MPEGl和MPEG2數字視頻編碼標準

本文的目的在於給出有關MPEGl和MPEG2視頻編碼算法及標準的概述、以及它們在視頻通信中的作用。論文的正文是這樣安 排的：首先回顧了與MPEG視頻壓縮標準有關的那些基本概念和技術：接著較詳細地敘述了MPEGl和MPEG2的視頻編碼算法；最後的內容為標準中與其應用有關的一些特征。

MPEG視頻壓縮算法的基本原理
一般說來，在幀內以及幀與幀之間，眾多的視頻序列均包含很 大的統計冗餘度和主觀冗餘度。視頻源碼的最終目標是：通過挖掘 統計冗餘度和主觀冗餘度，來降低存儲和傳送視頻信息所需的比特 率；並采用嫡編碼技術，以便編製出“最小信息組”一個實用的 編碼方案，是在編碼特性(具有足夠質量的高壓縮)與實施複雜性 之間的一種折衷。對於MPEG壓縮算法的開發來講，計及到這些標 準的壽命周期應考慮到現代超大規模集成電路技術的能力，這一點 是最重要的。 根據應用的要求，我們也許會想到視頻數據的“無損失”編碼 和“有損失”編碼“無損失”編碼的目的在於：在保持原圖像質 量(即解碼後的圖像質量等同於編碼前的圖像質量)情況下，來減 少需要存儲和傳送的圖像或視頻數據。與此相反，“有損失”編碼 技術(該技術跟MPEG—l和MPEG2視頻標準未來的應用有關) 的目的是，去符合給定的存儲和傳送比特串。重要的一些應用包 括；利用限定的帶寬或很窄的帶寬，通過通信頻道采傳送視頻信 息；有效地存儲視頻信息。在這些應用中，高的視頻壓縮是以降低 視頻質量的辦法來實施的，即跟編碼以前的原始圖像相比，解碼後 的圖像“客觀”質量有所降低(也就是取原始圖像和再現圖像之間 的均方差，作為評定客觀圖像質量的標準)頻道的目標比特率越低；那麼視頻所必須進行的壓縮率就越大，通常可察覺的編碼人工 產物也越多。有損失編碼技術的最終目的是：在指定的目標比特串 條件下，獲取最佳的圖像標準。這裏應服從“客觀”或“主觀”上 的最佳標準。這裏應該指出，圖像的降級程度(指客觀降低以及可 察覺到的人工產物的數量)取決於壓縮技術的複雜性——對於結構 簡單的畫麵和視頻活動少的圖像來講，就是采用簡單的壓縮技術， 也許能獲得根本不帶可察覺人工產物的良好的再現圖像

(A)MPEG視頻編碼器源模式

MPEG數字視頻編碼技術實質上是一種統計方法。在時間和空 間方向上，視頻列通常包含統計冗餘度。MPEG壓縮技術所依賴的 基本統計特性為像素之間(interpel)的相關性，這裏包含這樣一個 設想：即在各連續幀之間存在簡單的相關性平移運動。這裏假定： 一個特殊畫麵上的像素量值，可以(采用幀內編碼技術)根據同幀 附近像素來加以預測，或者可以(采用幀間技術)根據附件幀中的 像素來加以預測。直覺告訴我們：在某些場合，如一個視頻序列鏡 頭變化時，各附近幀中像素之間的時間相關性就很小，甚至消失 —這時，該視頻鏡頭就成為一組無相關牲的靜止畫麵的組合。在 這種情況下，可采用幀內編碼技術來開發空間相關性，來實現有效 的數據壓縮，MPEG壓縮算法采用離散餘弦變換(DCT)編碼技 術，以8×8像素的畫麵塊為單位，有效地開發同一麵麵各附近像 索之間的空間相關性。然而，若附近幀中各像素間具有較大的相關 性時，也就是說兩個連續幀的內容很相似或相同時，就可以采用應 用時間預測(幀間的運動補償預測)的幀間DPCM編碼技術。在多 種MPEG視頻編碼方案中，若將時間運動補償預測路剩餘空間信息 的變換碼自適應地結合起來，就能實現數據的高壓縮(視頻的 DPCM/DCT混合編碼) 圖1給出了一個畫麵的帕內像素問相關性特性的舉例，這裏采 用了一個非常簡單，但很有價值的統計模式。這個假設的簡單模式已包括了許多“典型”畫麵的一些基本的相關特性，也就是指相鄰 像素間的高度相關性，以及隨著像素間距的增大相關性的單值衰減 特性。我們以後將利用這一模式來展示變換區域編碼的一些特性。 圖1一些“典型”畫麵的像素間的空間相關性，是應用具有 高度像素間相關性的AR(1)GaussMarkov畫麵模式來加以計算 的。變量X和Y分別表示像素之間在畫麵水平和垂直方向上的距離.

