[发明专利]用于多层视频编码和解码的方法和设备

说明书

技术领域

符合本发明的设备和方法涉及视频压缩方法，并更具体地，涉及用于有效消除视频帧内的冗余度的预测方法、以及利用该预测方法的视频压缩方法和设备。 

背景技术

随着包括因特网的信息通信技术的发展，视频通信以及文本和语音通信已得到显著增长。传统文本通信不能满足用户的各种需求，并由此可提供例如文本、画面、和音乐的各种类型信息的多媒体服务已得到增长。然而，由于多媒体数据量通常很大，所以多媒体数据需要大容量存储介质和宽传输带宽。因此，为了传输包括文本、视频和音频的多媒体数据，压缩编码方法是必不可少的。 

数据压缩的基本原理是去除数据冗余度。可通过去除其中在图像中重复同一颜色或对象的空间冗余度、其中在活动图像中的相邻帧之间存在微小变化或在音频中重复同一声音的时间冗余度、或考虑到人的视力及其对于高频变化的有限感知的精神视觉(mental visual)冗余度，而压缩数据。 

越来越多的注意力正集中到比MPEG-4编码提供显著改进的压缩效率的H.264或先进视频编码(AVC)上。作为被设计为改进压缩效率的一种方案的H.264使用定向帧内预测，来去除帧内的空间相似性。 

定向帧内预测涉及通过使用当前子块的上边和左边的像素沿预定方向复制像素而预测该当前子块的值，并仅对该当前子块和预测值之间的差值进行编码。 

在H.264中，基于先前编码的块而生成当前块的预测块，并最终对当前块和预测块之间的差值进行编码。对于亮度(luma)分量，对于每一4×4或16×16宏块生成预测块。对于每一4×4luma块，存在9种预测模式。对于每一16×16块，4种预测模式是可用的。 

与H.264兼容的视频编码器在可用预测模式之中选择使得当前块和预测 块之间的差值最小化的每一块的预测模式。 

对于4×4块的预测，H.264使用9种预测模式，包括8种定向预测模式0、1、和3-8，还包括利用图1所示8个相邻像素的平均值的DC预测模式2。 

图2示出了用于解释这9种预测模式的为预测样本A到M贴标签(labeling)的示例。在该情况下，使用先前解码的样本A到M来形成预测块(包括a到p的区域)。如果样本E、F、G和H不可用，则样本D将被复制到他们的位置处，以实际上形成样本E、F、G和H。 

现在将参考图3更全面地描述图1所示这9种预测模式。 

对于模式0(垂直)和模式1(水平)，通过从上边的样本A、B、C和D以及从左边的样本I、J、K和L分别进行外插，而形成预测块的像素。对于模式2(DC)，由上边和左边样本A、B、C、D、I、J、K和L的平均值来预测预测块的所有像素。 

对于模式3(对角左下)，通过从右上角到左下角沿45度角进行内插，而形成预测块的像素。对于模式4(对角右下)，通过从左上角到右下角沿45度角进行外插，而形成预测块的像素。对于模式5(垂直右)，通过从上缘向下缘稍微向右漂移沿大约26.6度角(宽度/高度＝1/2)进行外插，而形成预测块的像素。 

在模式6(水平下)中，通过从左缘向右缘稍微向下漂移沿大约26.6度角进行外插，而形成预测块的像素。在模式7(垂直左)，通过从上缘向下缘稍微向左漂移沿大约26.6度角(宽度/高度＝1/2)进行外插，而形成预测块的像素。在模式8(水平上)中，通过从左缘向右缘稍微向上漂移沿大约26.6度角(宽度/高度＝2/1)进行外插，而形成预测块的像素。 

在每一模式中，箭头指明导出预测像素的方向。可由参考样本A到M的加权平均值来形成预测块的样本。例如，可由以下等式(1)来预测样本d： 

d＝round(B/4+C/2+D/4)                           ...(1) 

其中round()是将值四舍五入为整数值的函数。 

存在四种预测模式0、1、2和3，来预测宏块的16×16luma分量。在模式0和模式1中，通过从上边样本H和从左边样本V分别进行外插，而形成预测块的像素。在模式2中，由上边和左边样本H和V的平均值来计算预测块的像素。最后，在模式3中，利用拟合到上边和左边样本H和V的线性 “plane”函数，而形成预测块的像素。模式3更适于具有平滑变化的亮度的区域。 

和试图改进视频编码效率一起，正对于支持可伸缩性的视频编码方法进行积极研究，该可伸缩性就是根据各种网络环境调整所传输的视频数据的分辨率、帧速率、和信噪比(SNR)的能力。