毛永芹，王向文

（上海電力大學(xué)，上海 201306）

0 引言

在視頻編碼的過程中，編碼壓縮后的碼流信息通常會在帶寬有限且不恒定的信道中傳輸[1]，為了使編碼后的視頻流更好地在信道中傳輸，避免發(fā)生接收端因為傳輸?shù)乃矔r碼率過大導(dǎo)致接收端的碼流緩沖溢出，或者是傳輸?shù)拇a率過小而導(dǎo)致接收端視頻的播放質(zhì)量不清晰或者模糊等現(xiàn)象。因此，一個準(zhǔn)確的碼率估計模型對于視頻編碼算法的優(yōu)化是至關(guān)重要的。

碼率控制技術(shù)一直是眾多學(xué)者的研究熱點，為此國內(nèi)外研究者也提出了較多碼率估計模型。準(zhǔn)確的碼率估計模型對碼率控制中的碼率分配起到?jīng)Q定性作用。在視頻編碼中，常見的碼率估計模型主要有R-Q 模型[2]、R-ρ 模型[3]以及R-λ 模型[4]。碼率R由一組編碼參數(shù)共同決定，R-Q 模型和R-ρ 模型都把Q當(dāng)作可以控制R的重要因素，認(rèn)為可以通過調(diào)節(jié)量化參數(shù)Q達到目標(biāo)碼率R。但是隨著編碼參數(shù)的增加，R和Q之間并不是一一對應(yīng)的關(guān)系，所以用R-Q 模型和R-ρ 模型來估計碼率R并不準(zhǔn)確。R-λ 模型是通過建立率失真優(yōu)化模型來得到拉格朗日乘子λ，利用拉格朗日乘子控制目標(biāo)碼率R。該模型相對于R-Q 模型和Q-ρ 模型在編碼性能和編碼精度上都有所提升。文獻[4]算法中R-λ 模型的參數(shù)α和β是利用已經(jīng)編碼的圖像預(yù)測更新的，并沒有考慮到編碼圖像本身的內(nèi)容特征。當(dāng)視頻序列中存在大量的運動時，運動特征對視頻的預(yù)測誤差有很大的影響[5]。而在靜態(tài)或運動較小的區(qū)域，紋理特征對預(yù)測誤差的影響會比較大。算法的原有模型參數(shù)α和β并不能表示當(dāng)前編碼圖片的參數(shù)特征，若傳輸一段具有劇烈運動或具有復(fù)雜場景變化的視頻，將導(dǎo)致碼率估計不準(zhǔn)確。文獻[6]通過預(yù)編碼確定模型的參數(shù)α和β，使得碼率估計模型的精度以及視頻的編碼質(zhì)量提升，但是該算法大大提高了編碼復(fù)雜度，增加了編碼延遲。

綜上所述，為了解決因視頻序列劇烈運動或者存在復(fù)雜場景變化導(dǎo)致的模型參數(shù)α和β不準(zhǔn)確，從而導(dǎo)致R-λ 預(yù)測模型準(zhǔn)確度不夠的問題，本文提出了一種改進的λ域碼率估計模型，提高碼率估計模型的精度。將R-λ 模型根據(jù)視頻幀所在的預(yù)測層分類為不同的模型，建立模型參數(shù)α和β與圖像運動特征和紋理特征的關(guān)系，最后實驗數(shù)據(jù)驗證模型的精確度，同時將模型應(yīng)用在HM 編碼器中進行實驗。

1 R-λ 模型參數(shù)α和β 的更新

在推導(dǎo)R-λ 模型之前，應(yīng)該先選擇合適的R-D 模型，文獻[7]中推導(dǎo)建立了適用于H.265/HEVC 視頻碼率與失真的雙曲模型關(guān)系：

式中：C和K是與編碼圖像內(nèi)容特征相關(guān)的模型參數(shù)；R-D 曲線切線的斜率是拉格朗日乘子λ，因此λ可以表示為：

由式（2）得：

在實際的圖像層中，考慮到比特分配得到的目標(biāo)比特RT以及圖像的長度h和圖像的寬度w，可以計算出平均每像素的目標(biāo)比特數(shù)bpp，其值為通過bpp 可以得到當(dāng)前編碼圖像的拉格朗日乘子λ為：