(B)二次取樣和內插法

幾乎所有本論文中所敘述的視頻編碼技術，在編碼之前，均大 量地進行了二次取樣和量化工序。二次取樣的基本概念是想減少輸 入視頻的Dimension 水平Dimension和或垂直Dimension)，並在進 行編碼處理之前先對像素進行編號。值得注意的是：在有些應用場 合，在時間方向上也對視頻進行二次取樣，以便在編碼之前降低幀 頻。在接收機端，已解碼圖像是通過內插法來加以顯示的。這一方 法可以認為是一種最簡單的壓縮技術，這種壓縮技術利用了人眼特 有的生理特姓，因而去除了視頻數據中的含有的主觀冗餘度—即 與色度信號的變化相比，人眼對亮度信號的變化更靈敏。故眾多 MPEG編碼方案首先將畫麵分成YUV與量信號(一個亮度分量和 二個色度分量)接著，相對於亮度分量，對色度分量進行二次取 樣，對於一些特殊應用，有一個Y：U：V比率(即對於MPEG—2 標準，采用4：1：1或4：2：2.

(C）運動補償預測

運動補償預測是一個有力的工具，以便減小幀間的時間冗餘 度；並作為用於時間DPCM編碼的預測技術，這一工具在MPEGl 和MPEG2視頻編碼標準中得到廣泛應用。運動補償概念是以對視 頻幀間運動的估算為基礎的，也就是說，若視頻鏡頭中所有物體均在空間上有一位移，那麼用有限的運動參數(如對於像素的平移運 動，可用運動矢量來描述)來對幀間的運動加以描述。在這一簡單 例子中，一個來自前編碼幀的運動補償預測像素，就能給出一個有 效像素的最佳預測。通常，預測誤差和運動矢量均傳送至接收機。 然而，將一個運動信息對每一個編碼畫麵像素進行編碼，這既不值 得也沒有這個必要。由於一些運動矢量之間的空間相關性通常較 高，有時可以這樣認為：一個運動矢量代表一個相鄰像素塊的運 動。為了做到這一點，畫麵一般劃分成一些不連接的像素塊(在 MPEGl和MPEG2標準中一個像素塊為16×16像素)，對於每一個 這樣的像素塊，隻對一個運動矢量進行估算、編碼和傳送(圖2)。 在MPEG壓縮算法中，運動補償預測技術用來減少幀間的時間 冗餘度，隻對預測誤差畫麵(原始畫麵與運動補償預測畫麵之間的 差別)加以編碼。總的來說，由於采用依據於前編碼幀的預測，與 圖l中所示的幀內相關性相比較，待編碼的運動補償幀間誤差圖像 中像素之間的相關性就差了。 圖2用於運動補償的塊匹配法：在待編碼的第N有效幀中，為 每一個畫麵塊估算一個運動矢量(mv)該運動矢量針對前已編碼 的第N—l幀中同樣大小的一個參照畫麵塊。運動補償預測誤差是 這樣計算的：在帶有前幀參照塊中運動飄移對應物的麵麵塊中，減 去一個像素。

(D)變換或編碼

二十年來，人們已對變換編碼進行了大量的研究，它已成為用 於靜止畫麵編碼和視頻編碼的一種非常流行的壓縮方法。變換編碼 的目的在於去掉幀內或幀間誤差圖像內容的相關性，對變換係數進 行編碼，不是對畫麵的原始像素進行編碼。為此，輸入畫麵被分成 不連接的b像素的畫麵塊(即N×N像素)。以一個線性、可分離的 和單元前向變換為基礎，本變換可表示為一個矩陣操作，采用一個N×N變換矩陣A，采獲取N×N變換係數C。 C＝AbAt 這裏AT表示變換矩陣A的一種移項式。注意：這種變換是可逆的， 原因是，采用線性和可分離的反向變換，可以再現原始的N×N個 b像素的畫麵塊. b=AtCa 利用許多可能的方法，應用於較小的由8×8像素組成的畫麵 塊的離散餘弦變換(DCT)已成為一種最佳的變換，用於靜止畫麵 和視頻編碼。事實上，由於基於DCT的方法具有較高的抗相關性 能，並能獲得快速DCT算法，適用於實時應用，已在大多數畫麵 和視頻編碼標準中加以使用。VLSI技術的運行速率適合較廣泛的 視頻應用範圍，故已商業化。 變換編碼的主要目的是使盡量多的變換係數足夠的小，使它仍 無效(從統計和主觀測量角度來看)。同時，應盡量減小係數之間 的統計相關性，目的在於減少對剩餘係數進行編碼所需的比特數 量。 圖3示出了幀內DCT係數8×8像素塊的方差(能量)，這裏是 以圖1中已討論過的簡單的統計模式設想為基礎的。此處，每一個 係數的方差，表示了係數(大量幀的乎均值)的可變性。與方差大 的係數相比，方差小的係數在畫麵像素塊再現時意義就不大了。如 圖3中所示，一般來說，為了獲得畫麵像素塊的有用的近似再現， 隻要將少量DCT係數傳送給接收機就行。然而，那些最高有效位 DCT係數集中在左上角(低DCT係數)，麵隨著距離的增加，係數 的有效牲就逐步下降。這意味著：與較低位的係數相比，較高位的 DCT係數在畫麵像素塊再現時的重要性就差一些。采用運動補償預測，DCT變換的結果是，使DCT定義域中的時間DPCM信號實現 筒單的再現—這實質上繼承了這種相似的統計相關性，如以DCT 定義域中的這個DPCM信號來再現圖2中的幀內信號(雖然能量有 所減少)—這就是為什麼為了使幀間壓縮獲得成功MPEG算法要采用DCT編碼的原因 圖3圖示了DCT係數的方差分布情況，典型地計算了大量的畫 麵塊而獲得的平均值。DCT係數方差計算是以圖1中的統計模式為 基礎的。U和V分別該8×8塊中水平和垂直畫麵變換域變量。大 多數總方差集中在DCDC了係數周圍(U＝0，v＝0) DCT跟離散傅裏葉變換很接近，而認識到以下這點是重要的， 即可以對DCT係數加以頻率說明，使其更接近於DFTo在畫麵塊 內，低位的Dcr係數與較低的空間頻率有關而高位的DCT係數 與較高的頻率有關。這一特性在MPEG編碼方案中被加以應用，以 便去除畫麵數據中所包含的主觀冗餘度，這一切是以人類視覺係統 標準為基礎的。由於跟較高空間頻率有關的再現誤差比較，觀眾對 較低空間頻率的再現誤差更加敏感，故在給定比特率情況後，為了 要改進解碼畫麵的視覺質量往往根據視覺(感覺量化)對係數進 行頻率自適應加權(量化) 上述兩種技術—時間運動補償預測和變換域編碼—的結 合，被認為是MPEG編碼標準的關鍵點 MPEG算法的第三個特 點是這兩種技術的處理是較小的畫麵塊(典型情況是：在16×16 像素上進行運動補償，在8×8像素上進行DCT編碼)。由於這個原 因，MPEG編碼算法通常又叫作基於畫麵塊的DPCM/DCT混合算法.

