視聽信息的壓縮編碼與版權(quán)保護(hù)

先進(jìn)的視聽技術(shù)令我們今天的生活更加多姿多彩，作用于機(jī)器和產(chǎn)品幕后的技術(shù)同樣功不可沒，正是有了運(yùn)行于芯片之中的那些在界面上看不見的東西，多媒體信息才能夠有效地進(jìn)行存儲(chǔ)和傳輸。以下將從三個(gè)部分闡釋這些“幕后的技術(shù)”。

視聽信息基本情況及應(yīng)用

視聽信息主要是指與主觀感知相關(guān)的幾大媒體。

音頻是一維的時(shí)間信號(hào)，帶寬一般在20kHz。在實(shí)際應(yīng)用過程中音頻還存在聲道問題，涉及到單聲道、多聲道、立體聲和環(huán)繞聲。

視頻是一個(gè)數(shù)據(jù)量更大的媒體，是時(shí)間上的二維信號(hào)（運(yùn)動(dòng)圖像序列），其分辨率也是在不斷進(jìn)化中。早期的多媒體通信時(shí)代，人們會(huì)在簡(jiǎn)單的終端上傳送分辨率僅為128×96的小圖像。到今天，隨著3D電視、多視點(diǎn)視頻、全景視頻的出現(xiàn)，視頻信號(hào)的數(shù)據(jù)量也成倍增長(zhǎng)。

語(yǔ)音信號(hào)是一維的時(shí)間信號(hào)，帶寬較窄，為單通道。

圖像則是二維空間信號(hào)，即靜止圖像。

四大主要信源應(yīng)用廣泛，包括：消費(fèi)類電子、廣播電視、影劇院、演唱會(huì)、數(shù)字家庭、多媒體播放器以及多媒體通信實(shí)時(shí)音視頻通信、視頻會(huì)議、新聞采訪等等。為了能使其有效地存儲(chǔ)、傳輸和播放，我們需要對(duì)其進(jìn)行數(shù)字處理，這也就引出了下面所要討論的話題。

視聽信息的壓縮編碼

之所以要對(duì)視聽多媒體信源進(jìn)行壓縮編碼，是因?yàn)樾旁磾?shù)據(jù)量特別大，以現(xiàn)有的存儲(chǔ)媒體或者通信信道很難直接進(jìn)行傳輸。以音頻為例，標(biāo)準(zhǔn)的CD音頻數(shù)據(jù)量為44，100Hz×16bit×2聲道=1.4Mbit/s，DVD音頻為48，000Hz×16bit×5.1聲道=4.6Mbit/s，還可能有采樣速率為96，000Hz、量化精度24bit的專業(yè)級(jí)音頻等，由此而產(chǎn)生的數(shù)據(jù)量更大。視頻作為標(biāo)準(zhǔn)的電視信號(hào)有像素維度，因此數(shù)據(jù)量會(huì)更大，CCIR的數(shù)據(jù)量為720×576×24bit×25=248.9Mbit/s，

HDTV為1，920×1，080×24bit×25=1，244.2Mbit/s，

UHDTV的分辨率達(dá)到3，840×2，160甚至更高的7，680×4，320，數(shù)據(jù)量呈級(jí)數(shù)增長(zhǎng)。而隨著3DTV、多視點(diǎn)視頻、全景視頻等新技術(shù)的出現(xiàn)，數(shù)據(jù)量還在不斷增大。語(yǔ)音方面，窄帶語(yǔ)音數(shù)據(jù)量為8，000Hz×16bit=128Kbit/s；

寬帶語(yǔ)音為116，000Hz×16bit=256Kbit/s。

圖像方面，低分辨率圖像數(shù)據(jù)量為1，024×768×24bit

=18.8Mbit/s，高分辨率圖像為4，320×3，240×24bit

=335.9Mbit/s。

壓縮編碼的目的就是減少存儲(chǔ)需求，提高存儲(chǔ)媒體利用率；降低信息傳輸速率，提高信道利用率；同時(shí)，還可以利用壓縮節(jié)省的數(shù)據(jù)，改善傳輸可靠性和安全性。壓縮編碼之所以能夠?qū)崿F(xiàn)，是因?yàn)樾旁幢旧砭哂袃煞N多余的東西可以用來對(duì)數(shù)據(jù)進(jìn)行壓縮，一種是多余度，一種是不相干度，壓縮編碼的思路就是消除這些多余的信息。

在模擬信號(hào)中如相似性、相關(guān)性比較強(qiáng)，即表明它的數(shù)據(jù)是多余的。比如，在視頻信號(hào)相鄰幀之間的相似性、圖像相鄰像素間的相關(guān)性、音頻信號(hào)中的周期性和語(yǔ)音信號(hào)中的短時(shí)平穩(wěn)性等，都表明它們的數(shù)據(jù)中間很多數(shù)據(jù)實(shí)際上是多余的，可以通過數(shù)字處理的方式把它拿掉，實(shí)際上這些具有多余性的數(shù)據(jù)在我們傳輸?shù)男畔⒅惺菦]有必要的。

