曹 崢

（上海貝爾股份有限公司，上海 201702）

1 引言

H.264/AVC有許多創(chuàng)新，比如幀內(nèi)的混合預(yù)測(cè)編碼、低復(fù)雜度的變換編碼等。最大的亮點(diǎn)是不需要除法和浮點(diǎn)運(yùn)算的量化算法，量化以4×4的變換塊為單位進(jìn)行。前向量化準(zhǔn)則為 Z=ROUND（（Y+f）/Qstep），反向準(zhǔn)則為 Y=Z×Qstep，其中 Y=｛yi，i=0，…，N=15｝為 4×4 的變換殘差塊，對(duì)應(yīng)的量化階塊 Z=｛zi|zi∈I，i=0，1， …，15｝，Qstep是范圍從0.625到224的量化步長(zhǎng)。為了使量化器很好地匹配輸入信號(hào)，H.264中引入?yún)?shù)f調(diào)整死區(qū)大小，對(duì)于幀內(nèi)模式f=Qstep/3；對(duì)于幀間模式f=Qstep/6。然而f并不能適用于所有碼流。同時(shí)，由于圖像和視頻的最終接受者是人，人眼視覺系統(tǒng)和客觀質(zhì)量評(píng)估并不總是一致的，因此客觀質(zhì)量評(píng)估并不能完全正確地表示圖像質(zhì)量。

目前國(guó)內(nèi)外一些學(xué)者對(duì)H.264的量化器進(jìn)行了改進(jìn)。Thomas Wedi和Steffen Wittmann提出了在H.264的量化器中引入死區(qū)調(diào)整參數(shù)θ分開控制死區(qū)和重構(gòu)值位置的算法[1]。該算法可以在減小死區(qū)使細(xì)節(jié)被恢復(fù)的同時(shí)保持原有的重構(gòu)值位置不變，從而不會(huì)增加量化誤差。在此基礎(chǔ)上聯(lián)合優(yōu)化參數(shù)f和θ可以進(jìn)一步提高量化器的性能[2]，帶來0.5 dB左右的增益。但是這種方法需要傳輸參數(shù)θ，因此帶來了額外的開銷，同時(shí)也和標(biāo)準(zhǔn)解碼器不兼容。除此之外，上述方法都旨在提高量化器的客觀質(zhì)量，而沒有考慮如何提高主觀質(zhì)量。

針對(duì)這些不足，提出了基于視覺模型的率失真優(yōu)化的死區(qū)調(diào)整算法。該算法根據(jù)視覺加權(quán)的率失真代價(jià)值調(diào)整死區(qū)大小。由于死區(qū)是零點(diǎn)附近被量化為0的區(qū)域，因此本算法根據(jù)上述的率失真代價(jià)值將死區(qū)附近的信號(hào)自適應(yīng)地量化為0或1。本算法可有效提高圖像視覺質(zhì)量，同時(shí)沒有額外的開銷，和標(biāo)準(zhǔn)解碼器兼容，而且可適用于任何基于塊編碼的圖像和視頻壓縮標(biāo)準(zhǔn)。

2 率失真優(yōu)化的死區(qū)調(diào)整算法

根據(jù)香農(nóng)率失真理論，最優(yōu)的量化器是在給定碼率Rc約束條件下使失真最小的量化器[3]。對(duì)于一個(gè)有限階數(shù)的量化器，假定S是一組實(shí)數(shù)的集合，I=｛0，1，2，…｝是量化階（quantization level）的有限集合，那么最優(yōu)的量化器滿足