MPEG-1：一個通用標準-一個應用於數字存儲媒體
（最高速率達1．5Mb／s)的活動圖像和伴音的編碼標準

由MPEG—1開發出來的視頻壓縮技術的應用範圍很廣，包 括從CD—ROM上的交互係統，到電信網絡上的視頻傳送 MPEG1視頻編碼標準被認為是一個通用標準。為了支持多種應用， 可有用戶來規定多種多樣的輸人參數，包括靈活的圖像尺寸和幀 頻。MPEG推薦了一組係統規定的參數：每一個MPEG—l兼容解碼器至少必須能夠支持視頻源參數，最佳可達電視標準：包括每行 最小應有720個像素，每個圖像起碼應有576行，每秒最少不低於 30幀，及最低比特率為1．86Mb／s，標準視頻輸入應包括非隔行掃 描視頻圖像格式。應該指出：但並不是說，MPEGl的應用就限製 於這一係統規定的參數組。 根據JPiG和H。261活動，已開發出MPEG—l視頻算法。當 時的想法是：盡量保持與CCITT H．261標準的共同性，這樣，支 持兩個標準的做法就似乎可能。當然，MPEGl主要目標在於多媒 體CD—ROM的應用，這裏需要由編碼器和解碼器支持的附加函數 牲。由MPEGl提供的重要特性包括：基於幀的視頻隨機存取，通 過壓縮比特流的快進/快退搜索，視頻的反向重放，及壓縮比特流 的編輯能力。

