MPEG－4的主要技術(shù)概覽

    前言

　　MPEG－4編碼標準是目前最新的國際編碼標準規范。本文就其主要的內容作了簡(jiǎn)單的概述，并在此基礎上，著(zhù)重介紹了具有特色的音頻對象的編碼和視頻對象的編碼。

　　1 多媒體傳輸集成框架

　　多媒體傳輸集成框架（ＤＭＩＦ）主要解決交互網(wǎng)絡(luò )中、廣播環(huán)境下以及磁盤(pán)中多媒體應用的操作問(wèn)題，通過(guò)傳輸多路合成比特信息，建立客戶(hù)端和服務(wù)器端的握手和傳輸。與過(guò)去不同的是，由于MPEG－4碼流中，包括許多的AV對象，一般而言，這些AV對象都有各自的緩沖器，而不僅僅是視頻緩沖器和音頻緩沖器。

　　2 語(yǔ)法描述

　　MPEG－4定義了一個(gè)句法描述語(yǔ)言來(lái)描述AV對象比特流表示和場(chǎng)景描述信息。這個(gè)句法描述語(yǔ)言是對Ｃ＋＋的擴展，不僅易于表達其AV對象特性，而且也易于軟件仿真實(shí)現與模型驗證。與MPEG－4相比，MPEG－1和MPEG－2則采用一種類(lèi)Ｃ語(yǔ)言的描述，MPEG－4描述語(yǔ)言反映了面向對象技術(shù)來(lái)描述對象。

　　3 音頻對象的編碼

　　視頻音頻的壓縮編碼自然仍是MPEG－4的核心所在。不過(guò)，與以前的MPEG－1、MPEG－2不同的是：MPEG－4不僅支持自然的聲音（如語(yǔ)音和音樂(lè )），而且支持基于描述語(yǔ)言的合成聲音，支持音頻的對象特征。即一個(gè)場(chǎng)景中，同時(shí)有人聲和背景音樂(lè )，它們也許是獨立編碼的音頻對象。

　　3．1 自然聲音編碼

　　MPEG－4研究比較了現有的各種音頻編碼算法，支持2～64Ｋ的自然聲音編碼。如8 ｋＨｚ采樣頻率的2～4 ｋｂｉｔ／ｓ的語(yǔ)音編碼，以及8或16 ｋＨｚ采樣頻率4～16 ｋｂｉｔ／ｓ的音頻編碼，一般采用參數編碼；6～24 ｋｂｉｔ／ｓ的語(yǔ)音編碼，一般采用碼激勵線(xiàn)性預測（ＣＥＬＰ）編碼技術(shù)；16 ｋｂｉｔ／ｓ以上碼率的編碼，則可采用時(shí)頻（Ｔ／Ｆ）變換編碼技術(shù)。這些技術(shù)實(shí)質(zhì)上借鑒了已有的音頻編碼標準，如Ｇ．723、Ｇ．728以及MPEG－1和MPEG－2等。圖1是ＭＰＧＥ4的可伸縮自然音頻編碼器示意圖，包括了3種編碼技術(shù)。

　　3．2 合成聲音

　　在合成聲音編碼當中，MPEG－4引入了2個(gè)極有吸引力的編碼技術(shù)：文本到語(yǔ)音編碼和樂(lè )譜驅動(dòng)合成編碼技術(shù)。這為網(wǎng)絡(luò )上低比特率下交互的帶有語(yǔ)音的游戲鋪平了道路。事實(shí)上，合成聲音編碼技術(shù)即是一種基于知識庫的參數編碼。特別值得一提的是MPEG－4的樂(lè )譜驅動(dòng)合成技術(shù)，在該技術(shù)中，解碼器是由一種特殊的合成語(yǔ)言——結構化的音頻管弦樂(lè )團語(yǔ)言（ＳＡＯＬ）驅動(dòng)的。其中的“管弦樂(lè )團”是由不同的“樂(lè )器”組成的。當解碼器不具有某一“樂(lè )器”時(shí)，MPEG－4還允許解碼器從編碼器下載該“樂(lè )器”到解碼器，以便正確恢復合成聲音?？梢?jiàn)，MPEG－4不是提供一組角ＭＩＤＩ音樂(lè )標準中的“樂(lè )器”，而是提供了一個(gè)可隨時(shí)擴充的“管弦樂(lè )團”，因此，其可“演奏”樂(lè )譜自然更加豐富多彩。

　　4 視覺(jué)對象的編碼

　　同樣，MPEG－4也支持對自然和合成的視覺(jué)對象編碼。合成的視覺(jué)對象如2Ｄ、3Ｄ動(dòng)畫(huà)，人的面部表情動(dòng)畫(huà)等，這些合成圖像單獨編碼，不僅可有效壓縮，而且還便于操作。

　　對自然視覺(jué)對象的編碼，仍是MPEG－4的重點(diǎn)。相對于靜止圖像，MPEG－4采用零樹(shù)小波算法（Ｚｅｒｏｔｒｅｅ ＷAVｅｌｅｔ ａｌｇｏｒｉｔｈｍ）以提供高壓縮比，同時(shí)還提供多達11級的空間分辨率和質(zhì)量的可伸縮性。

　　對于運動(dòng)視頻對象的編碼，MPEG－4采用了如圖2所示的編碼框圖，以支持圖像的編碼。

　　可見(jiàn)，MPEG－4為了支持基于對象的編碼，引入了形狀編碼模塊。為了支持高效壓縮，MPEG－4仍然采用了MPEG－1、MPEG－2中的變換、預測混合編碼框架。

　　對于一般的任意形狀的視頻對象，MPEG－4編碼后的碼流結構見(jiàn)圖3。

　　對于實(shí)時(shí)的極低比特率的應用，如可視電話(huà)，MPEG－4視頻編碼采用極低比特率視頻（ＶＬＢＶ）核進(jìn)行編碼，類(lèi)似于ＩＴＵ的Ｈ．263直接對矩形視頻編碼，而不采用形狀編碼模塊。編碼后的碼流結構見(jiàn)圖4。

　　可見(jiàn)，MPEG－4采取了向前兼容Ｈ．263，同時(shí)，也提供了一些高層特性，如基于內容的編碼。其擴充的方式見(jiàn)圖5。

　　MPEG－4支持有誤碼信道傳輸下的魯棒性，提供了更好的同步和誤碼恢復機制。

　　5 場(chǎng)景描述

　　場(chǎng)景描述主要用于描述以上單個(gè)的AV對象如何在一個(gè)具體AV場(chǎng)景坐標下的組織與同步等問(wèn)題。同時(shí)還有AV對象和AV場(chǎng)景的知識產(chǎn)權保護等問(wèn)題。

　　6 MPEG－4展望

　　MPEG－4的應用將是廣泛而深遠的。這一新的標準將至少可以應用于以下場(chǎng)合：

　?。幔?實(shí)時(shí)多媒體監控；

　?。猓?極低比特率下的移動(dòng)多媒體通信；

　?。悖?基于內容存儲和檢索多媒體系統；

　?。洌?Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ上的視頻流與可視游戲；

　?。澹?基于面部表情模擬的虛擬會(huì )議；

　?。妫?ＤＶＤ上的交互多媒體應用；

　?。纾?基于計算機網(wǎng)絡(luò )的可視化合作實(shí)驗室場(chǎng)景應用；

　?。瑁?演播室和電視的節目制作。