另外一個(gè)就是不相干度，這主要是針對(duì)我們主觀的聽覺和視覺系統(tǒng)。對(duì)于麥克風(fēng)或攝像頭采集到的視聽多媒體數(shù)據(jù)，我們的主觀感知系統(tǒng)并非能夠全部收到和感知到，所以可以消除對(duì)主觀感知沒有用的那部分?jǐn)?shù)據(jù)。通過這兩個(gè)方面的處理，將信源空間本身的大量數(shù)據(jù)壓縮以后就只剩下部分有用的數(shù)據(jù)，然后再進(jìn)行數(shù)據(jù)的編碼、傳輸或者存儲(chǔ)。但前提條件是沒有主觀感知誤差，或者主觀質(zhì)量在可以接受的范圍之內(nèi)做信源編碼和數(shù)據(jù)的壓縮。

在這四大媒體中，它們的壓縮程度，或者說我們能夠做到什么程度，也是不一樣的。下圖以橫坐標(biāo)表示壓縮比，越往右邊壓縮得越多，縱坐標(biāo)代表壓縮編碼質(zhì)量，虛線表示理想的目標(biāo)：即對(duì)信源進(jìn)行壓縮的時(shí)候希望質(zhì)量并不下降，但是這也只是一個(gè)理想化的狀態(tài)，實(shí)際上壓縮的過程中一般都會(huì)有信息的丟失，所以質(zhì)量是一定要下降的，但下降的程度也會(huì)有所不同。從壓縮比與質(zhì)量的關(guān)系來看，視頻圖像在相同的壓縮比之下，質(zhì)量下降相對(duì)較小；而聽覺系統(tǒng)包括語(yǔ)音和音頻，由于耳朵對(duì)誤差比較敏感，因此質(zhì)量下降也相對(duì)更嚴(yán)重。

有幾種方法可以實(shí)現(xiàn)編碼的壓縮：一是無失真壓縮，信源本身如果在概率分布上呈現(xiàn)非等概特性或具有重復(fù)出現(xiàn)特性，就可以利用無失真的做法對(duì)它進(jìn)行壓縮；二是有失真壓縮，這就需要丟掉信源的多余度或不相干性，雖然這種方式壓縮數(shù)據(jù)后，其物理信號(hào)上是有失真的，但是如果壓縮編碼做得好，在主觀感知上就不會(huì)感到失真，或者失真在可以接受的范圍之內(nèi)。在現(xiàn)實(shí)應(yīng)用中，實(shí)用的壓縮編碼算法都是把這兩者相結(jié)合實(shí)現(xiàn)的混合壓縮編碼方式。

現(xiàn)有的一些標(biāo)準(zhǔn)算法就基于這些方法之上，比如說MPEG-1、MPEG-2、MPEG-4。還有國(guó)際電信聯(lián)盟的標(biāo)準(zhǔn)，如關(guān)于圖像的H.264、H.263，JPEG2000亦屬于圖像編碼。語(yǔ)音編碼方面的標(biāo)準(zhǔn)有G系列的G.729和G.723.1標(biāo)準(zhǔn)。音頻編碼有AC-3、DTS、DRA、AAC、LPCM。在第三代移動(dòng)通信里還會(huì)有一系列的語(yǔ)音編碼和音頻編碼，如AMR、AMR-WB、EAAC、EAAC+。在這些標(biāo)準(zhǔn)算法下，有各種各樣的質(zhì)量，不同的壓縮比即體現(xiàn)不同的壓縮范圍。

視聽信息的版權(quán)保護(hù)

同模擬信號(hào)相比，上述四大媒體在數(shù)字化之后優(yōu)勢(shì)顯著，既能夠保證質(zhì)量，在復(fù)制或者傳輸?shù)倪^程中不會(huì)因?yàn)榭截惗鴮?dǎo)致質(zhì)量下降，同時(shí)存儲(chǔ)和傳輸比較方便，應(yīng)用比較靈活。在模擬信號(hào)里無法實(shí)現(xiàn)的處理在數(shù)字信號(hào)中是可以做到的，例如如果圖片拍攝不理想可以利用數(shù)字化進(jìn)行修補(bǔ)，音頻錄制有噪聲，可以進(jìn)行降噪處理。但同時(shí)當(dāng)遇到和版權(quán)相關(guān)的問題時(shí)，數(shù)字化也體現(xiàn)出其不足之處，由于容易被拷貝、且拷貝與原始數(shù)據(jù)信息完全相同，所以易被盜用、篡改和擴(kuò)散。目前市場(chǎng)上缺乏防止非法拷貝和擴(kuò)散的有效手段，而且僅憑法律手段也很難保護(hù)數(shù)字內(nèi)容版權(quán)，所以實(shí)際應(yīng)用中就要對(duì)這種技術(shù)做一個(gè)補(bǔ)充，來有效保護(hù)多媒體信息。否則就會(huì)對(duì)整個(gè)數(shù)字視聽多媒體產(chǎn)業(yè)造成沖擊，阻礙其發(fā)展，解決之道就是借助于技術(shù)手段，推行新的數(shù)字版權(quán)保護(hù)技術(shù)。

