H.261建議的編解碼器方框如圖5所示。圖5H.261視頻編解碼器框圖3.2 H.261建議的技術指標3.2.1關于H.261建議(1)傳輸速率視頻編碼信號的傳輸速率為P*64kbit/s(P=l-30)，即從64kbit/s到1.92Mbit/s，其算法必須能夠實時操作，解碼延時要短。(2)視頻輸入輸出信號格式當P=l或2(即碼率為64或128kbit/s)時只支持QCIF分辨率格式，每秒幀數較低的可視電話(主要用于傳送人頭和半身像，顯示器小于31cm

17、),對于64kbit/s碼率要考慮圖像用40kbit/s，余下16kbit/s安排語音；對于128kbit/s碼率，話音可考慮為16-64kbit/s，則圖像編碼碼率為64-112kbit/s。時間軸分辨率為10-15幀/s，編碼單程最大時延為250ms，要考慮畫面中嘴唇和話音的同步。所有的編碼都必須能處理QCIF格式，并要求有傳送靜止圖像和圖形的能力。當P6時,則可支持CIF圖像分辨率格式(30幀/s)的會議電視(要考慮能傳送并排坐的三個人像或部分屏幕后的六個人像)。(3)幀結構圖像和語音的多路傳輸，采用64kbit/s AV業(yè)務用的幀結構。音頻信號按建議G.722模式2編碼，與控制和標志信

18、息合并后在符合建議H.261可視音頻電信業(yè)務用64kbit/s通路的幀結構的一個64kbit/s時隙中傳送。(4)信源編碼算法信源編碼器的一般形式主要有幀間預測、幀內分塊變換和量化組成。編碼算法分幀內和幀間兩種情況。對幀序列中的第一幅圖像或景物變換后的第一幅圖像，采用幀內變換編碼，利用8*8子塊的DCT實現。各DCT系數經線性量化，變長編碼后進入緩沖器，根據緩沖器的空(下溢)滿(上溢)度來調節(jié)量化器的步長，以控制視頻編碼比特流，使之與信道速率(一般為恒定的)相匹配。幀間編碼采用混合方法，利用運動補償預測，當預測誤差超過某個預定的閉值時，對誤差作DCT，視覺加權量化，以改善圖像質量。運動矢量信息

19、編碼后也送到緩沖器。(5)誤碼處理方式傳輸位流中包含一個BCH(511，493)碼，是否用來進行前向糾錯，可由編碼器任選。(6)圖像信源編碼的輸出采用統(tǒng)計變長編碼將數據壓縮,再將多路轉換為一個位串。3.2.2視頻編碼的算法3.2.2.1 預測和運動補償預測在幀間進行,可以加入MC(運動補償)和空間濾波。在編碼器中運動補償是備用的。對每個宏塊,解碼器將接納一個MV(運動矢量),這些MV的水平和垂直分量均為不超過士15的整數值。該矢量用于宏塊內的所有4個亮度像塊,將其分量的值除以2后取整,就得到用于每一色差像塊的MV的整數分量值。MV的水平或垂直分量值為正值時,表明預測是從前一幅畫面中空間位置在被

20、預測像素右邊或下方的像素形成的。對MV的限制條件是:其全部參考像素都位于已編碼的圖像區(qū)域內。MV的檢索方式(全檢索或分段檢索)可自由設定與選擇。3.2. 2. 2環(huán)路濾波器 可以用二維空間濾波器來改進預測過程，該濾波器對8*8預測塊內的像素進行處理?？蓪⑵浞蛛x為一維的水平函數與垂直函數，二者均為抽頭系數1/4， 1/2和1/4的非遞歸型結構。在像素邊緣，可能會有一個抽頭在像塊外，此時則將一維濾波器的系數改為0，1，0。二維濾波器的輸出為8比特位整數，小數部分四舍五入，可保留完整的算術精度。對于一個宏塊內的所有的六個像塊，濾波器的接入與斷開由宏塊的類型(總是包含在發(fā)送宏塊中并由變長碼子唯一區(qū)分)

21、決定。3. 2. 2. 3量化編碼幀內編碼與JPGE標準完全類似。對于DC系數，只用一個量化器；而對于AC系數共用31個量化器。則除了幀內DC系數外，對宏塊內的所有系數都采用同一個量化器。幀內DC系數使用量化步長為8的非死區(qū)線性量化。其他31個量化器都為線性量化器，但在零周期存在死區(qū)，其量化步長為2至62范圍內的偶數。對于幀內編碼模式，宏塊內的六個像塊的變換系數均需傳輸；而在其他的情況下，由宏塊類型和編碼塊模式來指示哪個像塊的變換系數數據需要發(fā)送。量化后的變換系數也按照Zig Zag掃描方式發(fā)送。3. 2. 2. 4編碼控制與強制更新視頻編碼率可以通過改變預處理、量化器、像塊重要性判別準則和時

22、域亞取樣等參數來控制，他們在整個控制策略中所占比重不受約束，而一旦引用時域亞采樣，就將丟棄整幀數據。通過強制使用幀內模式的編碼算法來實現強制性刷新，刷新模式未定義。為了控制反變換中的誤差積累和誤碼效應在時間軸上擴散，每發(fā)送132次以后，宏塊至少要強制更新一次。對于重建圖像,也插入限幅功能；簡單的將超出0-255范圍的像素值限制在0-255內。3.2.3 視頻復合編碼器圖6視頻數據的結構如圖6所示,視頻數據的結構是視頻編碼標準的重要方面，它定義解碼器對比特流正確解碼所規(guī)定的順序。共分四層，從頂層到底層，層次為：圖像層、塊組層(GOB)、宏塊層(MB)、塊層。(1)圖像層圖像層由圖像頭和GOB數據

