- 相關(guān)推薦
Video Object編碼技術(shù)
Video Object編碼技術(shù)
《西部廣播電視》2001.10發(fā)表2001中南地區(qū)廣播電視技術(shù)討論會(huì)技術(shù)論文二等獎(jiǎng)
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的數(shù)字量為編碼對象的，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)思想上只考慮到對信號數(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，考慮到了視頻信號對不同應(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，而這與人類對視覺信息的判別法則，也就是大腦對視神經(jīng)導(dǎo)入的視覺信號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中提取出來，比如：將加有臺標(biāo)和字幕的視頻恢復(fù)成無臺標(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O概念的引入，更加符合人腦對視覺信息的處理方式，并使視頻信號的處理方式從數(shù)字化進(jìn)展到智能化。提高了視頻信號的交互性和靈活性，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）。
矩形窗口分割法并不能體現(xiàn)VOP的具體形狀信息。為了確認(rèn)采用矩形窗口分割法的VOP的形狀信息，就引入了形狀編碼技術(shù)。形狀編碼其實(shí)并不是什么新技術(shù)，它在計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺領(lǐng)域早有應(yīng)用。而目前的視頻編碼標(biāo)準(zhǔn)中的位圖技術(shù)其實(shí)就是形狀編碼的簡單特例。位圖采用矩陣的形式來表示二值（0或1）的形狀信息，具有較高的編碼效率和較低的運(yùn)算復(fù)雜度。VOP的形狀信息有兩類：邊緣信息和灰度信息。邊緣信息用0、1來表示VOP的形狀，0表示非VOP區(qū)域，1表示VOP區(qū)域。對于包含一定透明度的VOP區(qū)域，可以用灰度信息（取值0～255之間）來表示透明程度，其中0表示完全透明，255表示完全不透明。對于模糊邊緣部分，可將其視為灰度信息從周圍已知VOP區(qū)域的灰度值向0值的過渡區(qū)域，采用內(nèi)插法確定其形狀信息。
基于小波變換的VOP分割 基于矩形窗口的VOP分割依舊存在"塊效應(yīng)"問題，而基于小波變換的VOP分割則可以很好的解決這個(gè)問題，而且由于這種分割方法的本身就包含了VOP的形狀信息，所以無需另對形狀信息進(jìn)行判別與編碼。基于小波變換的VOP分割方法是目前最為活躍的視頻編碼課題研究領(lǐng)域，各種算法不斷的被發(fā)表，但基本上可以劃分為兩類方法：
1、利用圖像灰度特征分割：不同的圖像具有不同的灰度分布，利用小波變換，將圖像變換到小波域，產(chǎn)生各層、各子帶圖像。小波變換后，大部分的能量是集中在低頻子帶圖像上，即大面積的平均灰度區(qū)域信息主要在低頻子帶圖像中體現(xiàn)。根據(jù)信息論的原理，確定多個(gè)灰度閾值，可以將具有不同灰度的VOP從低頻子帶圖像中分離。同時(shí)再利用高頻子帶圖像以及模糊數(shù)學(xué)模型，確定每一個(gè)VOP的邊緣信息。利用圖像灰度特征分割的小波變換，是沿掃描方向的單方向變換。
2、利用圖像紋理特征分割：紋理是一種局部特征反復(fù)出現(xiàn)的結(jié)果，它體現(xiàn)了圖像的局部頻域信息。對
【Video Object編碼技術(shù)】相關(guān)文章：
空時(shí)格型編碼技術(shù)03-07
視頻壓縮編碼的差錯(cuò)復(fù)原技術(shù)03-21
小議3D 視頻編碼傳輸技術(shù)12-23
基于網(wǎng)絡(luò)編碼的無線網(wǎng)絡(luò)技術(shù)03-17
2.4Kbps MELP低速率語音編碼技術(shù)研究與改進(jìn)03-30
基于DIRECTSHOW技術(shù)的MPEG4編碼IP視頻監(jiān)控系統(tǒng)的設(shè)計(jì)03-07
視音頻素材的編碼轉(zhuǎn)換03-19