最新多媒体视音频压缩技术

最新多媒体视音频压缩技术
索引时间：[2007-5-11]

1．前言
提起广播电视的发展趋势，大家会一致认为是：数字化、网络化和信息化。数字化是网络化的前提，网络化是高速信息交换的基础。通过网络化才能把世界联系起来，进入全球一体化的信息时代。而广播电视的数字化又促进了通信、计算机和广播电视（3C）业相互融合。在网络传送的各种信息中，最令人赏心悦目的莫过于图像（静止）和视频（活动图像）信息。但是视频信息的数据速率非常高。普通清晰度电视（SDTV）就已为270-360Mbps！如此高的速率无论是对网络的带宽还是对存储硬盘的容量来说，都是个天文数字。显然，为降低码率而开发的数字视频压缩技术是实现网络化的至关重要技术。
2．MPEG-4的出现
为使视频信息及视频产品在全球交流和使用。国际上从1988年起，先后公布了有关视频压缩的标准主要有两大方面：
1）用于连续色调静止图像的“JPEG”和用于会议电视、可视电话的“H.261”。
2）用于活动图像的MPEG-1和MPEG-2。应该说：这些标准极大地推动了相关产业的发展。如，MPEG-1(ISO/IEC1172)的码率约为1.5Mbps,已广泛用于VCD、DAB、因特网上的各种视音频存储及电视节目的非线性编辑中。又如，MPEG-2(ISO/IEC13818)的码率达15Mbps,已广泛用于数字电视广播(DVB)、高清晰度电视(HDTV)、DVD以及下一代电视节目的非线性编辑系统及数字存储
中。MPEG-2对于电视广播数字化起到了举足轻重的作用。纵观这两个标准的关键技术，都是采用了DCT变换和Huffman的编码及运动估计。但MPEG-2在MPEG-1的基础上又增加了处理隔行扫描信号、分级编码和抗错能力等功能。由于3C业的迅速融合，新业务的需求不断涌出。例如：因特网的多媒体应用；多媒体移动通信；多媒体创作工具；多媒体数据库；交互式视频购物和视频游戏；以及远程监控和医疗等。而MPEG-1和MPEG-2采用的基于“帧”和基于“块”的压缩算法，不能支持表征图像内容的数据结构。而这些又正是许多交互式应用所必需的。其次，是当“码率很低时”会产生严重的“方块效应”和“动作失真”，而“低码率”又是多媒体移动通信所必需的。因此，既然预见到了3C融合所出现的需求，就必须努力克服MPEG-2的不足。为此，国际标准化组织（ISO）所属的活动专家组（MPEG）从1993年7月开始又制定出一种新的压缩标准---MPEG-4，并于1999年3月宣布了第一个版本，已成为国际标准ISO/IEC14496。1999年12月将推出第2个版本。
3.MPEG-4的主要特点
MPEG-4旨在将众多的多媒体应用集于一个完整的框架内，为不同性质的视音频数据制定通用、有效的编码方案，提出基于具体内容（Content-based）的视频对象（Video Object）的编码标准。
MPEG-4是一种高效率的编码标准，其最低码率可达到5-64kbps。在开发低码率编码的同时，更注重具体视频对象的交互性和可操作性，并对多媒体应用领域的各种编码进行兼容。
MPEG-4又是第一个使用户可在接收端对画面进行操作和交互访问的编码标准。由于MPEG-4基于对音视频对象（AVO）独立编码，必须同时传送编码对象的组成结构信息棗“场景描述”，它不属于AVO的特征信息，仅表示场景中各AVO对象之间的时空结构关系。“场景描述”信息是独立传输的，解码时在解码端可改变选定AVO的“场景描述”参数，对图像和声音的有关内容进行编辑和操作。例如：增删某个对象、改变某个音视频对象的音调、激活分级编码信息等，编码端无需任何改变。
MPEG-4引入了合成与自然混合编码（Synthetic and Natural Hybrid Coding桽NHC）。以往的编码把人工合成信息视为自然信息的一个子集，如把计算机图形视为视频，MPEG-4把这类数据视为一种新的数据类型，支持对人工合成AVO数据与自然AVO数据混合编码，提供对人工合成信息的具体描述，设计了合成图形对象的描述框架及通用的数据流结构和灵活的接口，定义了有关图形文本的多种表达方式。对于频繁出现的视觉对象分别定义了它们的纹理形状和动画参数，例如人脸：用人脸定义参数（FDP）描述了特定人脸纹理形状模型与通用人脸模型之间的差别，通过接收到的各种FDP，能把通用的人脸变换成由其形状和纹理确定的特定人脸。用人脸动画参数（FAP）描述特定的人脸表情与中性表情的变化关系，通过接收到的各种FAP能生成人脸的动画和各种表情以及与声音同步的嘴唇活动等。这样的合成编码不仅可极大地提高编码效率（可获得1kbps的超低码率），而且为制作新的人脸等对象提供了方便，可用于实现虚拟电视会议系统，丰富用户与场景的交互。MPEG-4提供了基于内容（对象）的随机存取方式，在有限的时间内能以较高的分辨率，按帧或任意形状对象，对一个音视频序列进行随机存取。例如，可以一个序列中的某个音视频对象为目标进行快进搜索。 MPEG-4的编码系统是开放的，为各种多媒体应用提供一个灵活的框架和一套开放的编码工具，不同的应用可选取不同的算法。解码器是可编程的，各种解码工具可与信息内容本身一起下载。
MPEG-4不仅能满足多媒体应用需求，对广播电视和节目制作也必将产生深远影响。
4.MPEG-7的发展
基于对象编码的MPEG-4把支持基于内容的检索作为其目标之一，但这种支持有限的。为了克服MPEG-4的不足，MPEG启动了新的项目 MPEG-7。它的目标是建立一种多媒体内容描述接口（Multimedia Content Description Interface），支持多媒体信息基于内容的高效快速检索。他将确立各种类型多媒体信息的标准描述方法。
MPEG-7建立在MPEG-4的基础上，期望用很少的特征就能对信息内容进行检索。例如对图形，只要画出很少几条线就可以找到包括该特征的相应图形、商标等。预计到2001年MPEG-7才能形成标准。