视频编解码学习之一：理论基础

第1章介绍

1. 为什么要进行视频压缩？

• 未经压缩的数字视频的数据量巨大
• 存储困难
  • 一张DVD只能存储几秒钟的未压缩数字视频。
• 传输困难
  • 1兆的带宽传输一秒的数字电视视频需要大约4分钟。

2. 为什么可以压缩

• 去除冗余信息
  • 空间冗余：图像相邻像素之间有较强的相关性
  • 时间冗余：视频序列的相邻图像之间内容相似
  • 编码冗余：不同像素值出现的概率不同
  • 视觉冗余：人的视觉系统对某些细节不敏感
  • 知识冗余：规律性的结构可由先验知识和背景知识得到

3. 数据压缩分类

• 无损压缩（Lossless）
  • 压缩前解压缩后图像完全一致X=X'
  • 压缩比低(2:1~3:1)
  • 例如：Winzip，JPEG-LS
• 有损压缩（Lossy）
  • 压缩前解压缩后图像不一致X≠X'
  • 压缩比高(10:1~20:1)
  • 利用人的视觉系统的特性
  • 例如：MPEG-2，H.264/AVC，AVS

4. 编解码器

• 编码器（Encoder）
  • 压缩信号的设备或程序
• 解码器（Decoder）
  • 解压缩信号的设备或程序
• 编解码器(Codec)
  • 编解码器对

5. 压缩系统的组成

(1) 编码器中的关键技术

(2) 编解码中的关键技术

6. 编解码器实现

• 编解码器的实现平台：
  • 超大规模集成电路VLSI
    • ASIC， FPGA
  • 数字信号处理器DSP
  • 软件
• 编解码器产品：
  • 机顶盒
  • 数字电视
  • 摄像机
  • 监控器

7. 视频编码标准

编码标准作用：

• 兼容：
  • 不同厂家生产的编码器压缩的码流能够被不同厂家的解码器解码
• 高效：
  • 标准编解码器可以进行批量生产，节约成本。

主流的视频编码标准：

• MPEG-2
• MPEG-4 Simple Profile
• H.264/AVC
• AVS
• VC-1

标准化组织：

• ITU：International Telecommunications Union
  • VECG：Video Coding Experts Group
• ISO：International Standards Organization
  • MPEG：Motion Picture Experts Group

8. 视频传输

• 视频传输：通过传输系统将压缩的视频码流从编码端传输到解码端
• 传输系统：互联网，地面无线广播，卫星

9. 视频传输面临的问题

• 传输系统不可靠
  • 带宽限制
  • 信号衰减
  • 噪声干扰
  • 传输延迟
• 视频传输出现的问题
  • 不能解码出正确的视频
  • 视频播放延迟

10. 视频传输差错控制

• 差错控制（Error Control）解决视频传输过程中由于数据丢失或延迟导致的问题
• 差错控制技术：
  • 信道编码差错控制技术
  • 编码器差错恢复
  • 解码器差错隐藏

11. 视频传输的QoS参数

• 数据包的端到端的延迟
• 带宽：比特/秒
• 数据包的流失率
• 数据包的延迟时间的波动

第2章 数字视频

1.图像与视频

• 图像：是人对视觉感知的物质再现。
• 三维自然场景的对象包括：深度，纹理和亮度信息
• 二维图像：纹理和亮度信息

• 视频：连续的图像。
• 视频由多幅图像构成，包含对象的运动信息，又称为运动图像。

2. 数字视频

• 数字视频：自然场景空间和时间的数字采样表示。
  • 空间采样
    • 解析度（Resolution）
  • 时间采样
    • 帧率：帧/秒

3. 空间采样

• 二维数字视频图像空间采样

4. 数字视频系统

• 采集
  • 照相机，摄像机
• 处理
  • 编解码器，传输设备
• 显示
  • 显示器

5. 人类视觉系统HVS

• HVS
  • 眼睛
  • 神经
  • 大脑

• HVS特点：
  • 对高频信息不敏感
  • 对高对比度更敏感
  • 对亮度信息比色度信息更敏感
  • 对运动的信息更敏感

6. 数字视频系统的设计应该考虑HVS的特点：

• 丢弃高频信息，只编码低频信息
• 提高边缘信息的主观质量
• 降低色度的解析度
• 对感兴趣区域（Region of Interesting，ROI）进行特殊处理

