MPEG－4的主要技術(shù)概覽

    前言

　　MPEG－4編碼標(biāo)準(zhǔn)是目前最新的國際編碼標(biāo)準(zhǔn)規(guī)范。本文就其主要的內(nèi)容作了簡(jiǎn)單的概述，并在此基礎(chǔ)上，著重介紹了具有特色的音頻對(duì)象的編碼和視頻對(duì)象的編碼。

　　1 多媒體傳輸集成框架

　　多媒體傳輸集成框架（ＤＭＩＦ）主要解決交互網(wǎng)絡(luò)中、廣播環(huán)境下以及磁盤中多媒體應(yīng)用的操作問題，通過傳輸多路合成比特信息，建立客戶端和服務(wù)器端的握手和傳輸。與過去不同的是，由于MPEG－4碼流中，包括許多的AV對(duì)象，一般而言，這些AV對(duì)象都有各自的緩沖器，而不僅僅是視頻緩沖器和音頻緩沖器。

　　2 語法描述

　　MPEG－4定義了一個(gè)句法描述語言來描述AV對(duì)象比特流表示和場(chǎng)景描述信息。這個(gè)句法描述語言是對(duì)Ｃ＋＋的擴(kuò)展，不僅易于表達(dá)其AV對(duì)象特性，而且也易于軟件仿真實(shí)現(xiàn)與模型驗(yàn)證。與MPEG－4相比，MPEG－1和MPEG－2則采用一種類Ｃ語言的描述，MPEG－4描述語言反映了面向?qū)ο蠹夹g(shù)來描述對(duì)象。

　　3 音頻對(duì)象的編碼

　　視頻音頻的壓縮編碼自然仍是MPEG－4的核心所在。不過，與以前的MPEG－1、MPEG－2不同的是：MPEG－4不僅支持自然的聲音（如語音和音樂），而且支持基于描述語言的合成聲音，支持音頻的對(duì)象特征。即一個(gè)場(chǎng)景中，同時(shí)有人聲和背景音樂，它們也許是獨(dú)立編碼的音頻對(duì)象。

　　3．1 自然聲音編碼

　　MPEG－4研究比較了現(xiàn)有的各種音頻編碼算法，支持2～64Ｋ的自然聲音編碼。如8 ｋＨｚ采樣頻率的2～4 ｋｂｉｔ／ｓ的語音編碼，以及8或16 ｋＨｚ采樣頻率4～16 ｋｂｉｔ／ｓ的音頻編碼，一般采用參數(shù)編碼；6～24 ｋｂｉｔ／ｓ的語音編碼，一般采用碼激勵(lì)線性預(yù)測(cè)（ＣＥＬＰ）編碼技術(shù)；16 ｋｂｉｔ／ｓ以上碼率的編碼，則可采用時(shí)頻（Ｔ／Ｆ）變換編碼技術(shù)。這些技術(shù)實(shí)質(zhì)上借鑒了已有的音頻編碼標(biāo)準(zhǔn)，如Ｇ．723、Ｇ．728以及MPEG－1和MPEG－2等。圖1是ＭＰＧＥ4的可伸縮自然音頻編碼器示意圖，包括了3種編碼技術(shù)。

　　3．2 合成聲音

　　在合成聲音編碼當(dāng)中，MPEG－4引入了2個(gè)極有吸引力的編碼技術(shù)：文本到語音編碼和樂譜驅(qū)動(dòng)合成編碼技術(shù)。這為網(wǎng)絡(luò)上低比特率下交互的帶有語音的游戲鋪平了道路。事實(shí)上，合成聲音編碼技術(shù)即是一種基于知識(shí)庫的參數(shù)編碼。特別值得一提的是MPEG－4的樂譜驅(qū)動(dòng)合成技術(shù)，在該技術(shù)中，解碼器是由一種特殊的合成語言——結(jié)構(gòu)化的音頻管弦樂團(tuán)語言（ＳＡＯＬ）驅(qū)動(dòng)的。其中的“管弦樂團(tuán)”是由不同的“樂器”組成的。當(dāng)解碼器不具有某一“樂器”時(shí)，MPEG－4還允許解碼器從編碼器下載該“樂器”到解碼器，以便正確恢復(fù)合成聲音?？梢?，MPEG－4不是提供一組角ＭＩＤＩ音樂標(biāo)準(zhǔn)中的“樂器”，而是提供了一個(gè)可隨時(shí)擴(kuò)充的“管弦樂團(tuán)”，因此，其可“演奏”樂譜自然更加豐富多彩。

