IPTV編解碼標(biāo)準(zhǔn)綜述

　　IPTV是一種利用寬帶網(wǎng)，集互聯(lián)網(wǎng)、多媒體、通訊等多種技術(shù)于一體，向家庭用戶(hù)提供包括數(shù)字電視在內(nèi)的多種交互式服務(wù)的嶄新技術(shù)。由于國(guó)際上固話(huà)運(yùn)營(yíng)商都是從最近兩年才興起IPTV熱，所以至今也沒(méi)有一個(gè)國(guó)家在IPTV業(yè)務(wù)方面形成成熟標(biāo)準(zhǔn)，國(guó)內(nèi)IPTV業(yè)務(wù)也同樣無(wú)標(biāo)準(zhǔn)可循。中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)(CCSA)IP與多媒體工作委員會(huì)IPTV特別工作組于2005年下半年成立，并啟動(dòng)了對(duì)IPTV標(biāo)準(zhǔn)的研究和制訂工作。參加IPTV特別工作組的單位幾乎包含了目前從事IPTV業(yè)務(wù)運(yùn)營(yíng)、開(kāi)發(fā)和研究的國(guó)內(nèi)外所有企業(yè)。

　　IPTV最重要的標(biāo)準(zhǔn)就是編解碼標(biāo)準(zhǔn)，編碼直接關(guān)系到解碼，解碼又會(huì)影響到機(jī)頂盒。標(biāo)準(zhǔn)化是產(chǎn)業(yè)化成功的前提，之所以目前尚沒(méi)有廠(chǎng)家大規(guī)模生產(chǎn)網(wǎng)絡(luò)機(jī)頂盒，一個(gè)重要原因就是沒(méi)有確定的標(biāo)準(zhǔn)支持。盡管IPTV編解碼標(biāo)準(zhǔn)有很多種，但在中國(guó)主要是采用MPEG-4、H.264技術(shù)以及中國(guó)提出的具有自主知識(shí)產(chǎn)權(quán)的標(biāo)準(zhǔn)AVS，國(guó)內(nèi)企業(yè)面臨一場(chǎng)抉擇。

　　1 MPEG-4標(biāo)準(zhǔn)簡(jiǎn)介

　　運(yùn)動(dòng)圖像專(zhuān)家組MPEG 于1999年2月正式公布了MPEG-4（ISO/IEC14496）標(biāo)準(zhǔn)第一版本。同年年底MPEG-4第二版亦告底定，且于2000年年初正式成為國(guó)際標(biāo)準(zhǔn)。MPEG-4與MPEG-1和MPEG-2有很大的不同。MPEG-4不只是具體壓縮算法，它是針對(duì)數(shù)字電視、交互式繪圖應(yīng)用、交互式多媒體等整合及壓縮技術(shù)的需求而制定的國(guó)際標(biāo)準(zhǔn)。MPEG-4標(biāo)準(zhǔn)將眾多的多媒體應(yīng)用集成于一個(gè)完整的框架內(nèi)，旨在為多媒體通信及應(yīng)用環(huán)境提供標(biāo)準(zhǔn)的算法及工具，從而建立起一種能被多媒體傳輸、存儲(chǔ)、檢索等應(yīng)用領(lǐng)域普遍采用的統(tǒng)一數(shù)據(jù)格式。
　　MPEG-4的編碼理念是：MPEG-4標(biāo)準(zhǔn)同以前標(biāo)準(zhǔn)的最顯著的差別在于它是采用基于對(duì)象的編碼理念，即在編碼時(shí)將一幅景物分成若干在時(shí)間和空間上相互聯(lián)系的視頻音頻對(duì)象，分別編碼后，再經(jīng)過(guò)復(fù)用傳輸?shù)浇邮斩耍缓笤賹?duì)不同的對(duì)象分別解碼，從而組合成所需要的視頻和音頻。這樣既方便我們對(duì)不同的對(duì)象采用不同的編碼方法和表示方法，又有利于不同數(shù)據(jù)類(lèi)型間的融合，并且這樣也可以方便的實(shí)現(xiàn)對(duì)于各種對(duì)象的操作及編輯。
　　MPEG-4除采用第一代視頻編碼的核心技術(shù)，如變換編碼、運(yùn)動(dòng)估計(jì)與運(yùn)動(dòng)補(bǔ)償、量化、熵編碼外，還提出了一些新的有創(chuàng)見(jiàn)性的關(guān)鍵技術(shù)，并在第一代視頻編碼技術(shù)基礎(chǔ)上進(jìn)行了卓有成效的完善和改進(jìn)。下面重點(diǎn)介紹其中的一些關(guān)鍵技術(shù)。