(A)基本的MPEG—1幀間編碼方案

基本MPEGl(及MPEG2)視頻壓縮技術的基礎為：宏模塊結 構、運動補償及宏模塊的有條件再補給。如圖49所示，MPEG—1 編碼算法以幀內編碼模式(I圖像)對視頻序列的第一幀進行編碼。 每一個下一幀采用幀間預測法(P圖像)進行編碼——僅僅采用來 自前麵最近的已編碼I或P幀的數據，來進行預測，MPEG—l算 法對基於畫麵塊視頻序列的幀加以處理。視頻序列中的每一個彩色 輸入幀被分割成多個非重迭的“宏模塊”，如圖4b所示。每一個宏 模塊包含4個亮度塊(Y1，Y2，Y3，Y4)及兩個色度塊(U，V)， 每個宏模塊的尺寸為8*8像素，這些數據塊來自於亮度帶和共址 的色度帶。在Y：U：V亮度與色度像素之間的取樣比為4：1：1 以最近的前幀為基礎，采用運動補償預測法來對P圖像加以編 碼。每一幀被分割成不連接的“宏模塊”(MB)。 圖4b對於每一個宏模塊，對有關4個亮度塊(Y 3，Y2，Y3， Y4)和兩個彩色決(U，V)的信總均加以編碼。每個包含8×8個 像素。 基本的混合型DPCM/DCT MPEGl編碼器和解碼器結構的方 塊圖示於圖5之中。視頻序列第1幀(I圖像)以幀內(INTRA) 模式加以編碼不參照任何一個過去幀或未來幀。在編碼器處，DCT 被加到每一個8×8亮度塊和色度塊上，在DC了輸出之後，該64個 DCT係數中的每一個係數被均勻量化(Q)，在宏模塊中被用來對 DCT係數進行量化的量化器步長，傳送給接收機。‘量化之後，最低 位DO係數(DC係數)的處理方法跟保留(remaining)係數 (AC係數)的處理方法是不一樣的，DC係數表示分量模塊的平均 亮度，可用微分DC預測法對DC係數加以編碼。保留DCT係數及 它們位置的非零量化器值被Z字形掃描，並采用可變長度編碼 (VLC)表對其進行掃描寬度嫡編碼。 圖5一個基本混合型DC了／DPCM 編碼器和解碼器結構的方決圖 圖6中表示出了係數Z字形掃描的概念。因為要利用係數將這 個兩維的畫麵信號變換成一個單維的比特流，故在量化DCT域二 維信號掃描之後，進行的是可變長度碼—字分配工序。並沿著掃描 行和兩個連續非零係數之間的距離(行程)，對這些非零AC係數量 化器值(長度)加以檢測。采用僅傳送—個VLC碼字的方法，對 每一個連續(行程、長度)對進行編碼，Z字形掃描的目的在於： 在跟蹤高頻係數之前先去跟蹤低頻DCT係數(包含最大的能量) 圖6在8×8塊內，已量化DCT係數的Z字形掃描。僅僅對非 零量化DCT係數加以編碼。圖中指出了非零DCT係數可能的位置 Z字形掃描的做法要想做到按係數的有效性去跟蹤DCT係數 參看圖3，最低位的DCT係數(0，0)包含了這些決中的最大部分 的能量，這些能量集中在較低位的DCT係數周圍 解碼器執行反向操作，首先從比特流中提取可變長度編碼字 (VLD)並加以解碼，以便為每一個畫麵塊獲取非零DCT係數的位 置和量化器值。隨著一個畫麵塊所有非零DCT係數的再現(Q) 及隨後獲得的反DCT(DCT—1)，就得到量化塊像素值。通過對整 個比特流的處理，就對所有的畫麵塊進行了解碼，並加以了再現。 為了對P圖像進行編碼，前麵的I圖像的第N—l幀，存儲在 設置在編碼器和解碼器內的幀存儲器中。在宏模塊中執行運動補償 (MC)—對於即將進行編碼的那個宏模塊，在第N幀與第N—1 幀之間，僅對一個運動矢量進行估算。這些運動矢量被編碼及傳送 至接收機。運動補償預測誤差是這樣計算的：即在帶有前幀運動飄 移對應物的宏模塊中減去一個像素。然後是將8×8DCT加入到包 含在該宏模塊內的每一個8×8塊中，接著是對DCT係數進行量化 (Q)，並進行掃描寬度編碼和炳編碼(VLC)o這裏需用一個視頻緩 衝器；以確保編碼器能產生一個常量的目標比特率輸出。對於幀內 每一個宏模塊來講，量化步進(SZ)是可以調整的，以便獲得給定 的目標比特率，並避免緩衝器出現溢流和下溢現象。 解碼器采用反向處理，以便在接收機中再生第N幀的一個宏模 塊。對包含在視頻解碼器緩衝器(VB)中的可變長度字(VLD) 進行解碼之後，就能再現(Q和DCT—1操作)預測誤差像素值。 來自包含在幀存儲器(FS)中的前第N—1曲的運動補償像素，被 加入到預測誤差之中，以恢複第N幀的那一宏模塊。 在圖7a一圖7d中9采用了一個典型的測試序列，描述了采用 運動補償預測編碼視頻的好處，而該預測是以MPEG編碼器中的前 第N—1再現幀為依據的。用7a示出在N時間上將要進行編碼的一 個幀，圖7b示出了在N—1時間上的再現幀，其存儲在設置在編碼器和解碼器中的幀存儲器(FS)內。采用編碼器運動估算方法已對 圖7b中所示的塊運動矢量(mv，參照圖2)加以估算，並能預測第 N幀中每個宏模塊的平移運動的位移(參照第N—1幀)。圖7b出 示了這個純幀差信號(第N幀減去第N—1幀)，若在編碼過程根本 不采用運動補償預測，那麼就能獲得這個幀差信號——即假定所有 運動矢量為零。圖7d出示了：當采用圖7b的運動矢量來進行預測 時的運動補償幀差信號。很明顯，跟圖7c中的純幀差編碼相比，采 用運動補償，大大減縮了這個將要被編碼的殘差信號。 圖7：(a)在N時間上將要被編碼的幀：(b)在P4—1時間上 的幀，用來預測第N幀的內容(注意：四麵中所示的運動矢量，並 不是存儲在編碼器和解碼器內的再現畫麵的一部分；(c)沒采用運 動補償所獲取的預測誤差畫麵——假設所有的運動矢量均為零； (d)若采用運動補償預測，將要進行編碼的預測誤差畫麵.