與此同時，通過大量的實驗表明量化參數(shù)QP 與拉格朗日乘子λ的對數(shù)之間存在一次線性函數(shù)的關(guān)系[8]：

通過大量的數(shù)據(jù)測試，選擇a=4.200 5，b=13.712 2是相對準(zhǔn)確的。通過式（4）確定編碼單元的拉格朗日乘子λ，通過式（5）確定編碼時的量化參數(shù)QP。

為了使得碼率控制模型更加準(zhǔn)確，需要對模型參數(shù)α和β進行實時更新，本文主要研究幀級模型參數(shù)的更新。在HM13.0 中基于R-λ 模型碼率控制算法，采用式（6）、式（7）的參數(shù)更新方法。

式中：αold、βold、λreal分別為編碼單元層確定量化參數(shù)QP時所使用的α、β、λ；bppreal為編碼單元層完成編碼后得到的實際編碼的比特數(shù)；δα、δβ分別設(shè)置為0.1 和0.05；αnew、βnew為更新后的模型參數(shù)。實際編碼使用的拉格朗日乘子λ計算公式如式（8）所示[9]：

式（6）、式（7）對模型參數(shù)的更新過程可以理解為是使用lnλreal-lnλcomp對模型參數(shù)進行校準(zhǔn)。模型參數(shù)α和β只與當(dāng)前編碼圖片的內(nèi)容特征有關(guān)系，盡管使用lnλreal-lnλcomp進行校準(zhǔn)也還會造成模型精度的損失，利用已編碼圖片的參數(shù)α和β并不能完全表示當(dāng)前圖片的參數(shù)特征。文獻[6]通過對編碼單元預(yù)編碼來確定R-λ 的模型參數(shù)α和β，使得碼率控制的模型精度以及編碼質(zhì)量都提升，但是將會增加編碼的復(fù)雜度，同時將會造成編碼的延遲。

綜上所述，若可以建立當(dāng)前編碼圖片的內(nèi)容特征與模型參數(shù)α和β的關(guān)系，將會使參數(shù)α和β的值更準(zhǔn)確，進而提升R-λ 模型的精度，提高視頻編碼的質(zhì)量。

2 改進的λ 域碼率估計模型

2.1 圖像的內(nèi)容特征

圖像的內(nèi)容特征是指圖像所展現(xiàn)的物體、背景、運動等方面的特征，在視頻編碼中，它對于視頻壓縮的效果有重要影響。視頻編碼算法通過對這些內(nèi)容特征的分析和利用，最終實現(xiàn)了視頻序列的高效編碼和壓縮。

圖像特征提取是影響模型精度的重要因素，本文主要研究分層編碼結(jié)構(gòu)下的模型參數(shù)α和β的更新。由第1 節(jié)可知，R-λ 的模型參數(shù)α和β與圖片的運動特征和紋理特征有關(guān)。圖像運動特征的提取是通過比較相鄰幀的像素差異，可以得出每個像素在運動過程中的位移和方向，這樣就可以在編碼過程中只保存差異部分。圖像中的紋理信息描述了像素之間的相對關(guān)系。由于視頻運動是連續(xù)的，本文把視頻前一幀與后一幀對應(yīng)像素點之間的方差定義為運動特征，把當(dāng)前圖片像素點之間的方差定義為圖片的紋理特征，具體表達式如下：

式中：MOTIONcur為當(dāng)前圖片的運動特征；TEXTUREcur為當(dāng)前圖片的紋理特征；Vdiff等于當(dāng)前幀的像素點減去下一幀的對應(yīng)像素點的絕對值；θ是變量；Npixel表示該圖片像素點的個數(shù)。

