H.264的技術(shù)優(yōu)勢在H.323系統中的應用

本文以適用于在IP網(wǎng)上提供多媒體業(yè)務(wù)的H.323系統為主進(jìn)行闡述。H.264是由JVT為實(shí)現視頻的更高壓縮比，更好的圖像質(zhì)量和良好的網(wǎng)絡(luò )適應性而提出的新的視頻編解碼標準。事實(shí)證明，H.264編碼更加節省碼流，它內在的抗丟包、抗誤碼能力和良好網(wǎng)絡(luò )適應性使它非常適于IP傳輸，H.264有望成為H.323系統中首選的視頻標準。

　　H.323系統對視頻編解碼標準提出了以下三個(gè)主要要求：

　　(1)一些IP網(wǎng)絡(luò )接入方式如xDSL可提供的帶寬有限，除去音頻、數據占用的帶寬，傳輸視頻的可用帶寬就更少，這就要求視頻編解碼壓縮率高，這樣就可以在一定的比特率下具有更好的圖像質(zhì)量。

　　(2)抗丟包性能和抗誤碼性能好，適應各種網(wǎng)絡(luò )環(huán)境，包括丟包和誤碼嚴重的無(wú)線(xiàn)網(wǎng)絡(luò )。

　　(3)網(wǎng)絡(luò )適應性好，便于視頻流在網(wǎng)絡(luò )中傳輸。

　　二、H.264適于H.323系統的三個(gè)技術(shù)優(yōu)勢

　　H.264在制定時(shí)充分考慮了多媒體通信對視頻編解碼的各種要求，并借鑒了以往視頻標準的研究成果，因而具有明顯的優(yōu)勢。以下將結合H.323系統對視頻編解碼技術(shù)的要求，闡述H.264的三個(gè)優(yōu)勢。

　　1. 壓縮率和圖像質(zhì)量方面

　　對傳統的幀內預測、幀間預測、變換編碼和熵編碼等算法的改進(jìn)，使H.264的編碼效率和圖像質(zhì)量在以往標準的基礎上進(jìn)一步提高。

　　(1)可變塊大?。簬g預測時(shí)可以靈活選擇塊的大小。在宏塊(MB)劃分上H.264采用了16×16，16×8，8×16，8×8四種模式;當劃分為8×8模式時(shí)，又可進(jìn)一步采用8×4、4×8、4×4三種子宏塊劃分模式進(jìn)一步劃分，這樣可以使運動(dòng)物體的劃分更加精確，減小預測誤差，提高編碼效率。幀內預測一般采取兩種亮度預測模式：Intra_4×4和Intra_16×16。Intra_4×4適合圖像中細節豐富的區域，而Intra_16×16模式更適合粗糙的圖像區域。

　　(2)高精度運動(dòng)估值：在H.264中亮度信號運動(dòng)補償預測的精度是1/4像素。如果運動(dòng)矢量指向參考圖像的整像素位置，預測值就是該位置上參考圖像像素的值;否則使用6階FIR濾波器的線(xiàn)性?xún)炔瀚@得1/2像素位置的預測值，通過(guò)取整數和1/2像素位置像素值均值的方式獲得1/4像素位置的值。顯然采用高精度運動(dòng)估計會(huì )進(jìn)一步減小幀間預測誤差。

　　(3)多參考幀運動(dòng)估值：每一個(gè)M×N亮度塊都要經(jīng)過(guò)運動(dòng)補償預測得到運動(dòng)矢量和參考圖像索引，子宏塊中的每個(gè)子宏塊劃分都會(huì )有不同的運動(dòng)矢量。選擇參考圖像過(guò)程是在子宏塊層次上進(jìn)行的，因而一個(gè)子宏塊中的多個(gè)子宏塊劃分在預測時(shí)使用相同的參考圖像，而同一個(gè)slice的多個(gè)子宏塊之間選擇的參考圖像可以不同，這就是多參考幀運動(dòng)估值。

　　(4)參考圖像的選取更加靈活：參考圖像甚至可以是采用雙向預測編碼方式的圖像，這就允許選取與當前圖像更加匹配的圖像為參考圖像進(jìn)行預測，從而可以減小預測誤差。

　　(5)加權預測：允許編碼器以一定的系數對運動(dòng)補償預測值進(jìn)行加權，從而在一定的場(chǎng)景下可以提高圖像質(zhì)量。

　　(6)運動(dòng)補償循環(huán)內的消除塊效應濾波器：為消除在預測和變換過(guò)程中引入的塊效應，H.264也采用了消除塊效應濾波器，但不同的是H.264的消除塊效應濾波器位于運動(dòng)估計循環(huán)內部，因而可以利用消除塊效應以后的圖像去預測其他圖像的運動(dòng)，從而進(jìn)一步提高預測精度。