（B)條件再補給

MPEG1編碼算法所支持有一個基本特點是，如需要時(即與 前幀同一個宏模塊相：比，宏模塊內容已有變更時)，可以在解碼器 中更新宏模塊的信息(條件宏模塊再補給)在較低比特率要實行 規頻序列的有效編碼的關鍵，是選擇合適的預測模式，以實現條件 再補給，MPEG標準主要區分有三種不同的宏模塊編碼類型(MB 類型)： 跳躍MB：來自前幀的預測，運動矢量為零。根本無宏模塊信息被進行編碼，及被傳送至接收機。 幀間MB：根據前幀，采用運動補償預測。傳送MB類型及MB 地址；如需要，也傳送運動矢量、DCT係數及量化步長。 幀內MB：根本不采用來自前幀的預測(僅僅采用幀內預測) 僅僅向接收機傳送MB類型、MB地址、DCT係數及量化步長

(C)特殊的存儲媒體功能

為了從存儲媒體中存取視頻，MPEG1視頻壓縮算法設計成能 支持一些重要功能，如隨機存取有及快進(FF)和快倒(FR)重 放等功能。考慮到對存儲媒體的需求比及進一步探索運動補償和運 動內描的優越性，由MPEGl引入B圖像(雙向預測測/雙向內掃圖 像)概念。這一概念示於圖8，對象為視頻序列中的一組連接圖像。 圖像有三種類型：幀內圖像(I圖像)編碼時，不參照視頻序列中 的其它圖像，已在圖4中介紹過，I圖像允許存取點進行隨機存取， 並對比特流進行FF／FR功能，不過隻能進行低壓縮。幀內預測圖 像(P圖像)編碼時要參照挨差最近的前一個已編碼的I圖像或P 圖像，通常采用運動補償，以提高編碼效率。由於通常用P圖像作 為參照物來預測未來幀或過去幀，故P圖像不提供用於隨機存取或 編輯的合適的存取點。雙向預測／內描的圖像(B圖像)備用過去幀 和未來幀作為參照物。為了實現高壓縮，可以依據挨得最近的過 去、未來的P圖像或I，圖像，來實施運動補償。B圖像本身永不會 當作參照物來加以使用。 圖8在MPEGl視頻序列中所采用的I圖像(I)、P圖像(P) 和B圖像(B)，依據兩個最近的已編碼幀(I圖像或P圖像)采用 運動補償預測，可以對B圖像進行編碼。為了適應不同應用的需 求，視頻序列內圖像編碼類型的安排具有靈活性。圖中指出了預測 的方向。 使用者在安排視頻序列中的圖像類型時具有很大的靈活性，以 適應各種不同應用的需求。作為總的原則，僅僅采用I圖像(IIIIII.....)編碼的視頻序列，具有最好的隨機存取、FF／FR和編輯功 能，但隻能實現低壓縮。已編碼的,帶有一個常規修正的I圖像及 無B圖像的序列(即IPPPPPPIPPP......)，能實現中度壓縮，具 有一定程度的隨機存取及FF／FR功能。所有這三種圖像類型的結 合，如圖8中所示(1BBPBBPBBIBBP......)，能做到高壓縮，具有 較好的隨機存取和FF／FR功能，但大大增加了編碼延遲時間。這 一延遲也許在一些應用場合是不允許的，如視頻電話、視頻會議 .

(D)速率控製 MPEGl編碼算法所支持的一個重要特點是，通過調節量化 DCT係數的量化器步長(sz)(見圖5)，為了滿足特殊應用的要 求，可以調節比特率(因而也調節了再現視頻信號的質量) DCT 係數的粗量化能對具有高的視頻信號進行存儲或傳送，但會產生較 大的編碼人工產物，這取決於量化等級 MPEGI標準允許編碼器 為每一個已編碼宏模塊選擇不同的量化器值——這樣，可以對需要 改進畫麵質量的位置上分配比特，具有很大的靈活性。另外，還能 產生常量和變量比特率，用於壓縮視頻的存儲或實時傳送。 壓縮的視頻信息從實質上來講本來就是可變的。通常是由連續 視頻幀的變化的內容所引起的，必須對由編碼器產生的可變比特流 緩衝於視頻緩衝器中，如圖5所示。進入到編碼器VB的輸入在時 間上是可變的，而輸出是一個恒定比特流。在解碼器，VB輸入比 特流是恒定的，用於解碼的輸出是可變的 MPEG編碼器和解碼器 采用同樣尺寸的緩衝器，以避免產生再現誤差。 編碼器中的速率控製算法，依據視頻內容和活動程度，調節量 化器的步長(SZ)，以保證視頻緩衝器永不溢流——同時，應保持 緩衝器盡可能的滿，以盡量提高畫麵質量。理論上講，采用大的視 頻緩衝器，可以避免緩衝器出現溢流現象。然而，除大型緩衝器價 格昂貴外，對於要求在編碼器與解碼器之間的延遲小的應用場合，大型緩衝器還存在另外一些缺點，如對話或視頻的實時傳送。如果 由於采用了視頻緩衝器來產生一個恒定的比特率輸出，編碼器比特 流是平坦的，那麼在編碼處理跟在解碼器視頻再現時間之間就會引 入一個延遲。通常，緩衝器越大，所引入的延遲時間越長 MPEG已規定了最小的視頻緩衝器的尺寸，它需要獲得所有解 碼器運作的支持。該數值等同於VB尺寸的最大值，編碼器用它來 產生比特流。然而，為了減少延遲或編碼器的複雜性，在編碼器選 擇一個虛擬緩衝器尺寸值是可能的，該值比需要得到解碼器支持的 最小VB尺才要小。在發送視頻比特流之前，先將該虛擬緩衝器尺 才值傳送給解碼器。 用於壓縮視頻的速率控製算法不屬於MPEG—1標準，這就留 給實施者去開發有效的戰略方法。應著重指出：製造廠商以指定比 特率去壓縮視頻所選擇的速率控製算法的效率，對在解碼器再現的 視頻的可視質量有非常大的影響