其中 x是輸入信號(hào)，z是對(duì)應(yīng)的量化階，D（x，z）是 x被量化成z后產(chǎn)生的失真，R（x，z）是對(duì)應(yīng)的速率。如果對(duì)輸入信號(hào)的每一個(gè)值都按照式（1）選擇最優(yōu)的量化階，無疑可以得到最好的率失真性能。但是這種作法意味著巨大的計(jì)算量，幾乎是不可能實(shí)現(xiàn)的，因此需要減少處理的信號(hào)，使計(jì)算量下降。在圖像和視頻壓縮編碼中變換編碼后的信號(hào)可以近似為拉普拉斯分布[4]。拉普拉斯分布的特點(diǎn)是在離零點(diǎn)近的區(qū)域呈現(xiàn)比較陡峭的分布，而在遠(yuǎn)端呈現(xiàn)近似均勻的平坦分布。由于H.264的量化器是死區(qū)大小為[0，Qstep-f]的均勻量化器，它量化大幅度信號(hào)的性能幾乎是最優(yōu)的[5]，而對(duì)小信號(hào)性能較差。因此將研究重點(diǎn)放在死區(qū)及其附近的小信號(hào)區(qū)間。令第1個(gè)和第2個(gè)量化區(qū)間的區(qū)域?yàn)樯鲜龅男⌒盘?hào)區(qū)間，并將該區(qū)間定義為自適應(yīng)窗wadpt?S。自適應(yīng)窗wadpt內(nèi)的信號(hào)允許的量化階的集合為 I′=｛0， 1｝。 根據(jù)式（1），落在自適應(yīng)窗內(nèi)的信號(hào)x的最優(yōu)量化階z*為

當(dāng)碼率等于給定的碼率約束Rc時(shí)，式（2）的受限問題可以轉(zhuǎn)換為不受限的求解方程[6]，z*為

舉例說明該算法：如圖1所示，系數(shù)y1和y2落在自適應(yīng)窗wadpt內(nèi)的4×4的殘差矩陣Y，其中y1落在死區(qū)內(nèi)而y2落在第2個(gè)量化區(qū)間，因此按照原有的量化規(guī)則，y1會(huì)被量化為0，而y2被量化為1。根據(jù)式（3）對(duì)y1和y2重新量化后，原來被量化為0的y1被量化為1，而原來被量化為1的y2被量化為0。自適應(yīng)窗外的系數(shù)保持原有的量化階不變。

圖1 調(diào)整量化階的示意圖

在H.264中，假定殘差塊中有m個(gè)系數(shù)位于自適應(yīng)窗wadpt內(nèi)，每個(gè)系數(shù)可能有2個(gè)量化階0或1，那么m個(gè)系數(shù)可以產(chǎn)生2m種可能的量化結(jié)果。保持殘差塊內(nèi)其他系數(shù)的量化階不變，這m個(gè)系數(shù)產(chǎn)生的2m種可能的量化結(jié)果就構(gòu)成了 2m個(gè)候選的量化階塊 Zi，i∈L，L=｛0，1，2，…，2m-1｝。這樣為m個(gè)系數(shù)選擇最優(yōu)量化階的問題就轉(zhuǎn)化為在2m個(gè)候選量化階塊中選擇最優(yōu)量化塊的問題。在給定碼率約束Rc的條件下，最優(yōu)解為

轉(zhuǎn)變成不受限的問題后，最優(yōu)的量化塊Z*可以由最小化代價(jià)函數(shù) J（Y，Zi），i∈L 得到

其中，λ≥0，Jλ（Y，Zi）=D（Y，Zi）＋λ×R（Y，Zi）， R（Y，Zi）是Y量化成 Zi時(shí)編碼花費(fèi)的比特?cái)?shù)，D（Y，Zi）是 Y量化成Zi重構(gòu)矩陣Y^i和Y之間的失真。