　　（1）視頻對(duì)象提取技術(shù)
　　MPEG-4實(shí)現(xiàn)基于內(nèi)容交互的首要任務(wù)就是把視頻/圖像分割成不同對(duì)象或者把運(yùn)動(dòng)對(duì)象從背景中分離出來(lái)，然后針對(duì)不同對(duì)象采用相應(yīng)編碼方法，以實(shí)現(xiàn)高效壓縮。因此視頻對(duì)象提取即視頻對(duì)象分割，是MPEG-4視頻編碼的關(guān)鍵技術(shù)，也是新一代視頻編碼的研究熱點(diǎn)和難點(diǎn)。
　　盡管MPEG-4 框架已經(jīng)制定，但至今仍沒(méi)有通用的有效方法去根本解決視頻對(duì)象分割問(wèn)題，視頻對(duì)象分割被認(rèn)為是一個(gè)具有挑戰(zhàn)性的難題，基于語(yǔ)義的分割則更加困難。目前進(jìn)行視頻對(duì)象分割的一般步驟是：先對(duì)原始視頻/圖像數(shù)據(jù)進(jìn)行簡(jiǎn)化以利于分割，這可通過(guò)低通濾波、中值濾波、形態(tài)濾波來(lái)完成；然后對(duì)視頻/圖像數(shù)據(jù)進(jìn)行特征提取，可以是顏色、紋理、運(yùn)動(dòng)、幀差、位移幀差乃至語(yǔ)義等特征；再基于某種均勻性標(biāo)準(zhǔn)來(lái)確定分割決策，根據(jù)所提取特征將視頻數(shù)據(jù)歸類(lèi)；最后是進(jìn)行相關(guān)后處理，以實(shí)現(xiàn)濾除噪聲及準(zhǔn)確提取邊界。

　　（2）VOP視頻編碼技術(shù)
　　視頻對(duì)象平面（VOP，Video Object Plane）是視頻對(duì)象（VO）在某一時(shí)刻的采樣，VOP是MPEG-4視頻編碼的核心概念。MPEG-4在編碼過(guò)程中針對(duì)不同VO采用不同的編碼策略，即對(duì)前景VO的壓縮編碼盡可能保留細(xì)節(jié)和平滑；對(duì)背景VO則采用高壓縮率的編碼策略，甚至不予傳輸而在解碼端由其他背景拼接而成。這種基于對(duì)象的視頻編碼不僅克服了第一代視頻編碼中高壓縮率編碼所產(chǎn)生的方塊效應(yīng)，而且使用戶(hù)可與場(chǎng)景交互，從而既提高了壓縮比，又實(shí)現(xiàn)了基于內(nèi)容的交互，為視頻編碼提供了廣闊的發(fā)展空間。MPEG-4支持任意形狀圖像與視頻的編解碼。