(E）隔行視頻源的編碼

用於MPEG—1的標準化視頻輸人格式是非隔行製。然而，對 MPEG1來講，隔行彩色電視(525行，29．97幀/每秒及625行， 25幀/秒)編碼是一個重要的應用。基於隔行源到逐行中間格式的 轉換，MPEGl已對Rec．601數字彩色電視信號的編碼提出一個建 議。從本質上講，隻對每一個隔行視頻輸入幀中的一個水平二次取 樣場進行編碼，即二次取樣頂(top)場。在接收機,根據已解碼的 和水乎內插的奇數場，采預測偶數場，加以顯示。在編碼之前所必 須的預處理及編碼之後所需的後處理，均在MPEGl國際標準文件 的信息附錄中有詳細敘述.

MPEG2標準：用於活動圖像和伴音的 通用編碼

世界範圍的MPEGl正在開發一個重要的及成功的視頻編碼標 準，有關產品不斷增多，並開始商品化。成功的關鍵因素在於標準 的通用結構，能支持廣泛的應用及應用的特別參數。然而，在1991 年，MPEG繼續它的標準化努力，進入第二階段(MPEG—2)，為 MPEG—l最初沒有包括在內或尚未想到的應用，提供了一種視頻 編碼方法。特別是，已對MPEG—2提出一個要求，即它所提供的 視頻質量，不能低於NTSC／PAL，最高應可達到CCIR601質量。 正在出現的一些應用，如數字有線電視分配、通過ATM的網絡數 據庫業務、數字VTR應用以及衛星和地麵數字廣播分配等，由於 新的MPEG—2標準化階段結果提高了圖像質量，均能從中受益。 已與ITU—TSGl5專家組(ATM視頻編碼專題)聯合，開展了研 究工作。1994年，發布了MPEG—2的草案國際標準(與ITU—T H．262建議書相同)該標準的技術規格打算應具有通用性—所 以，該標準的目的在於，應有助於比特流在不同應用、傳輸和存儲 媒體之間的互換。 從本質上說，MPEG—2可以視為是一組MPEG—1的最高級 編碼標準，並設計或能向後跟MPEG—1相兼容—每一個MPEG —2兼容解碼器能對有效的MPEG—1比特流進行解碼。為了滿足 多種不同應用的需求，許多視頻編碼算法被綜合於單個句法之中。 為獲得足夠的性能和質量，MPEG—2已增添了新的編碼特性，已 開發出來的預測模式，是為了支持隔行視頻的有效編碼。此外，還 引進了可分等級的視頻編碼擴展，以提供另外的功能，如數字電視 和HDTV的嵌入式編碼，沒出現傳輸誤差時質量的緩慢降低。 然而，整個句法的實施，對於大部分應用來講也許是不實際 的，MPEG—2已引進了“型”和“層”的概念，來規定設備之間 的一致性，並不支持整個句法的實施。型和層提供了定義句法子集 的方法，以及對特殊比特流進行解碼所需的解碼器功能。表2和表 3中表明了這種概念。 作為一般法規，每一個型定義一組新的算法，作為最高級組加在下一個型中的算法上。層規定了參數的範圍，在實施中得到支持 (即畫麵尺寸、幀頻和比特率)主型(MAINProfile)的MPEG—2 核心算法的特點是，對於逐行和隔行視頻源均為非可分等級編碼。 並希望：大部分MPEG—2實施過程至少應符合位於主層(MAIN LEvel)的主型，該主型支持數字視頻的非可分等級編碼，並擁有近 似的數字電視參數—最大的取樣密度，每幀576行，每行720 個取樣；最高的幀頻30幀/秒；最高的比特率15Mb／s。

