H.264的技術(shù)優(yōu)勢及在H.323系統(tǒng)中的應用

一、引言

近年來，隨著我國通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施的快速建設(shè)，視訊業(yè)務由于可以為處于多點的與會者提供音視頻等多種信息，節(jié)省大量費用，提高工作效率，因而發(fā)展迅速，并有望成為NGN的主要業(yè)務。視訊會議系統(tǒng)從產(chǎn)生至今，發(fā)展了多種適于各類通信網(wǎng)絡(luò)的系統(tǒng)，目前傳輸多媒體信息的主要有H.323、H.324和H.320等系統(tǒng)。IP技術(shù)的開放性特點使得它非常適合承載多種業(yè)務，隨著IP的安全和QoS等問題的逐步解決，以IP作為承載網(wǎng)的優(yōu)勢將更加明顯，下一代網(wǎng)絡(luò)也將采用IP技術(shù)作為承載網(wǎng)技術(shù)。因此，本文以適用于在IP網(wǎng)上提供多媒體業(yè)務的H.323系統(tǒng)為主進行闡述。H.264是由JVT為實現(xiàn)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。事實證明，H.264編碼更加節(jié)省碼流，它內(nèi)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(tǒng)中首選的視頻標準。

H.323系統(tǒng)對視頻編解碼標準提出了以下三個主要要求：

（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(shù)據(jù)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線網(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(tǒng)的三個技術(shù)優(yōu)勢

H.264在制定時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(jié)合H.323系統(tǒng)對視頻編解碼技術(shù)的要求，闡述H.264的三個優(yōu)勢。

1. 壓縮率和圖像質(zhì)量方面

對傳統(tǒng)的幀內(nèi)預測、幀間預測、變換編碼和熵編碼等算法的改進，使H.264的編碼效率和圖像質(zhì)量在以往標準的基礎(chǔ)上進一步提高。

（1）可變塊大小：幀間預測時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，又可進一步采用8×4、4×8、4×4三種子宏塊劃分模式進一步劃分，這樣可以使運動物體的劃分更加精確，減小預測誤差，提高編碼效率。幀內(nèi)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(jié)豐富的區(qū)域，而Intra_16×16模式更適合粗糙的圖像區(qū)域。

（2）高精度運動估值：在H.264中亮度信號運動補償預測的精度是1/4像素。如果運動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濾波器的線性內(nèi)插獲得1/2像素位置的預測值，通過取整數(shù)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估計會進一步減小幀間預測誤差。

（3）多參考幀運動估值：每一個M×N亮度塊都要經(jīng)過運動補償預測得到運動矢量和參考圖像索引，子宏塊中的每個子宏塊劃分都會有不同的運動矢量。選擇參考圖像過程是在子宏塊層次上進行的，因而一個子宏塊中的多個子宏塊劃分在預測時使用相同的參考圖像，而同一個slice的多個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行預測，從而可以減小預測誤差。

（5）加權(quán)預測：允許編碼器以一定的系數(shù)對運動補償預測值進行加權(quán)，從而在一定的場景下可以提高圖像質(zhì)量。

（6）運動補償循環(huán)內(nèi)的消除塊效應濾波器：為消除在預測和變換過程中引入的塊效應，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估計循環(huán)內(nèi)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，從而進一步提高預測精度。

2. 抗丟包和抗誤碼方面

參數(shù)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(tǒng)的抗丟包和抗誤碼性能。

（1）參數(shù)集：參數(shù)集及其靈活的傳送方式會大大降低因關(guān)鍵的頭信息丟失而造成錯誤發(fā)生的可能。為保證參數(shù)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(shù)集，或傳送多個參數(shù)集。

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

（3）PAFF和MBAFF：當對隔行掃描圖像進行編碼時，由于兩個場之間存在較大的掃描間隔，這樣，對運動圖像來說幀中相鄰兩行的空間相關(guān)性相對于逐行掃描時就會減小，這時對兩個場分別進行編碼會更節(jié)省碼流。對幀來說，存在三種可選的編碼方式，將兩場合并作為一幀進行編碼或?qū)蓤龇謩e編碼或?qū)蓤龊喜⑵饋碜鳛橐粠?，但不同的是將幀中垂直相鄰的兩個宏塊合并為宏塊對進行編碼。前兩種稱為PAFF編碼，對運動區(qū)域進行編碼時場方式有效，非運動區(qū)域由于相鄰兩行有較大的相關(guān)性，因而幀方式會更有效。當圖像同時存在運動區(qū)域和非運動區(qū)域時，在MB層次上，對運動區(qū)域采取場方式，對非運動區(qū)域采取幀方式會更加有效，這種方式就稱為MBAFF。

（4）FMO：通過FMO可以進一步提高片的差錯恢復能力。通過片組（slice group）的使用，F(xiàn)MO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片組。利用FMO技術(shù)，H.264定義了七種宏塊掃描模式。

（1）幀內(nèi)預測：H.264借鑒了以往視頻編解碼標準在幀內(nèi)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效，之后的圖像在解碼時不再參考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圖像的方式進一步提高H.264的抗誤碼和抗丟包性能。