數字監控視頻MPEG-4編碼壓縮技術研究

劉冠群 凌梓

引言：數字視頻在工農業生產中的重要性日益明顯，數字視頻編碼技術也愈加顯得重要和亟待解決的問題。近年來，由于MPEG-4壓縮技術在實時視頻監控方面，無論是壓縮率，傳輸的速率，清晰度都比MPEG-1具有更大的優勢，現在MPEG-4在視頻監控上占有統治地位。同時，H.264在低碼率高畫質方面有很大的優勢，相信H.264也是未來的發展趨勢。本文首先重點講述MPEG-4，然后對H.264中引進的最新視頻編碼技術及我國"數字音視頻編解碼技術標準工作組"制定的AVS標準進行簡單的對比介紹。

一、引言

我國目前在視音頻產業領域已經具備較強的產業基礎，但由于不掌握核心技術標準，相關企業長期受制于國外持有標準化專利與技術的企業和組織。視音頻編解碼軟件技術屬于在市場前景好、產業關聯度大、關系國民經濟發展和國家安全的戰略性技術，是數字視音頻產業的核心技術，發展編解碼軟件技術，既可以占領編解碼軟件市場，也是發展數字多媒體產業的基礎。視音頻編解碼軟件技術屬于在市場前景好、產業關聯度大、關系國民經濟發展和國家安全的戰略性技術，是數字視音頻產業的核心技術。視音頻編解碼軟件的應用場合相當廣泛，包括可視電話（固定或移動）、實時視頻會議系統、視頻監控系統、Internet網視頻傳輸以及多媒體信息存儲等。由于安防行業中對監控的視音頻信息長期大量存儲的迫切需求，視音頻編解碼技術的最新發展在該行業中得到了快速產業轉化，并形成了一定的規模。近年來，迅速發展的安防市場極大促進了視音頻編碼板卡和數字硬盤錄像機(DVR)的技術更新速度。而視音頻編碼板卡和DVR的關鍵技術就是數字視音頻編解碼技術。

二、MPEG-4視頻編碼壓縮技術

MPEG-4視頻編碼標準支持MPEG-1、MPEC-2中的大多數功能，它包含了H.263的核心設計，并增加了優先特性和各種各樣創造性的新特性。它提供不同的視頻標準源格式、碼率、幀頻下矩形圖像的有效編碼，同時也支持基于內容的圖像編碼。采納了基于對象(Object-Based)的編碼、基于模型(Model-based)的編碼等第二代編碼技術是MPEG-4標準的主要特征。MPEG-4視頻編碼系統框圖（如圖）

MPEG-4視頻編碼中主要包含以下關鍵技術：離散余弦編碼（DCT）；量化；Intra塊DC系數和AC系數的幀內預測；之型掃描與游程編碼；變字長編碼（VLC）；運動估計；運動補償；高精度、多模式運動估計。