(A）MPEG—2非可分等級編碼模式

在主型中所定義的MPEG—2算法，是MPEG—I編碼方案的 直接擴展，以適應隔行視頻的編碼，同時保留了MPEG—1所提供 的所有功能。與MPEG—1標準一樣，MPEG—2編碼算法的基礎 為通用的混合DCT／DPCM編碼方案，如圖5所示，並並入了宏模 塊結構、運動補償和編碼模式，以便執行宏模塊的條件再補給。圖 8中所示的I圖像、P圖像和B圖像的概念，在MPEG—2中全部保 留，以獲得有效的運動頸測及有助於隨機存取功能的實現。注意： MPEG—2單型(SIMPLEFrofile)中所定義的算法9基本上跟主型 中的算法相同，不一樣的地方是，在編碼器根本不存在B圖像預測 模式。故B圖像解碼所需要的額外的實施複雜性和另外的幀存儲 器，對於MPEG—2解碼器來說不必要的，而隻要求MPEG—2解 碼器符合該單型就行。 場圖像和幀圖像：MPEG—2已介紹了幀圖像和場圖像的概念， 也介紹了特殊的幀預測和場預測模式，以適應逐行和隔行視頻的編 碼。對於隔行序列來講，假設編碼器輸入是由一係列奇數(頂)場 和偶數(底)場所組成，而奇數場與偶數場在時間相隔—場的時 間。一幀中兩場是分別編碼的(場圖像，見圖9)在這種情況下， 每一場被分離成相鄰的不重疊的宏模塊，並對場進行DCT處理。 另一種方法是，將兩場看成為一幀(幀圖像)，與一般的逐行視頻 序列編碼相類似，一起進行編碼。在這裏，頂場和底場的連續行就簡單地彙合組成幀。注意：在單一的視頻序列中，幀圖像和場圖像 均能被使用 圖9場圖像概念和可能的場預測舉例。頂場和底場是分別編碼 的。采用以那個前編碼頂場為依據的運動補償場間預測，來對每一 個底場進行編碼。而頂場編碼采用的是運動補償場間預測，依據是 前編碼頂場或者是前編碼底場。這一概念可以加以延伸，以並入B 圖像。 場和幀預測：MPEG—2已介紹了一些新的運動補償場預測模 式，以便有效地對場圖像和幀圖像加以編碼。圖9中簡單描述了這 種新概念的一個例子，這裏出示的是一個隔行視頻序列，隻會有三 個場圖像，不帶B圖像。在場預測中，是采用來自一個或多個前解 碼場的數據，來對每一場單獨進行預測的，也就是說，對於頂場來 說，測是根據一個前解碼頂場(采用運動補償預測)或屬於同一 圖像的前解碼底場來獲取的。一般來說，若場間根本沒有運動時， 寧願采用依賴於同一圖像解碼場的場間預測。采用哪一個參照場來 進行預測，這一信息隨著比特流被發送出去。在場圖像中，所有預測 均為場預測。 幀預測作出幀圖像的預測，依據於一個或多個前解碼幀。在幀 圖像中，可以采用場預測，也可以采用幀預測；可以一個宏模塊一 個宏模塊地，來選擇所喜愛的那種預測模式。 然而必須值得，頸測所依賴的那些場和幀，它們本身也許曾作 為場圖像或者幀像，已完成了解碼工序 MPEG—2已介紹了一些新的運動補償模式，以便有效地探索 場間的時間冗長餘度，名稱叫做“雙主”(Dual Prime)預測，運動補 償基於16×8畫麵塊。這些方法的討論已超出本文的範疇。 色度格式：MPEG—2已規定了補充的Y：V：V亮度和色度二 次取樣比率格式，以促進最高視頻質量需求的應用。除了已得到 MPEG—1所支持4：2：0格式外，MPEG—2的規格已擴展至4：2：2格式，符合演播全視頻編碼應用的要求.

