摘 要： 通過分析在H.264/AVC中預(yù)測初始量化參數(shù)的方法過于簡單,，導(dǎo)致視頻序列整體編碼量化參數(shù)和重建圖像PSNR的波動，甚至PSNR急劇下降的問題,，利用基于Cauchy分布的R-Q模型,，結(jié)合I幀圖像復(fù)雜度建立R-C-Q模型，提出了自適應(yīng)的初始量化參數(shù)預(yù)測算法,。該算法能夠根據(jù)不同視頻序列的特性,，準(zhǔn)確地預(yù)測I幀的初始量化參數(shù)，有效地抑制視頻序列的整體量化參數(shù)及PSNR的波動,，從而提高碼率控制精度和重建圖像質(zhì)量,。
關(guān)鍵詞： H.264/AVC,；碼率控制；初始量化參數(shù)
隨著數(shù)字視頻技術(shù)的快速發(fā)展,，在人們?nèi)粘９ぷ魃钪谐霈F(xiàn)了形式多樣的視頻應(yīng)用,，這些視頻業(yè)務(wù)給現(xiàn)有的存儲資源和通信系統(tǒng)帶來了巨大的挑戰(zhàn)。H.264/AVC是目前使用最廣泛的視頻編碼標(biāo)準(zhǔn),，因在碼率控制和率失真優(yōu)化過程之間存在編碼參數(shù)的依賴關(guān)系,，使其碼率控制技術(shù)也更加復(fù)雜，如何提高碼率控制精度,，更好地平衡編碼效率和圖像質(zhì)量之間的關(guān)系,，成為碼率控制領(lǐng)域的研究熱點。
1 初始量化參數(shù)分析
初始量化參數(shù)（QP0）是指編碼視頻序列的I幀所使用量化參數(shù),，在H.264/AVC的JVT-G012碼率控制算法提案中,，初始量化參數(shù)QP0采用兩種方法進(jìn)行預(yù)測：（1）預(yù)先定義的方法，QP0取值范圍為0~51,；（2）在沒有預(yù)先定義的情況下,，在參考軟件JM10.1中，QP0根據(jù)每像素的比特數(shù)bpp（bits per pixel）將信道分成4個級別,，不同的級別采用不同的初始量化參數(shù),，通過式（1）計算，bpp由式（2）確定,。
其中,，Rtarget為當(dāng)前可用的信道帶寬，即目標(biāo)比特數(shù),；f為編碼時的幀率,；Npixel為每幀圖像的像素個數(shù)。l1,、l2,、l3為經(jīng)驗常數(shù)，對于QCIF視頻格式,，取l1=0.1，l2=0.3,，l3=0.6,；CIF視頻格式，取l1=0.2,，l2=0.6,，l3=1.2；其他比CIF大的視頻格式,，取l1=0.6,，l2=1.4,，l3=2.4。由式（1）,、（2）可知,，對于相同視頻格式不同圖像內(nèi)容的視頻序列，在信道帶寬,、幀率相同的情況下,，將使用相同的初始量化參數(shù)。
在編碼前預(yù)定義QP0,，如果取值過小,，編碼I幀將占用過多的目標(biāo)比特數(shù)，為了避免編碼緩沖區(qū)上溢,，在編碼GOP中后續(xù)的圖像時,，就會持續(xù)增加量化參數(shù)，以減少后續(xù)圖像編碼碼率,，導(dǎo)致圖像質(zhì)量急劇下降,。另一方面，如果取值過大,，就會浪費信道帶寬,，甚至出現(xiàn)緩沖區(qū)下溢造成解碼端延遲，同時增加I幀的圖像失真,，由于I幀是后續(xù)幀的參考幀,，這些后續(xù)幀的重建圖像質(zhì)量也會相應(yīng)下降。顯然,，在視頻編碼之前預(yù)先設(shè)定QP0,，不能充分考慮視頻序列的特征，要設(shè)定合適的QP0是比較困難的,。
在不預(yù)先設(shè)定QP0的情況下,，分別選取Akiyo和Foreman兩個標(biāo)準(zhǔn)視頻序列，實驗參數(shù)設(shè)置為信道帶寬64 Kb/s,，幀率30 f/s,，視頻格式QCIF，序列結(jié)構(gòu)Ippp,，編碼幀數(shù)100,。實驗結(jié)果如圖1和圖2所示。