23、組成，圖像頭的結構如圖7所示。圖7圖像頭的結構其中，圖像起始層(pSC)，用20比特來表示，其值為00000000000000010000。時間參考(T)R是幀號，用5比特表示，共有32個可能的值；圖像類型(PTYPE)是關于整幅圖像的信息，占用6比特。比特1列屏指示“0”關“1”開，比特2文件攝像指示器“0”關“1”開，比特3凍結圖像釋放“0”關“1”開，比特4源編碼格式“0”關“1”開，比特5,6備用。圖像額外插入信息(PIE)占用1比特。當值為“1”時表示下面要插入可選數據段：圖像備用信息(PSPARE)0/8/16比特。僅當PIE為“1”時才能用PSPARE。不過在CCITT做出相應規(guī)

24、定以前，編碼器不得插入PSPARE比特數據。如果PEI為“1”，則解碼器必須舍棄PSPARE比特。(2)塊組層每一幀圖像均被分成若干數據塊組(GO B)。一個塊組的大小為CIF圖像的1/12或QCIF圖像的1/3，如圖9所示，一個GOB塊包括Y信息的48行乘176個像素和空間相對應的24行乘88個像素的CB，CR信號。其塊組頭如圖8所示，其中，GBSC為塊組起始碼。 組號(GN)表示塊組在圖像中的位置，占4比特，13，14，15保留組號0用PSC。 量化器信息(GQUNT)用5比特表示塊組使用的量化器參數。不過真正的量化器參數由后面的MQUANT所定義。 組額外插入信息(GEI)，組備用信息(

25、GSPARE)與圖像層中PEI形似，用于CCITT將來的擴展用途。圖8塊組頭的結構圖9圖像的塊組排列(3)宏塊層每個塊組被分成圖10所示的33個宏塊，每宏由16*16像素的Y信號和與之空間相對應的8*8CB，CR信號組成。宏塊頭如圖11所示。圖10塊組的宏塊排列圖11宏塊頭的結構宏塊地址(MBA)指交換宏塊在塊組中的位置，傳輸順序如上圖所示進行。對于塊組中的一個發(fā)送的塊，MBA是其絕對地址。隨后傳送的宏塊，MBA則是該宏塊絕對地址與前一個發(fā)送宏塊絕對地址的差值。MBA總是包含在發(fā)送的宏塊中。當宏塊不包含圖像部分的信息時,宏塊不被傳送。MTYPE總是包含在發(fā)送的宏塊中。非運動補償的宏塊,可聲明當

26、作零矢量MC+IFL來使用濾波器。量化器(MQUANT)5比特，只有當MTYPE指示時，MQUANT才存在，MQUANT占用5比特，指示該宏塊塊組中其他宏塊所使用的量化器，直到MQUANT改變?yōu)橹?。MQUANT的碼字與GQUANT的碼字相同。運動矢量數據(MVD)可變長度，所有的運動補償(MC)宏塊都包含有運動矢量數據。MVD是由當前宏塊矢量減前一個宏塊矢量得到的。編碼塊模式(CB)P可變長度，若由MTYPE指示則存在CBP。該碼字給出了宏塊中表示的那些模式號，而該宏塊中至少有一個變換系數被傳送。(4)塊層塊層的結構如圖12所示。塊數據由變換系數的碼字和塊結束標志(EOB)組成。圖12塊層結構

27、變換系數(TCOEF F)，變換系數采用Zig Zag掃描方式，將二維變換系數變換成一維數據形式,經量化后，進行游程編碼。最常出現的(RNU,LEVEL)組合，采用可變長編碼。其他組合采用20比特的等長碼，20比特中，6比特為ESCAPE，6比特為RNU(游程)和8比特為LEVEL。對可變長度編碼而言，有兩個碼表，第一個碼表供在INTER,INTER+MC和INTER+MC+FIL塊中的第一個傳送的LEVEL使用。第二個碼表供其他的LEVEL使用，但INTRA塊中的一個所傳送的LEvEL除外，該LEVEL用固定的8比特長度進行編碼。3.2.4 傳輸解碼器3.2.4.1比特率傳輸時鐘由外部提供。

28、3.2.4.2視頻數據緩沖為了獲得固定的碼率，編碼器必須控制它的輸出比特流。當用CIF圖像格式時，任意一幅圖像的編碼比特數不得超過256Kbit/s(k=1024)。而用QCIF圖像時，其編碼比特數則不超過64kbit/s。這兩種情況，其比特計數包括圖像起始碼和所有與圖像有關的其他數據，但不包括糾錯組幀比特，填充標志，填充比特或糾錯奇偶校驗信息。視頻數據必須在每個有效的時鐘周期上提供，這可以通過使用填充比特指示(FI)和在糾錯塊組幀中連續(xù)填充全“1”來保證。3.2.4.3視頻編碼延時為了能使視頻和音頻保持同步,視頻編解碼必須允許一定的視頻編碼延時。3.2.4.4編碼視頻信號前向糾錯(1)誤碼校正碼編碼器輸出的比特流中包含了BCH(511,493)前向糾錯編碼，這種糾錯編碼的使用對解碼器來說是可選的。(2)生成多項式gx=