7. RGB色彩空间

• 三原色：红（R），绿（G），蓝（B）。
• 任何颜色都可以通过按一定比例混合三原色产生。
• RGB色度空间
  • 由RGB三原色组成
  • 广泛用于BMP，TIFF，PPM等
  • 每个色度成分通常用8bit表示[0,255]

8. YUV色彩空间

• YUV色彩空间：
  • Y：亮度分量
  • UV：两个色度分量
  • YUV更好的反映HVS特点

9. RGB转化到YUV空间

亮度分量Y与三原色有如下关系：

经过大量实验后ITU-R给出了， ，  ，

主流的编解码标准的压缩对象都是YUV图像

10. YUV图像分量采样

• YUV图像可以根据HVS的特点，对色度分量下采样，可以降低视频数据量。
• 根据亮度和色度分量的采样比率，YUV图像通常有以下几种格式：

11. 通用 的YUV图像格式

• 根据YUV图像的亮度分辨率定义图像格式

12. 帧和场图像

• 一帧图像包括两场——顶场，底场

13. 逐行与隔行图像

• 逐行图像：一帧图像的两场在同一时间得到，t_top=t_bot。
• 隔行图像：一帧图像的两场在不同时间得到， t_top≠t_bot。

14. 视频质量评价

• 有损视频压缩使编解码图像不同，需要一种手段来评价解码图像的质量。
• 质量评价：
  • 客观质量评价
  • 主观质量评价
  • 基于视觉的视频质量客观评价
• 客观质量评价：通过数学方法测量图像质量评价的方式。
• 优点：
  • 可量化
  • 测量结果可重复
  • 测量简单
• 缺点：
  • 不完全符合人的主观感知

15. 客观评价的方法

常用的客观评价方法：

16. 主观评价方法

• 主观质量评价：用人的主观感知直接测量的方式。
• 优点：
  • 符合人的主观感知
• 缺点：
  • 不容易量化
  • 受不确定因素影响，测量结果一般不可重复
  • 测量代价高

常用主观评价方法

17. 基于视觉的视频质量客观评价方法

• 基于视觉的视频质量客观评价：将人的视觉特性用数学方法描述并用于视频质量评价的方式。
• 结合了主观质量评价和客观质量评价两方面优点。
• 常用方法：结构相似度（Structural SIMilarity，SSIM）方法。
• 将HVS的特征用数学模型表达出来。
• 未来重要的研究方向

第3章 信息论基础

1. 通信系统的组成

• 信源：产生消息
• 信道：传输消息
• 信宿：接收消息

2. 基本概念

• 通信中对信息的表达分为三个层次：信号，消息，信息。
  • 信号：是信息的物理层表达，可测量，可描述，可显示。如电信号，光信号。
  • 消息：是信息的载体，以文字，语言，图像等人类可以认知的形式表示。
  • 信息：不确定的内容。

3. 信息熵

信息的特点

信息的测量

自信息量

条件信息量

4. 信息熵

5. 条件熵和联合熵

6. 熵的性质

• 非负性：信源熵是非负值，即 H(X) >=0;
• 扩展性：信源熵X有M个符号，如果其中一个符号出现的概率趋于零，信源熵就等于剩余M-1个符号的信源熵；
• 极值性（最大信息熵）：对于具有M个符号的信源，只有在所有符号等概率出现的情况下，信源熵达到最大值，即
• 可加性：
• 熵不增：条件熵不大于信息熵 H(X|Y) <= H(X)；
• 联合熵不大于各信息熵的和，即H(XY) <= H(X) + H(Y)。

7. 互信息量

8. 互信息

• 物理意义：H(X)是X所含的信息，H(X|Y)是已知Y的条件下X还能带来的信息量。那么两者之差就是由于知道Y使得X减少的信息量，也即由Y可以得到的关于X的信息量。

9. 各种熵的关系

11. 信源编码

• 信源编码：将消息符号转变成信道可传输的信息。
• 两个基本问题：
  • 用尽可能少的信道传输符号来传递信源消息，提高传输效率；
  • 减少由于信道传输符号的减少导致的失真。