　　4 視覺對(duì)象的編碼

　　同樣，MPEG－4也支持對(duì)自然和合成的視覺對(duì)象編碼。合成的視覺對(duì)象如2Ｄ、3Ｄ動(dòng)畫，人的面部表情動(dòng)畫等，這些合成圖像單獨(dú)編碼，不僅可有效壓縮，而且還便于操作。

　　對(duì)自然視覺對(duì)象的編碼，仍是MPEG－4的重點(diǎn)。相對(duì)于靜止圖像，MPEG－4采用零樹小波算法（Ｚｅｒｏｔｒｅｅ ＷAVｅｌｅｔ ａｌｇｏｒｉｔｈｍ）以提供高壓縮比，同時(shí)還提供多達(dá)11級(jí)的空間分辨率和質(zhì)量的可伸縮性。

　　對(duì)于運(yùn)動(dòng)視頻對(duì)象的編碼，MPEG－4采用了如圖2所示的編碼框圖，以支持圖像的編碼。

　　可見，MPEG－4為了支持基于對(duì)象的編碼，引入了形狀編碼模塊。為了支持高效壓縮，MPEG－4仍然采用了MPEG－1、MPEG－2中的變換、預(yù)測(cè)混合編碼框架。

　　對(duì)于一般的任意形狀的視頻對(duì)象，MPEG－4編碼后的碼流結(jié)構(gòu)見圖3。

　　對(duì)于實(shí)時(shí)的極低比特率的應(yīng)用，如可視電話，MPEG－4視頻編碼采用極低比特率視頻（ＶＬＢＶ）核進(jìn)行編碼，類似于ＩＴＵ的Ｈ．263直接對(duì)矩形視頻編碼，而不采用形狀編碼模塊。編碼后的碼流結(jié)構(gòu)見圖4。

　　可見，MPEG－4采取了向前兼容Ｈ．263，同時(shí)，也提供了一些高層特性，如基于內(nèi)容的編碼。其擴(kuò)充的方式見圖5。

　　MPEG－4支持有誤碼信道傳輸下的魯棒性，提供了更好的同步和誤碼恢復(fù)機(jī)制。

　　5 場(chǎng)景描述

　　場(chǎng)景描述主要用于描述以上單個(gè)的AV對(duì)象如何在一個(gè)具體AV場(chǎng)景坐標(biāo)下的組織與同步等問題。同時(shí)還有AV對(duì)象和AV場(chǎng)景的知識(shí)產(chǎn)權(quán)保護(hù)等問題。

　　6 MPEG－4展望

　　MPEG－4的應(yīng)用將是廣泛而深遠(yuǎn)的。這一新的標(biāo)準(zhǔn)將至少可以應(yīng)用于以下場(chǎng)合：

　?。幔?實(shí)時(shí)多媒體監(jiān)控；

　　ｂ） 極低比特率下的移動(dòng)多媒體通信；

　?。悖?基于內(nèi)容存儲(chǔ)和檢索多媒體系統(tǒng)；

　　ｄ） Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ上的視頻流與可視游戲；

　?。澹?基于面部表情模擬的虛擬會(huì)議；

　?。妫?ＤＶＤ上的交互多媒體應(yīng)用；

　?。纾?基于計(jì)算機(jī)網(wǎng)絡(luò)的可視化合作實(shí)驗(yàn)室場(chǎng)景應(yīng)用；

　　ｈ） 演播室和電視的節(jié)目制作。