2.2 R-λ 模型參數(shù)α、β 的建模

由2.1 節(jié)的描述可知，圖像的運動特征和紋理特征對視頻壓縮具有重要的影響，對于R=α·λβ預(yù)測模型來說，模型參數(shù)α和β是影響預(yù)測誤差的系數(shù)。在R-λ模型中，運動特征和紋理特征通過α和β參數(shù)來調(diào)節(jié)預(yù)測誤差。本文考慮建立一個基于R-λ 模型參數(shù)α和β的模型，將參數(shù)α和β建模為圖像運動特征和紋理特征的函數(shù)，該模型用于計算視頻編碼時R-λ 模型所需要的參數(shù)，根據(jù)本文提出的參數(shù)α和β與圖像運動特征和紋理特征的模型，最終使R-λ 模型更加準(zhǔn)確，提高了視頻編碼的率失真性能。

在HEVC中，存在兩種非常典型的編碼結(jié)構(gòu)，它們的引用關(guān)系非常靈活，一個定義于圖1 所示的低延遲（LD）編碼結(jié)構(gòu)[10]，另一個定義于圖2 所示的隨機接入（RA）編碼結(jié)構(gòu)[11]。

圖1 HEVC 中低延遲（LD）編碼結(jié)構(gòu)

圖2 HEVC 中隨機接入（RA）編碼結(jié)構(gòu)

圖1 和圖2 顯示的LD 和RA 配置是早 于HM16.11 的HEVC 參考編碼器的默認(rèn)分層預(yù)測結(jié)構(gòu)。以LD 編碼結(jié)構(gòu)為例，LD 編碼有三種不同的層次，如圖1 所示。直觀地看，圖f4n屬于零層，圖f4n+2屬于一層，圖f4n+1和f4n+3屬于第二層。RA 編碼結(jié)構(gòu)類似，分為4 個層次，如圖2所示。在HM16.11 之后，RA 編碼結(jié)構(gòu)的GOP=16，并且分為5 個不同的層次。從這兩種編碼結(jié)構(gòu)中可以看出，同一個層次視頻序列之間的聯(lián)系相對于不同層次視頻序列之間聯(lián)系更加緊密，由此可以判斷出R-λ 模型中屬于同一層次視頻序列的參數(shù)α和β具有相似的變化規(guī)律。因此，本文根據(jù)使用的編碼結(jié)構(gòu)，將視頻序列按照視頻幀所在的預(yù)測層分為不同的模型，則不同層之間的R-λ 模型為：

式中：Rk、λk、αk和βk分別為第k層的實際編碼比特R、第k層的拉格朗日乘子λ、第k層的模型參數(shù)α和β。

結(jié)合2.1 節(jié)利用公式得到每個編碼序列的運動特征和紋理特征的值。從實驗中觀察出，同一層次的模型參數(shù)α和β可以分別通過以下模型來計算：

式中：αk和βk分別表示第k層參數(shù)α和第k層參數(shù)β；γk表示第k層的α和β的模型參數(shù)；MOTIONk和TEXTUREk分別表示第k層編碼序列運動特征和紋理特征的值。

將JCTVC 提供的視頻序列classD 作為測試序列。對同一個序列使用8 個不同的量化參數(shù)QP 編碼，編碼的每一幀圖片有不同的實際編碼比特R和拉格朗日乘子λ，根據(jù)R-λ 模型，使用編碼出的每一幀圖片的比特R和拉格朗日乘子λ擬合出參數(shù)α和β的準(zhǔn)確值，將準(zhǔn)確值與使用式（13）和式（14）的模型計算出的α和β對比，判斷所建關(guān)系的合理性。

使用R2表示模型的估計誤差，R2是用于測量給定模型數(shù)據(jù)變化程度的量[12]，其定義為：

式中：Xi和分別為數(shù)據(jù)點的實際值和估計值為數(shù)據(jù)點的平均值，使用模型獲得估計值。對于任何合理的模型，期望式（15）右側(cè)的估計值小于1，因此R2取0～1之間的值。R2的值越接近1，模型越好。如表1 所示，所有的測試序列的R2都大約等于0.99，說明提出的模型能夠很好地表示參數(shù)α和β與圖像內(nèi)容特征的關(guān)系。α和β模型的準(zhǔn)確度如表1 所示。