如圖1所示,，兩個序列都采用了相同的QP0（QP0＝35）,。對于Foreman序列，QP0接近序列的平均量化參數(shù)（QPave=36）,，整個序列的量化參數(shù)和PSNR波動不大,，如圖2所示,。而Akiyo序列的平均量化參數(shù)為25，QP0與QPave之間的差為10,，導(dǎo)致整個序列的PSNR和QP的劇烈波動,。
由于視頻序列中I幀的圖像復(fù)雜度不同，采用相同的方式確定初始量化參數(shù),，勢必會影響碼率控制的精度,，造成重建圖像質(zhì)量的波動甚至下降。
2 I幀的R-C-Q模型
視頻序列中I幀沒有參考幀,，使用幀內(nèi)預(yù)測方式編碼,，因此應(yīng)考慮不同圖像的特性來預(yù)測QP0。通常在給定相同的信道帶寬時,，對于空間紋理復(fù)雜或運動劇烈的視頻序列,，需要較大的QP0，反之則對于空間內(nèi)容簡單或運動緩慢的視頻序列,，則選擇較小的QP0,。
參考文獻(xiàn)[1]中提出Cauchy分布比Laplace分布更接近殘差圖像DCT變換系數(shù)的實際分布情況，尤其是幀內(nèi)編碼的圖像,，使用基于Cauchy分布的熵函數(shù)能使碼率估計的準(zhǔn)確度得到很大提高,，Cauchy熵函數(shù)可通過R-Q模型近似得到。
基于Cauchy分布的R-Q模型為：
其中,，Rtotal為目標(biāo)比特數(shù),，包括頭比特數(shù)和紋理比特數(shù)；Qstep為量化步長,；C為模型參數(shù),，與編碼圖像的內(nèi)容相關(guān)，本文將其表示為圖像復(fù)雜度,；?茁（?茁<0）為與DCT系數(shù)分布相關(guān)的常數(shù),，當(dāng)編碼I幀時，取值為{-0.75,，-0.8,，-0.85}。
假設(shè)在時間間隔ΔT內(nèi)編碼幀數(shù)為N,，信道帶寬為B,，C?琢表示N個幀的平均復(fù)雜度，則有：
為了驗證式（7）中QPave的有效性,，選擇QCIF（Akiyo、Foreman,、Mobile）及CIF（News,、Waterfall,、Bus）格式的標(biāo)準(zhǔn)測試序列，這些序列包含從簡單到復(fù)雜的紋理細(xì)節(jié)和從低到高的運動強度,。在不同的信道帶寬下,，對每個序列（QCIF：60~800 kb/s，CIF：80~1 600 kb/s）進(jìn)行測試,。圖3所示為序列實際編碼的QPave和信道帶寬B的線性擬合結(jié)果,。圖中圓點代表序列在不同帶寬下編碼的QPave；相關(guān)系數(shù)R2表示線性擬合的準(zhǔn)確度,，其值越接近1說明樣本值越接近線性關(guān)系,。從實驗結(jié)果可以看到在不同序列的和信道帶寬之間接近線性關(guān)系，說明最佳QP0可以通過式（6）得到,。
3 I幀圖像復(fù)雜度
為了得到最佳QP0,，在編碼視頻序列前首先要確定I幀的圖像復(fù)雜度。目前有多種圖像復(fù)雜度測量方法,，在參考文獻(xiàn)[3]中將這些方法分為4類：基于方差的方法,、DCT系數(shù)的方法、邊緣強度的方法和梯度的方法,，這些方法在編碼前都不需要進(jìn)行預(yù)處理,，對4種方法的計算復(fù)雜度和性能進(jìn)行比較，結(jié)果顯示基于梯度的方法最有效,。通常圖像的梯度用于測量圖像局部的變化,，圖像的亮度和色度直方圖則反映了圖像全局的變化，參考文獻(xiàn)[4]中用實驗驗證了通過結(jié)合圖像局部和全局的變化信息,，其結(jié)果能更好地表示編碼圖像的復(fù)雜度,。因此，本文借簽參考文獻(xiàn)[4]中方法,，結(jié)合梯度和直方圖計算I幀的圖像復(fù)雜度,。