　　2. 抗丟包和抗誤碼方面

　　參數集、片的使用、FMO、冗余片等關(guān)鍵技術(shù)的使用可以大大提高系統的抗丟包和抗誤碼性能。

　　(1)參數集：參數集及其靈活的傳送方式會(huì )大大降低因關(guān)鍵的頭信息丟失而造成錯誤發(fā)生的可能。為保證參數集可靠地到達解碼器端，可以采用重發(fā)的方式多次發(fā)送同一參數集，或傳送多個(gè)參數集。

　　(2)片(slice)的使用：圖像可以劃分成一個(gè)或幾個(gè)片。將圖像劃分為多個(gè)片，當某一片不能正常解碼時(shí)的空間視覺(jué)影響就會(huì )大大降低，而且片還提供了重同步點(diǎn)。

　　(3)PAFF和MBAFF：當對隔行掃描圖像進(jìn)行編碼時(shí)，由于兩個(gè)場(chǎng)之間存在較大的掃描間隔，這樣，對運動(dòng)圖像來(lái)說(shuō)幀中相鄰兩行的空間相關(guān)性相對于逐行掃描時(shí)就會(huì )減小，這時(shí)對兩個(gè)場(chǎng)分別進(jìn)行編碼會(huì )更節省碼流。對幀來(lái)說(shuō)，存在三種可選的編碼方式，將兩場(chǎng)合并作為一幀進(jìn)行編碼或將兩場(chǎng)分別編碼或將兩場(chǎng)合并起來(lái)作為一幀，但不同的是將幀中垂直相鄰的兩個(gè)宏塊合并為宏塊對進(jìn)行編碼。前兩種稱(chēng)為PAFF編碼，對運動(dòng)區域進(jìn)行編碼時(shí)場(chǎng)方式有效，非運動(dòng)區域由于相鄰兩行有較大的相關(guān)性，因而幀方式會(huì )更有效。當圖像同時(shí)存在運動(dòng)區域和非運動(dòng)區域時(shí)，在MB層次上，對運動(dòng)區域采取場(chǎng)方式，對非運動(dòng)區域采取幀方式會(huì )更加有效，這種方式就稱(chēng)為MBAFF。

　　(4)FMO：通過(guò)FMO可以進(jìn)一步提高片的差錯恢復能力。通過(guò)片組(slice group)的使用，FMO改變了圖像劃分為片和宏塊的方式。宏塊到片組的映射定義了宏塊屬于哪一個(gè)片組。利用FMO技術(shù)，H.264定義了七種宏塊掃描模式。

　　(1)幀內預測：H.264借鑒了以往視頻編解碼標準在幀內預測上的經(jīng)驗，值得注意的是，在H.264中，IDR圖像可以使參考圖像緩存無(wú)效，之后的圖像在解碼時(shí)不再參考IDR圖像之前的圖像，因而IDR圖像具有很好的重同步作用。在一些丟包和誤碼嚴重的信道中，可以采取不定期傳送IDR圖像的方式進(jìn)一步提高H.264的抗誤碼和抗丟包性能。

　　(2)冗余圖像：為提高H.264的解碼器在發(fā)生數據丟失時(shí)的頑健性，可以采用傳送冗余圖像的方式。當基本圖像丟失時(shí)，可以通過(guò)冗余圖像重構原圖像。

　　(3)數據劃分：由于運動(dòng)矢量和宏塊類(lèi)型等信息相對于其他信息具有更高的重要性，因而在H.264中引入了數據劃分的概念，將片中語(yǔ)義彼此相關(guān)的語(yǔ)法元素放在同一個(gè)劃分中。在H.264中有三類(lèi)不同的數據劃分，三類(lèi)數據劃分分開(kāi)傳送，若第二類(lèi)或第三類(lèi)劃分的信息丟失，使用差錯恢復工具仍然可以通過(guò)第一類(lèi)劃分中的信息對丟失信息進(jìn)行適當恢復。

　　(4)多參考幀運動(dòng)估值：多參考幀運動(dòng)估值不但可以提高編碼器的編碼效率，還可以提高差錯恢復能力。在H.323系統中，通過(guò)使用RTCP，當編碼器得知有參考圖像丟失時(shí)，可以選擇解碼器已經(jīng)正確接收的圖像作為參考圖像。