(B)MPEG—2可分等級編碼的擴展

MPEG—2已對可分級性方法進行了標準化，這些方法所支持 的應用範圍，已超出基本主型編碼算法所支持的應用範圍。可分級 編碼的目的在於，在不同業務之間能提供互操作性，能較靈活地支 持具有不同顯示功能的各種接收機。有的接收機既沒有能力或者也 不要求再現視頻的全部清晰度，那麼就可以隻對分層比特流的子集 進行解碼，以較低的空間或時間清晰度，或者較低的質量，來顯示 視頻圖像。可分級編碼的另一個重要目的是可提供分層視頻比特 流，它適合用於按優先順序的傳輸。這裏主要的難點在於，在出現 額道誤差情況下，如基於ATM傳輸網絡中單元的丟失，或地麵數 字廣播的同頻道幹擾，這時如何可靠地來傳送視頻信號。 能靈活地支持多種清晰度，這一功能對於DHTV跟標準清晰度 電視(SDTV)相互配合運作來講十分重要，這裏問題是HDTV接 收機應跟SDTV產品相兼容。對HDTV源進行了可分級編碼，就 能實現這一兼容性，這就能避免很浪費地將兩個單獨的比特流分別 地傳輸給HDTV和SDTV接收機。可分級編碼的其它一些重要應 用，包括視頻數據庫瀏覽以及在多媒體環境中視頻的多清晰度重 放。 圖10顯示了多級視頻編碼方案的一般原理。這裏提供了兩層， 每一層支持著一個不同級上的視頻，即將輸入視頻信號降級成為一 種較低清晰度視頻(在空間上或時間上降低取樣率)，就能實現多 清晰度的顯示。可對降低視頻進行編碼，進入基層比特流，這樣也 降低了比特率。可用升級再現的基層視頻(在空間上或時間上提高 取樣率)來對原始輸入視頻信號加以預測。預測測誤差經編碼進入一 個增強層比特流。若接收機沒能力或不需要顯示視頻信號的全部質 量，那就可以隻對基層比特流加以解碼，以再現降級的視頻信號。 這裏著重指出：如隻對較低比特率的基層進行解碼，那麼最高清晰度視頻的顯示，質量也可能有所降低。對於每一層均分配有一個合 適比特率的視頻，可以對其進行可分級編碼，以滿足傳輸頻道或存 儲媒體對帶寬的特殊需求。這一功能被認為對於瀏覽視頻數據庫和 經不同網絡的視頻傳輸等業務是有用的。 在MPEG—2的標準化階段，發現下麵的想法是不可能實現的， 去開發一個通用的可分級編碼方案，以適應已想到的所有各種應用 的需求。有些應用被限製於低的裝置複雜性，另外一些要求非常高 的編碼效率。結果是MPEG—2已對三種可分級編碼方案進行了標 準化：SNR(質量)可量測性、空間可量測性及時間可量測性—— 每一種方案的目標在於有助於滿足特殊應用的需求。這些可分級性 方法可將算法擴展到主型定義的非可分級方案。可以將不同的可分 級姓方法結合於一個混合編碼方案之中，也就是說，將空間可分級 性和時間可分級性方法結合於一個混合層編碼方案之中，這樣，擁 有不同空間清晰度和幀頻的各種業務之間的互操體性就能得到支 持。將空間可分級性與SNR可分級性相結合，就能夠獲得HDTV 與SDTV業務之間的互操作性，並對頻道誤差有一定的恢複功能 MPEG—2句法最多可支持三個不同的可分級層。 空間可分級性已經開發完成，以便在接收機顯示不同的空間清 晰度—從基層能夠再現空間清晰度較低的視頻，這一功能對於許 多應用均是有用的，包括對HDTV／TV係統采用嵌入式編碼，這樣 就允許從數字TV業務向具有較高空間清晰度的HDTV業務過渡。 這一算法的依據是用於逐行掃描畫麵編碼的一種標準錐形方法，空 間可分級性能夠靈活的支持很寬範圍的空間清晰度，但給主要編碼 方案增添了很大的裝置複雜性。 SNR可分級性：該方法已基本開發成功，對於按優先排列傳輸 媒體來說，SNR可分級性能使視頻質量下降時比較緩慢(質量可分級性)，如果基層能避免受到傳輸誤差的影響，那麼隻要對基層信 號加以解碼，就能獲得質量衰減緩慢的視頻。用來實現質量緩慢衰 減的算法，它基於一種頻率(DCT域)可分級性技術。圖11中的 兩個層以同樣的空間清晰度對視頻信號加以圖編碼，11a和圖llb 示出了SNR可分級性編碼器和解碼器可能的實施方法。該方法的 實施，也就是主型MPEG—2的一種簡明的擴展，能夠獲得極佳的 編碼效率。 在基層，DCT係數被低級量化和發送，以便在低比特率情況下 來獲取適中的圖像質量。非量化DCT係數跟來自基層、量化步長 較小的量化係數之間存在差值，而增強層就對這一差值進行編碼， 加以發送。在解碼器，通過對較低層和較高層比特流進行解碼，就 能再現最高質量的視頻信號。 利用這一方法，也可能在接收機中獲取空間清晰度較低的視頻 圖像。如果解碼器從基層比特流選用最低的N×N DCT係數，就可 用非標準反向DCT係數(尺寸為N×N)來再現空間清斷度已降低 了的視頻圖像。然而，這個最低層已降級的視頻易於發生漂移現 象，這取決於編碼器和解碼器的操作運行。 已開發的時間可分級性方法的目的跟空間可分級性的相類似 —具有一個適用於立體顯示功能接收機的分層比特流，立體視頻 就能得到支持。以由基層發送出來的、從對麵觀看到的編碼圖像為 依據，來預測增強層的立體視頻的一個圖像(左視圖像)，這樣就 實現了分層工序。 當在ATM，地麵廣播或者磁記錄環境中出現傳輸或頻道誤差 時，數據分配的作用在於促進誤差隱蔽功能。由於這一做法完全可 以作為任一單層編碼方案的後處理和預處理技術采用，它與MPEG —2的標準化工作尚未正式完成，但在MPEG—2DIS文件的信息 附錄中，已注明了有關這一做法的資料來源。該算法依賴於DCT 係數的分離，跟SNR可分類性方法相類似，與其它可分級編碼方 案相比較，這一算法實施起來較為簡單。為了提供誤差保護，比特 流中的已編碼DCT係數，在帶有不同誤差的兩個層中被分離和發送。