Video Object編碼技術(shù)

Video Object編碼技術(shù)

多媒體信息是未來人類獲取信息最主要的載體，因此它已成為目前世界上技術(shù)開發(fā)和研究的熱點(diǎn)。視頻信息作為多媒體信息中最被關(guān)注、數(shù)據(jù)量最大的一員，現(xiàn)在也正面臨著一場其意義不亞于從模擬到數(shù)字的技術(shù)進(jìn)步革新：從傳統(tǒng)的矩形DCT變換編碼到根據(jù)視頻內(nèi)容、劃分對(duì)象、分別變換編碼的新的編碼方法。

一、傳統(tǒng)的編碼方式

傳統(tǒng)的視頻編碼是以視頻信號(hào)的數(shù)字量為編碼對(duì)象的，與視頻信息的內(nèi)容無關(guān)，無論是M-JPEG、MPEG-1還是MPEG-2，都是以DCT矩形變換塊為變換編碼單元，對(duì)DCT塊內(nèi)圖像的亮度和色度進(jìn)行特征取樣，提取像素；采用幀間編碼、運(yùn)動(dòng)估測技術(shù)，在參考幀幀內(nèi)DCT編碼的基礎(chǔ)上，對(duì)DCT塊內(nèi)圖像的像素特征進(jìn)行差值預(yù)測編碼。基于矩形DCT編碼的視頻編碼在設(shè)計(jì)思想上只考慮到對(duì)信號(hào)數(shù)據(jù)進(jìn)行處理的需要（比如小的比特率以利于傳輸、高的比特率以保證質(zhì)量），但未考慮視頻信息--圖像內(nèi)容本身的含義和重要性，以及視頻信息應(yīng)用者的主觀需求（比如部分內(nèi)容的提取功能）。另外，這種基?quot;塊"的壓縮算法在低碼率時(shí)容易產(chǎn)生"方塊效應(yīng)"和"抽幀"，大大縮小了視頻信息的應(yīng)用領(lǐng)域。

小波變換是一種新的變換編碼方法，它與DCT變換相比，考慮到了視頻信號(hào)對(duì)不同應(yīng)用環(huán)境的自適應(yīng)性（不同的清晰度與比特率），可以將基礎(chǔ)圖像層與增強(qiáng)圖像層分離編碼傳輸，用戶可根據(jù)實(shí)際情況選擇是否打開增強(qiáng)圖像層。但無論用戶選擇是或否，被傳送的視頻信息卻都是一樣的。

二、 基于內(nèi)容對(duì)象的編碼

1、 VO與VOP概念的引入

傳統(tǒng)的視頻編碼方式是將整個(gè)視頻信號(hào)作為一個(gè)內(nèi)容單體來處理，其本身不可再分割，而這與人類對(duì)視覺信息的判別法則，也就是大腦對(duì)視神經(jīng)導(dǎo)入的視覺信號(hào)的處理方法是完全不同的。這就決定了我們不可能將一個(gè)視頻信息完整的從視頻信號(hào)中提取出來，比如：將加有臺(tái)標(biāo)和字幕的視頻恢復(fù)成無臺(tái)標(biāo)、字幕的視頻。解決問題的惟一途徑就是在編碼時(shí)就將不同的視頻信息載體--視頻對(duì)象VO（Video Objects）區(qū)分開，獨(dú)立編碼傳送，將圖像序列中的每一幀，看成是由不同的VO加上活動(dòng)的背景所組成。VO可以是人或物，也可以是計(jì)算機(jī)生成的2D或3D圖形。VO具有音頻屬性，其屬性賦值可能?quot;有"或者是"無"。但音頻的具體內(nèi)容數(shù)據(jù)是獨(dú)立于視頻編碼、傳輸?shù)摹�VO概念的引入，更加符合人腦對(duì)視覺信息的處理方式，并使視頻信號(hào)的處理方式從數(shù)字化進(jìn)展到智能化。提高了視頻信號(hào)的交互性和靈活性，使得更廣泛的視頻應(yīng)用和更多的內(nèi)容交互功能成為可能。

現(xiàn)代圖像編碼理論指出，人眼捕獲圖像信息的本質(zhì)是"輪廓－紋理"，即人眼感興趣的是VO的一些表面特性，如形狀、運(yùn)動(dòng)、紋理等。VO的表面往往是不規(guī)則的、千變?nèi)f化的，但可將其視為一定視角下，n個(gè)形狀規(guī)則的、具有一定紋理的剖面的組合的連續(xù)運(yùn)動(dòng)，這些剖面的組合稱為視頻對(duì)象面VOP(Video Object Profile)。VOP描述了VO在一定視角條件下的表面特性。VOP的編碼主要由兩部分組成：一個(gè)是形狀編碼，另一個(gè)是紋理和運(yùn)動(dòng)信息編碼。VOP紋理編碼和運(yùn)動(dòng)的預(yù)測、補(bǔ)償在原理上同MPEG-2基本一致，而形狀編碼技術(shù)則是首次應(yīng)用在圖像編碼領(lǐng)域。

2、新的編碼技術(shù)

合成VO的獨(dú)立編碼 在以前，2D或3D動(dòng)畫被看作是視頻的一部分，并一概以視頻的方法來處理。實(shí)際上，根據(jù)合成VO的合成機(jī)理和特性，大部分合成VO都可以用通用的有關(guān)圖形文本的多種表達(dá)方式來描述。非復(fù)雜性合成VO將被視為一種獨(dú)立于視頻的數(shù)據(jù)類型來編碼，并定義了其描述框架、通用的數(shù)據(jù)流結(jié)構(gòu)和靈活的接口。而復(fù)雜性合成VO和自然VO的.編碼方法，將采用以下的編碼方法。

基于矩形窗口的VOP分割 考慮到與現(xiàn)有標(biāo)準(zhǔn)的兼容，目前已得到應(yīng)用的VO編碼技術(shù)，比如MPEG4，仍采用了基于矩形窗口的內(nèi)容分割法。編碼時(shí)，首先利用像素特征統(tǒng)計(jì)，將每一個(gè)VOP都限定在一個(gè)矩形窗口內(nèi)，稱之為VOP窗口(VOP Window),取窗的原則為：長、寬均為16像素的整數(shù)倍（便于對(duì)現(xiàn)有標(biāo)準(zhǔn)的兼容和將來的擴(kuò)展），同時(shí)保證VOP窗口中非VOP的宏塊數(shù)目最少。目前標(biāo)準(zhǔn)中的視頻幀可認(rèn)為是一個(gè)無VOP的特例，在編碼過程中將形狀編碼模塊屏蔽掉就可以了。在一個(gè)VOP窗口內(nèi)，VOP剖面的形狀也是采用8×8像素的矩形形狀。針對(duì)不同的VOP，可以根據(jù)不同的應(yīng)用場合和運(yùn)動(dòng)、變化的特點(diǎn)，采用固定的或可變的VOP幀頻（即VOP刷新頻率）。