　　(5)為阻止錯誤在空間上的蔓延，解碼器端可以指定當P片或B片中的宏塊在做幀內預測時(shí)不使用相鄰的非幀內編碼宏塊作為參考。

　　3. 網(wǎng)絡(luò )適應性方面

　　為適應各種網(wǎng)絡(luò )環(huán)境和應用場(chǎng)合，H.264定義了視頻編碼層(VCL)和網(wǎng)絡(luò )提取層(NAL)。其中VCL功能是進(jìn)行視頻編解碼，包括運動(dòng)補償預測，變換編碼和熵編碼等功能;NAL用于采用適當的格式對VCL視頻數據進(jìn)行封裝打包。

　　(1)NAL Units：視頻數據封裝在整數字節的NALU中，它的第一個(gè)字節標志該單元中數據的類(lèi)型。H.264定義了兩種封裝格式?；诎粨Q的網(wǎng)絡(luò )(如H.323系統)可以使用RTP封裝格式封裝NALU。而另外一些系統可能要求將NALU作為順序比特流傳送，為此H.264定義了一種比特流格式的傳輸機制，使用start_code_prefix將NALU封裝起來(lái)，從而確定NAL邊界。

　　(2)參數集：以往視頻編解碼標準中GOBGOP圖像等頭信息是至關(guān)重要的，包含這些信息的包的丟失常導致與這些信息相關(guān)的圖像不能解碼。為此H.264將這些很少變化并且對大量VCL NALU起作用的信息放在參數集中傳送。參數集分為兩種，即序列參數集和圖像參數集。為適應多種網(wǎng)絡(luò )環(huán)境，參數集可以帶內傳送，也可以采用帶外方式傳送。

　　三、在H.323系統中實(shí)現H.264

　　由于H.264是一種新的視頻編解碼標準，在H.323體系中應用H.264存在一些問(wèn)題，比如如何在H.245能力協(xié)商過(guò)程中定義實(shí)體的H.264能力，因此必須對H.323標準進(jìn)行必要的補充和修改。為此，ITU-T制定了H.241標準。本文僅介紹與H.323相關(guān)的修改。

　　首先，要規定如何在H.245能力協(xié)商過(guò)程中定義H.264能力。H.264能力集是一個(gè)包含一個(gè)或多個(gè)H.264能力的列表，每一個(gè)H.264能力都包含Profile和Level兩個(gè)必選參數和CustomMaxMBPS、CustomMaxFS等幾個(gè)可選參數。在H.264中，Profile用于定義生成比特流的編碼工具和算法，Level則是對一些關(guān)鍵的參數要求。H.264能力包含在GenericCapability結構中，其中CapabilityIdentifier的類(lèi)型為standard，值為0.0.8.241.0.0.1，用于標識H.264能力。MaxBitRate用于定義最大比特率。Collapsing字段包含H.264能力參數。Collapsing字段第一個(gè)條目是Profile，ParameterIdentifier類(lèi)型為standard，值為41，用于標識Profile，ParameterValue類(lèi)型為booleanArray，其值標識Profile，可以為64、32或16，這三個(gè)值依次表示Baseline、Main和Extended三個(gè)Profile;Collapsing字段第二個(gè)條目是Level，ParameterIdentifier類(lèi)型為standard，值為42，用于標識Level，ParameterValue類(lèi)型為unsignedMin，其值標識H.264 AnnexA中定義的15個(gè)可選的Level值。其他的幾個(gè)參數作為可選項出現.

　　其次，由于H.264中圖像的組織結構與傳統的標準不同，一些原有的H.245信令不在適用于H.264，如MiscellaneousCommand中的videoFastUpdateGOB等，因此H.241重新定義了幾個(gè)信令提供相應功能。

　　最后，H.264的RTP封裝參考RFC 3550，載荷類(lèi)型(PT)域未作規定。

　　四、結束語(yǔ)

　　作為一種新的國際標準，H.264在編碼效率、圖像質(zhì)量、網(wǎng)絡(luò )適應性和抗誤碼方面都取得了成功。但隨著(zhù)終端和網(wǎng)絡(luò )的快速發(fā)展，對視頻編解碼的要求在不斷提高，因此H.264仍在繼續地完善和發(fā)展以適應新的要求?，F在對H.264的研究主要集中在如何進(jìn)一步降低編解碼時(shí)延、算法優(yōu)化和進(jìn)一步提高圖像質(zhì)量上。目前，使用H.264進(jìn)行編解碼的視頻會(huì )議系統越來(lái)越多，大多數做到了在Baseline Profile上的互通。隨著(zhù)H.264自身的不斷完善和視頻通信的不斷普及，相信H.264的應用將越來(lái)越廣泛。