表1 α和β 模型的準(zhǔn)確度（R2）

3 實驗結(jié)果

為了驗證本文所提改進的λ域碼率估計模型的準(zhǔn)確性，將改進的λ域碼率估計模型集成到HEVC 參考軟件HM-16.20 的碼率控制算法中，并與HM-16.20 本身的碼率控制算法進行對比，JCTVC-K1003 中提出的碼率估計模型已經(jīng)集成到了HEVC 參考軟件中，所以在本文的比較實驗中，共有兩種碼率估計模型。

1）JCTVC-K1003。JCTVC-K1003 中提出的碼率估計模型應(yīng)用在HM-16.20 的碼率控制算法中。

2）PicAdaRateEst。本文提出的改進λ域碼率估計模型應(yīng)用在HM-16.20 的碼率控制算法中。

實驗使用的序列來自JCTVC 提供的視頻序列[13]classD，包括 BasketballPass、BlowingBubbles、BQSquare 以及RaceHorses，并且這4 個序列的分辨率均為416×240，其中BasketballPass 和BlowingBubbles 的幀率為50 f/s，BQSquare 為60 f/s，RaceHorses 為30 f/s。基于HEVC 通用測試條件下的LD（Low Delay，低延遲）配置編碼環(huán)境。按照視頻幀所在的預(yù)測層將視頻序列分為三層。實驗中使用的目標(biāo)碼率為HEVC 通用測試條件生成Anchor 碼流的碼率，使用LD 配置下的分層編碼結(jié)構(gòu)進行測試。實驗主要從改進的R-λ模型的碼率相對誤差以及亮度峰值信噪比（PSNR）兩方面進行評估和分析。對比JCTVC-K1003中碼率估計方法和本文改進的λ域碼率估計方法的模型精確度以及編碼的性能。

使用碼率相對誤差[14]Rerr描述R-λ 模型的精確度，它的計算公式為：

式中：Rtar和Ract分別表示目標(biāo)碼率和實際編碼的碼率；Rerr越小表示碼率估計的模型越準(zhǔn)確。

使用編碼輸出的峰值信噪比[15]描述本文所提方法的編碼性能，編碼輸出的峰值信噪比客觀反映了編碼后重建視頻質(zhì)量的好壞問題，編碼輸出峰值信噪比越高，編碼后重建視頻質(zhì)量就越好。

表2列出了不同測試序列在4個目標(biāo)碼率下JCTVCK1003 和PicAdaRateEst 兩種碼率估計方法準(zhǔn)確度和性能測試的結(jié)果。從表中可以看出，JCTVC-K1003 標(biāo)準(zhǔn)的平均Y-PSNR 為34.35 dB，本文所提碼率估計方法的平均Y-PSNR 為34.50 dB，本文提出的方法相對于JCTVCK1003 標(biāo)準(zhǔn)的Y-PSNR 提高了0.15 dB。JCTVC-K1003碼率估計模型的相對誤差平均為0.718%，本文提出的方法平均為0.068%，本文提出的方法相對于JCTVCK1003 碼率估計模型的平均誤碼率下降了0.65%。

表2 兩種碼率估計方法的準(zhǔn)確度和性能比較

4 結(jié)語

一個準(zhǔn)確的R-λ 模型對于視頻編碼的優(yōu)化是至關(guān)重要的，直接影響到編碼的性能以及視頻編碼的質(zhì)量。本文基于R-λ 模型，將其參數(shù)α和β建立為圖像運動特征和紋理特征的模型，避免了因編碼序列劇烈運動或發(fā)生場景變化而導(dǎo)致的模型不準(zhǔn)確的問題，使R-λ 模型具有圖像自適應(yīng)性。實驗結(jié)果表明，該方法與JCTVCK1003 標(biāo)準(zhǔn)中碼率估計的方法相比，相同條件下平均碼率誤差下降了0.65%，平均亮度峰值信噪比增益提高了0.15 dB。該改進算法能夠提高視頻傳輸?shù)馁|(zhì)量和碼率穩(wěn)定性，在實際應(yīng)用中具有一定的潛力和價值。