12. 离散信源统计特性

13. 离散信源类型：简单无记忆信源和马尔可夫信源

14. 编码分类

• 等长码：在一组码字集合C中的所有码字c_m (m = 1,2, …,M)，其码长都相同，则称这组码C为等长码。
• 变长码：若码字集合C中的所有码字c_m (m = 1,2, …,M)，其码长不都相同，称码C为变长码。

15. 平均码长

16. 等长码与变长码比较

• 等长编码将信源输出符号序列的任意一种取值（概率可能不同）都编码成相同长度的输出码字，没有利用信源的统计特性；
• 变长编码可以根据信源输出符号序列各种取值的概率大小不同，将他们编码成不同长度的输出码字，利用了信源的统计特性。因此又称其为熵编码。

17. Huffman编码

• Huffman编码：典型的变长编码。
• 步骤：
  • 将信源符号按概率从大到小的顺序排列，假定p(x₁)≥ p(x₂)… ≥ p(x_n)
  • 给两个概率最小的信源符号p(x_n-1)， p(x_n)各分配一个码位"0"和"1"，将这两个信源符号合并成一个新符号，并用这两个最小的概率之和作为新符号的概率，结果得到一个只包含(n-1)个信源符号的新信源。称为信源的第一次缩减信源，用S₁表表示。
  • 将缩减信源S₁的符号仍按概率从大到小的顺序排列，重复步骤2，得到只含(n-2)个符号的缩减信源S₂。
  • 重复上述步骤，直至缩减信源只剩下两个符号为止，此时所剩两个符号的概率之和必为1。然后从最后一级缩减信源开始，依编码路径向前返回，就得到各信源符号所对应的码字。

18. 信道编码

• 信道编码主要考虑如何增加信号的抗干扰能力，提高传输的可靠性，并且提高传输效率。
• 一般是采用冗余编码法，赋予信码自身一定的纠错和检错能力，使信道传输的差错概率降到允许的范围之内。

19. 信道类型

• 根据信道连续与否分类
  • 离散信道
  • 连续信道
  • 半连续信道
• 根据信道是否有干扰分类
  • 无干扰信道
  • 有干扰信道
• 根据信道的统计特性分类
  • 无记忆信道
  • 有记忆信道
  • 恒参信道
  • 变参信道
  • 对称信道
  • 非对称信道

20. 信道容量

• 在信息论中，称信道无差错传输的最大信息速率为信道容量。
• 仙农信道容量公式：
  • 假设连续信道的加性高斯白噪声功率为N，信道带宽为B，信号功率为S，则该信道的容量为
  • 由于噪声功率N与信道带宽B有关，则噪声功率N=n₀B 。因此，仙农公式还可以表示为

21. 香农信道容量公式的意义

• 在给定B和S/N的情况下，信道的极限传输能力为C，而且此时能够做到无差错传输。如果信道的实际传输速率大于C 值，则无差错传输在理论上就已不可能。因此，实际传输速率一般不能大于信道容量C ，除非允许存在一定的差错率。
• 提高信噪比S/N（通过减小n₀或增大S），可提高信道容量C。特别是，若n₀->0，则C->∞ ，这意味着无干扰信道容量为无穷大；
• 增加信道带宽B，也可增加信道容量C，但做不到无限制地增加。这是因为，如果 S、n₀一定，有
• 维持同样大小的信道容量，可以通过调整信道的B及S/N来达到，即信道容量可以通过系统带宽与信噪比的互换而保持不变。

22. 失真

• 失真：信源的消息经过编解码后不能完全复原
• 在实际的信源和信道编码中，消息的传输并不总是无失真的。
  • 由于存储和传输资源的限制
  • 噪声等因素的干扰

23. 率失真理论

• 仙农定义了信息率失真函数R(D)
  • D是消息失真
  • R是码率
• 率失真定理：在允许一定失真度D的情况下，信源输出的信息率可压缩到R(D)。

24. 失真函数

• 失真函数：信源符号X={x₁, x₂, …..x_n}，经信道传输接收端符号Y={y₁, y₂….y_n}，对于每一对(x_i, y_j)指定一个非负函数 d(x_i, y_j)，称d(x_i, y_j)为单个符号的失真度或失真函数。对于连续信源连续信道的情况，常用d(x, y)表示。
• 常用失真函数：

  

• 平均失真度：