DCT主要完成圖像數據由空域轉向頻域，各系數相互獨立，這意味著各系數可分開處理，同時，圖像的高頻系數大部分接近于零。人的視覺系統對低頻比對高頻敏感的多，因此可以用更大的量化步長來量化高頻系數，使大部分高頻系數為零，從得到較高的壓縮比，而人眼很難察覺。量化是針對DCT變換系數進行的，量化過程就是以某個量化步長去除DCT系數。量化步長的大小稱為量化精度，量化步長越小，量化精度就越細，包含的信息越多，但所需的傳輸頻帶越高。不同的DCT變換系數對人類視覺感應的重要性是不同的，因此編碼器根據視覺感應準則，對一個8×8的DCT變換塊中的64個DCT變換系數采用不同的量化精度，以保證盡可能多地包含特定的DCT空間頻率信息，又使量化精度不超過需要。由于Intra編碼方式的各塊之間的DC和AC有較強的連續性，所以我們量化后可以進一步進行預測。DC和AC的預測方向有兩個：水平方向和垂直方向。其預測方向主要取決于相鄰塊DC系數的相關性，AC的預測只對塊的第一行或第一列進行預測。是對第一行進行預測還是對第一列進行預測主要取決于預測方向，其預測方向和DC預測方向一致。由于經量化后，大多數非零DCT系數集中于8′8二維矩陣的左上角，即低頻分量區，之型掃描后，這些非零DCT系數就集中于一維排列數組的前部，后面跟著長串的量化為零的DCT系數，這些就為游程編碼創造了條件。所謂游程編碼就是對掃描后64個系數進行編碼：用非0系數的大小(Level)、其前面連續0的個數(Run)及終止標志(Last："0"便是其后還有不為0的系數；"1"表示該系數為最后不為0的數，余下的系數全為0)加起來構成一個三維矢量(Last，Run，Level)。然后就可以對這些矢量進行Huffman編碼。游程編碼形成的三維矢量是一種有效表示方式，實際傳輸前，還須對其進行比特流編碼，產生用于傳輸的數字比特流。其中用得最多的就是Huffman編碼，Huffman編碼中，根據所有編碼信號的概率生成一個碼表，碼表中對大概率信號分配較少的比特表示，對小概率信號分配較多的比特表示，使得整個碼流的平均長度趨于最短。運動估計用于幀間編碼，即P幀和B幀編碼。通過在參考幀圖像中搜索到與當前塊最接近的塊。從而使傳輸的誤差塊可以用更少的比特表示，從而達到壓縮目的。運動估計的準確程度對幀間編碼的壓縮效果非常重要。運動估計以宏塊或塊為單位進行，計算被壓縮圖像與參考圖像的對應位置上的宏塊或塊間的位置偏移。這種位置偏移是叫運動矢量（MV），一個運動矢量代表水平和垂直兩個方向上的位移。現在MPEG-4所用的運動估計算法主要有：MVFAST（Motion Vector Field Adaptive Search Technique），改進的PMVFAST（Predictive MVFAST）和EPZS (Enhanced Predictive Zonal Search) 算法。運動補償實際上是一種預測編碼的思想，因此，運動補償又可稱為運動預測。運動預測的過程為：根據前面在運動估計中得到的匹配MV，在當前宏塊/塊和參考幀中的匹配宏塊/塊之間進行預測（即：計算差值），編碼器只需對預測誤差和使用的MV進行碼流編碼。幀內圖像I幀不參照任何過去的或者將來的其他圖像幀，壓縮編碼采用類似JPEG壓縮算法。每幅圖像分成8×8的圖像塊，對每個圖像塊進行離散余弦變換DCT。DCT變換后對每個系數進行量化，然后對量化后的系數進行DC、AC預測，對預測后的差值按照Zig-zag進行掃描，然后再進行游程編碼，最后用霍夫曼(Huffman)編碼或者用算術編碼得到最后的碼流。其中DC預測后的DC差值可直接查表得到對應的碼字。預測圖像P幀的編碼是以圖像宏塊為基本編碼單元，一個宏塊定義為16×16像素的圖像塊。預測圖像P使用兩種類型的參數來表示：一種參數是當前要編碼的圖像宏塊與參考圖像的宏塊之間的差值，另一種參數是宏塊的運動矢量。通過運動估計求得最佳運動矢量，然后通過運動補償得到的宏塊與編碼宏塊相應像素值之差的到差值模塊。然后仿照I幀編碼算法對差值進行編碼，計算出的運動矢量也要進行Huffman編碼。雙向預測圖像B幀的編碼方法與預測圖像P的算法類似。不過，它除了可以參考過去的圖像之外，它還參考將來的圖像，參考過去幀和將來幀的均值幀。除了這三個參考幀之外，它還有一種參考模式，即直接模式。直接模式就是以將來的P幀的運動矢量的一半作為自己的運動矢量，以此矢量進行運動補償，這樣的方法連MV都不用編碼傳輸，加上其量化步長一般比I幀和P幀大，所以可以達到高的壓縮率。

三、結束語

視頻監控是安全防范行業中的一個核心組成部分，由于安防行業對系統間互聯互通需求較低的特殊性及其對視頻信息大量存儲的迫切需求，隨著視頻編解碼技術的發展，安防行業迅速完成了由模擬向數字視頻的轉變，并形成了一定的規模，這一轉變過程走在了廣播電視、通信等信息處理行業的前面。同時我們也應當看到，安防行業的發展趨勢是逐步走向遠程化、網絡化、移動化，這其中必然涉及到通信網的構建技術、傳輸技術等多個不同層面。隨著安防系統的復雜化，安防領域的核心技術問題將轉變為信源編碼、信道編碼、傳輸質量保證（QoS）等通信領域一直關注的問題。安防行業的發展必將促進通信行業的發展，并最終將在某種層面演變成為通信網上的一個行業應用。

參考文獻

[1]劉如京,王玲.一種NMF和SVD相結合的魯棒水印算法[J].計算機科學,2011,38(2): 271-273.

[2]朱賢坤.基于小波域的雙彩色圖像數字水印算法[D].西安:西北師范大學,2009.

[3]董衛軍,周明全等.基于多小波變換的彩色數字水印[J].小型微型計算機系統2006,27(8):1549-1551.

作者簡介

劉冠群(1981-),女,碩士學位,講師，工程師,主要研究領域為軟件技術,通信技術.

凌梓(1975-),男,碩士學位,講師，主要研究領域為算法分析,數字圖像處理.