3 視覺加權(quán)死區(qū)調(diào)整算法

人是圖像和視頻信息的最終接收者，因此在壓縮編碼中應(yīng)該考慮人眼的視覺特性。人眼誤差敏感度是空間頻率的函數(shù)。一般地，人眼誤差敏感函數(shù)可以看作是帶通濾波器，它在某個(gè)頻點(diǎn)處達(dá)到最大的頻率響應(yīng)后，隨著頻率的增加而快速下降。也就是說人眼對(duì)低頻誤差較敏感，而對(duì)高頻誤差不敏感。利用人眼的這一特性，視覺加權(quán)的率失真優(yōu)化的死區(qū)調(diào)整算法可以獲得更高的主觀質(zhì)量，同時(shí)通過給高頻分配較少的碼字降低編碼速率。

圖像/視頻編碼塊中灰度能量的大小表示它內(nèi)在的噪聲屏蔽能力。噪聲屏蔽能力和人眼察覺不到的量化噪聲有關(guān)[7]。人眼視覺系統(tǒng)中函數(shù)H^（f）用來衡量人眼對(duì)不同頻率誤差的敏感度。H^（f）定義如下

式中：δ=11.636/角度，頻率f的單位是周/角度。f可以進(jìn)一步變換成 f（周/角度）=fd（周/像素）×fs（像素/角度），其中

式中：N是DCT塊的大小，在H.264中N=4，d為觀看距離。可見fs和觀看距離有關(guān)，對(duì)于高度是288像素的CIF圖像，當(dāng)觀看距離是圖像高度4倍時(shí)，fs=20像素/角度。

根據(jù)上面介紹的人眼視覺模型，1個(gè)位于第i行和第j列的像素能量可以加權(quán)為從而視覺加權(quán)失真DW（Y，Z）可以定義為

而視覺加權(quán)的率失真優(yōu)化的最優(yōu)量化塊為

由 式（11）和式（12）可以看出隨著頻率的增加，每個(gè)像素的失真占總失真的比重不斷減小。因此較高頻率的像素易被量化為0，而較低頻率的像素易被量化為1。通過給高頻像素分配較少的比特，可以在保證主觀圖像質(zhì)量不變的條件下使用較少的比特。

綜上所述，視覺加權(quán)的率失真優(yōu)化的死區(qū)調(diào)整算法主要步驟如下：

1）設(shè)置自適應(yīng)窗wadpt；

2）確定4×4編碼塊中落在wadpt中系數(shù)的個(gè)數(shù)m；

3）編碼候選量化塊 Zi，計(jì)算對(duì)應(yīng)失真 DW（Yi，Zi）和碼率 R（Yi，Zi），i=0，…，2m-1；

4）計(jì)算每個(gè)候選塊的率失真代價(jià)函數(shù)JW（Yi，Zi）=DW（Yi，Zi）+ λR（Yi，Zi），i=0， …，2m-1；

5）求出｛JW（Yi，Zi），i=0，…，2m-1｝中的最小值 Jmin；最優(yōu)量化塊Z*就是對(duì)應(yīng)Jmin的量化塊。

4 實(shí)驗(yàn)結(jié)果

基于JM11.0版本的標(biāo)準(zhǔn)參考代碼，分別對(duì)率失真優(yōu)化的死區(qū)調(diào)整算法DRDO和視覺加權(quán)的率失真優(yōu)化的死區(qū)調(diào)整算法PDRDO進(jìn)行了測(cè)試。編碼參數(shù)設(shè)置為幀率30 f/s，圖像格式 4∶2∶0，序列的幀格式為 IPBB，P 幀和 B 幀使用相同的量化階，在進(jìn)行率失真代價(jià)函數(shù)的計(jì)算時(shí)，拉格朗日因子λ和H.264中進(jìn)行編碼模式選擇時(shí)使用的λmode取值相同。

DRDO算法的測(cè)試結(jié)果如圖2和圖3所示。測(cè)試序列分別是QCIF格式的News序列和CIF格式的Foreman序列，編碼長(zhǎng)度為100幀。圖中圓圈標(biāo)記的曲線是由H.264的參考代碼得到的率失真性能，正方形標(biāo)記的曲線是在原有量化器中加入DRDO算法得到的性能曲線。由上述的實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)后的量化器無論在高碼率還是低碼率情況下性能都優(yōu)于原有量化器，并且增益在高碼率情況下表現(xiàn)更為明顯，一般可以超過1 dB。