版權(quán)保護(hù)的目的包括：所有權(quán)和版權(quán)的保護(hù)與控制；內(nèi)容保護(hù)和完整性核實(shí)；認(rèn)證和鑒定；授權(quán)使用和非法使用的追蹤和監(jiān)控；防盜版、防拷貝、防擴(kuò)散。具體的保護(hù)方法有很多種，其中，數(shù)字水印技術(shù)，就是把版權(quán)的信息、所有者信息利用數(shù)字的方法嵌入到內(nèi)容當(dāng)中，當(dāng)數(shù)字內(nèi)容被盜用或者被拷貝的時(shí)候，可以通過數(shù)字水印技術(shù)來確認(rèn)所有權(quán)。數(shù)字指紋技術(shù)就是把用戶信息及其本次商業(yè)行為嵌入到數(shù)字內(nèi)容里，具有唯一性，當(dāng)內(nèi)容發(fā)行商把內(nèi)容發(fā)售給每個(gè)用戶的時(shí)候就會(huì)用到數(shù)字指紋技術(shù)，令內(nèi)容僅可供自己使用，而不能再拷貝給別人。數(shù)字簽名技術(shù)則通過單向的函數(shù)，把數(shù)字內(nèi)容里類似于摘要性的東西提取出來，然后存放到商業(yè)網(wǎng)的某一個(gè)地方，也可以直接附帶到內(nèi)容里，它也是有唯一性的。此外還有數(shù)字認(rèn)證技術(shù)、數(shù)字版權(quán)保護(hù)等。

數(shù)字媒體由于本身數(shù)據(jù)量巨大，在使用過程中需要先壓縮再進(jìn)行傳輸，不進(jìn)行數(shù)據(jù)壓縮而存儲(chǔ)和傳輸?shù)那闆r極少。一般是數(shù)據(jù)經(jīng)過編碼后進(jìn)入信道，然后將其解碼進(jìn)行傳輸。在過去的版權(quán)保護(hù)方式中，版權(quán)保護(hù)的信息可以直接插入原始數(shù)據(jù)中，然后交給用戶解碼后使用，如有需要用戶可以去驗(yàn)證數(shù)字產(chǎn)品的歸屬權(quán)。但是如果產(chǎn)品一旦交給別人，或者發(fā)生問題，雖然可以提取版權(quán)信息來進(jìn)行追蹤，但是在很多情況下，我們的人力、物力也很難做到。而作為盜版用戶來說內(nèi)容里面有沒有水印并不重要，比如盜版DVD只要能看就行，并不會(huì)理會(huì)是否有版權(quán)保護(hù)的信息。所以在這這種情況下，在原來有的保護(hù)方法對(duì)這個(gè)盜版不起作用且我們也難以跟蹤的時(shí)候，必須想辦法阻止盜版者達(dá)到觀看目的。

我們?cè)O(shè)計(jì)了針對(duì)四大媒體原始視聽信息的基于信號(hào)處理的版權(quán)保護(hù)技術(shù)。如左圖所示，原始視聽信息（Ds），客觀質(zhì)量（Qo），主觀質(zhì)量（Qs），使用數(shù)字信號(hào)處理的方法進(jìn)行預(yù)處理，直接處理最原始的信號(hào)，形成一個(gè)已經(jīng)處理過的新媒體（Dp），這個(gè)時(shí)候客觀質(zhì)量可能要下降（Qp），但是主觀質(zhì)量沒有變，聽起來、看起來與原來是一模一樣的。但通過計(jì)算會(huì)發(fā)現(xiàn)里面已有變化，保護(hù)信息已插入其中，用戶便可以隨便傳輸和使用。

已經(jīng)處理過的信號(hào)在經(jīng)歷壓縮編碼的時(shí)候，由于壓縮編碼導(dǎo)致了一些誤差，解碼后其信息數(shù)據(jù)、客觀質(zhì)量乃至主觀質(zhì)量都會(huì)發(fā)生變化。其中主觀質(zhì)量跟原來相比下降嚴(yán)重，因此通過這種方法插入保護(hù)信息以后就可以保護(hù)原始數(shù)據(jù)。首先在做信息傳輸?shù)臅r(shí)候肯定要進(jìn)行壓縮編碼，當(dāng)用戶第一次使用時(shí)，壓縮編碼以后對(duì)方把高清信息記錄下來，在解碼以后的信息中再插入保護(hù)信息，這樣在轉(zhuǎn)碼和再進(jìn)行壓縮的時(shí)候還是會(huì)出現(xiàn)問題。這種算法的好處在于不用人為來控制它，在內(nèi)容發(fā)行后，如果用戶想通過解壓縮的方式來進(jìn)行盜版，或者再利用的時(shí)候就會(huì)遇到麻煩。同時(shí)，如果需要，原始視聽信息的制造者可以提供數(shù)字處理手段將在預(yù)處理時(shí)已經(jīng)插入的版權(quán)保護(hù)信息提取出來，以證實(shí)其版權(quán)或所有權(quán)。