如圖3所示，在相同的信道帶寬下,，QCIF和CIF序列的QP0明顯不同,，即使是相同格式序列的QP0也存在較大差異，QP0的差異是由I幀的圖像復(fù)雜度不同造成的,。用式（11）計算所有測試序列的最佳QP0,，實驗結(jié)果如圖4所示，最佳QP0呈線性分布,，這說明式（11）能夠準(zhǔn)確地反映不同內(nèi)容視頻序列I幀的特性,。通過線性擬合方法得到式（11）中的參數(shù)?準(zhǔn)和?漬，分別為?準(zhǔn)＝-6.532，?漬＝51.44,。參數(shù)?滋可根據(jù)應(yīng)用場景進(jìn)行調(diào)整,，對于空間內(nèi)容簡單或運動緩慢的場景，選擇較小值,；反之,，取較大值。
4 實驗結(jié)果及分析
將本文算法寫入JVT-G012參考軟件JM10.1中,，選取QCIF和CIF格式的視頻序列,，參數(shù)設(shè)置如表1所示。QCIF和CIF序列的信道帶寬分別設(shè)定為60~512 kb/s及120~1 024 kb/s,。實驗結(jié)果如表2所示,。
從表2可以看出，本文算法的平均碼率誤差?駐R降低了0.438%,，說明能夠更準(zhǔn)確地控制編碼輸出碼率,。對于不同格式和不同圖像復(fù)雜度的序列，在不預(yù)定義QP0時,，本文算法得到的初始QP0非常接近JM10.1算法的平均QP,，兩者最大誤差僅為3，說明本文的QP0更加準(zhǔn)確,。本文算法有效提高了重建圖像質(zhì)量,，PSNR的增益最高達(dá)到1.31 dB，平均PSNR增益達(dá)到0.61 dB,，由于本文算法在編碼前僅需要計算視頻序列第一個I幀的圖像復(fù)雜度,，計算復(fù)雜度增加有限，序列每幀的編碼時間僅比JM10.1平均增加了0.47%,。
本文分析了JVT-G012碼率控制提案中預(yù)測初始量化參數(shù)的方法過于簡單,、沒有考慮不同I幀圖像特性的問題，提出了基于Cauchy分布R-Q模型的自適應(yīng)初始量化參數(shù)預(yù)測方法,。實驗結(jié)果表明,，本文算法減少了視頻序列整體的量化參數(shù)和PSNR的波動，在提高碼率控制精度的同時,，保持了穩(wěn)定的重建圖像質(zhì),。
參考文獻(xiàn)
[1] KAMACI N， ALTINBASAK Y,， MERSEREAU R M. Frame bit allocation for the H.264/AVC video coder via cauchy density-based rate and distortion models[J]. IEEE Transactions on Circuits and System for Video Technology,， 2005，15（8）：994-1006.
[2] Ma Siwei,， Gao Wen,， Lu Yan. Rate-distortion analysis for H.264/AVC videocoding and its application to rate control[J]. IEEE Transactions on Circuits and System for Video Technology， 2005，15（12）：1533-1544.
[3] KIM W J， YI J W， KIM S D. A bit allocation method based on pictureactivity for still image coding[J].IEEE Transactions on Image Processing,，1999,，8（7）：974-977.
[4] Zhou Yimin， Sun Yu,， Feng Zhidan,， et al. New rate-distortion modeling and efficient rate controlfor H.264/AVC video coding[J]. Signal Processing： Image Communication，2009,，24（5）：345-356.