　　（3）視頻編碼可分級(jí)性技術(shù)
　　隨著因特網(wǎng)業(yè)務(wù)的巨大增長(zhǎng)，在速率起伏很大的IP（Internet Protocol）網(wǎng)絡(luò)及具有不同傳輸特性的異構(gòu)網(wǎng)絡(luò)上進(jìn)行視頻傳輸?shù)囊蠛蛻?yīng)用越來(lái)越多。在這種背景下，視頻分級(jí)編碼的重要性日益突出，其應(yīng)用非常廣泛，且具有很高的理論研究及實(shí)際應(yīng)用價(jià)值，因此受到人們的極大關(guān)注。
　　MPEG-4通過(guò)視頻對(duì)象層（VOL，Video Object Layer）數(shù)據(jù)結(jié)構(gòu)來(lái)實(shí)現(xiàn)分級(jí)編碼。MPEG-4提供了兩種基本分級(jí)工具，即時(shí)域分級(jí)（Temporal Scalability）和空域分級(jí)（SpatialScalability），此外還支持時(shí)域和空域的混合分級(jí)。每一種分級(jí)編碼都至少有兩層VOL，低層稱(chēng)為基本層，高層稱(chēng)為增強(qiáng)層?；緦犹峁┝艘曨l序列的基本信息，增強(qiáng)層提供了視頻序列更高的分辨率和細(xì)節(jié)。
　　在隨后增補(bǔ)的視頻流應(yīng)用框架中，MPEG-4提出了FGS（Fine Granularity Scalable，精細(xì)可伸縮性）視頻編碼算法以及PFGS（Progressive Fine Granularity Scalable，漸進(jìn)精細(xì)可伸縮性）視頻編碼算法。
　　FGS編碼實(shí)現(xiàn)簡(jiǎn)單，可在編碼速率、顯示分辨率、內(nèi)容、解碼復(fù)雜度等方面提供靈活的自適應(yīng)和可擴(kuò)展性，且具有很強(qiáng)的帶寬自適應(yīng)能力和抗誤碼性能。但還存在編碼效率低于非可擴(kuò)展編碼及接收端視頻質(zhì)量非最優(yōu)兩個(gè)不足。 PFGS則是為改善FGS編碼效率而提出的視頻編碼算法，其基本思想是在增強(qiáng)層圖像編碼時(shí)使用前一幀重建的某個(gè)增強(qiáng)層圖像為參考進(jìn)行運(yùn)動(dòng)補(bǔ)償，以使運(yùn)動(dòng)補(bǔ)償更加有效，從而提高編碼效率。

　　（4）運(yùn)動(dòng)估計(jì)與運(yùn)動(dòng)補(bǔ)償技術(shù)
　　MPEG-4采用I-VOP、P-VOP、B-VOP三種幀格式來(lái)表征不同的運(yùn)動(dòng)補(bǔ)償類(lèi)型。它采用了H.263中的半像素搜索（half pixel searching）技術(shù)和重疊運(yùn)動(dòng)補(bǔ)償（overlapped motioncompensation)技術(shù)，同時(shí)又引入重復(fù)填充（repetitive padding）技術(shù)和修改的塊（多邊形）匹配（modified block （polygon）matching）技術(shù)以支持任意形狀的VOP區(qū)域。
此外，為提高運(yùn)動(dòng)估計(jì)算法精度，MPEG-4采用了MVFAST（Motion Vector Field Adaptive Search Technique）和改進(jìn)的PMVFAST（Predictive MVFAST）方法用于運(yùn)動(dòng)估計(jì)。對(duì)于全局運(yùn)動(dòng)估計(jì)，則采用了基于特征的FFRGMET（Feature-based Fast and Robust Global Motion Estimation Technique）方法。
　　在MPEG-4視頻編碼中，運(yùn)動(dòng)估計(jì)相當(dāng)耗時(shí)，對(duì)編碼的實(shí)時(shí)性影響很大。因此這里特別強(qiáng)調(diào)快速算法。運(yùn)動(dòng)估計(jì)方法主要有像素遞歸法和塊匹配法兩大類(lèi)，前者復(fù)雜度很高，實(shí)際中應(yīng)用較少，后者則在H.263和MPEG中廣泛采用。目前有三種常用的匹配準(zhǔn)則：（1）絕對(duì)誤差和（SAD, Sum of Absolute Difference）準(zhǔn)則：（2）均方誤差（MSE, Mean Square Error）準(zhǔn)則；（3）歸一化互相關(guān)函數(shù)（NCCF, Normalized Cross Correlation Function）準(zhǔn)則。在上述三種準(zhǔn)則中，SAD準(zhǔn)則具有不需乘法運(yùn)算、實(shí)現(xiàn)簡(jiǎn)單方便的優(yōu)點(diǎn)而使用最多，但應(yīng)清楚匹配準(zhǔn)則的選用對(duì)匹配結(jié)果影響不大。
　　在選取匹配準(zhǔn)則后就應(yīng)進(jìn)行尋找最優(yōu)匹配點(diǎn)的搜索工作。最簡(jiǎn)單、最可靠的方法是全搜索法（FS, Full Search），但計(jì)算量太大，不便于實(shí)時(shí)實(shí)現(xiàn)。因此快速搜索法應(yīng)運(yùn)而生，主要有交叉搜索法、二維對(duì)數(shù)法和鉆石搜索法，其中鉆石搜索法被MPEG-4校驗(yàn)?zāi)Ｐ停╒M, Verification Model）所采納。