圖2 添加DRDO前后對(duì)News序列（176×144）的率失真性能比較

圖3 添加DRDO前后對(duì)Foreman序列（352×288）的率失真性能比較

圖4給出了H.264、DRDO算法和PDRDO算法分別對(duì)CIF格式的Mobile序列編碼300幀后得到的率失真曲線。從圖中可以看出DRDO算法提高了量化器的率失真性能，PDRDO算法的率失真曲線位于DRDO算法甚至H.264的曲線之下。然而PDRDO算法編碼的圖像擁有和原量化器相同的主觀質(zhì)量（圖略），同時(shí)使用更少的比特。表1給出了Mobile序列352×288P在相同量化階下PDRDO算法和H.264相比節(jié)約的比特和得到的編碼增益。

圖4 H.264，DRDO和PDRDO的率失真性能比較

表1 PDRDO算法的節(jié)約比特和得到的編碼增益

主觀質(zhì)量評(píng)估遵循規(guī)范ITU-R BT.500-11[8]。在相同量化階下參考代碼和PDRDO算法得到的解碼序列在屏幕上并排放置。在觀眾不知道序列由哪個(gè)算法產(chǎn)生的條件下，進(jìn)行打分。一輪結(jié)束后調(diào)換序列的位置再進(jìn)行一次打分。PDRDO算法的平均主觀質(zhì)量分?jǐn)?shù)幾乎和H.264的相同。因而雖然PDRDO算法得到的信噪比低，但和H.264有相同的主觀質(zhì)量，同時(shí)還節(jié)約了10%的碼率。

5 小結(jié)

率失真優(yōu)化死區(qū)的方法可以有效地提高編碼的率失真性能。通過將人眼視覺模型引入率失真代價(jià)值的計(jì)算，該算法可以在不影響主觀視覺質(zhì)量的前提下，扔掉較多的高頻信號(hào)，從而花費(fèi)較少的編碼比特。主觀質(zhì)量評(píng)估顯示當(dāng)主觀質(zhì)量相同時(shí)，基于視覺加權(quán)的率失真優(yōu)化的死區(qū)調(diào)整算法可以平均節(jié)約10%的編碼比特。該算法沒有額外的開銷，適用于任何基于塊編碼的圖像和視頻壓縮標(biāo)準(zhǔn)，而且和標(biāo)準(zhǔn)解碼器兼容。

[1]WEDI T,WITTMANN S.Quantization with an adaptive dead zone size for H.264/AVC FRExt[C]//Proc.JVT DOCUMENT， JVT-K026.Munich，Germany:[s.n.]， 2004：51-58.

[2]WEDI T，WITTMANN S.Rate-distortion constrained estimation of quantization offsets[C]//Proc.JVT DOCUMENT， JVT-0066.Busan，KR:JVT， 2005：89-96.

[3]SHANNON C E.A mathematical theory of communication[J].Bell Syst.Tech.，1948，27:379-423.

[4]SMOOT S R，ROWE L A.Study of DCT coefficients distributions[J].Proc.SPIE，1996，1:403-411.

[5]GY?RGY A，LINDER T.Optimal entropy-constrained scalar quantization of a uniform source[J].IEEE Trans.Inform.Theory， 2000， 46:2704-2711.

[6]EVERETT H.Generalized lagrange multiplier method for solving problems of optimum allocation of resources[J].Operations Reasearch，1963，11（3）:399-417.

[7]TAN S H，PANG K K.Classified perceptual coding with adaptive quantization[J].IEEE Trans.Circuits Syst.Video Technol.， 1996， 6（4）:375-388.

[8]ITU-R.Methodology for the subjective assessment of the quality of television pictures[S].2002.