[发明专利]用于使用运动补偿时域滤波的视频编码中的更新步骤的方法和装置

说明书

技术领域

本发明一般涉及视频编码，并且特别涉及使用运动补偿时域滤波的视频编码。

背景技术

数字视频出于存储和广播的目的而被压缩，使得经过压缩的结果视频可以存储在较小的空间中。

数字图像序列，例如记录在胶片上的普通运动图像，包括静态图像序列，并且运动的幻像是通过以相对快速的帧率一个接一个地显示图像而产生的，通常的帧率是15到30帧每秒。压缩数字视频的普遍方法是利用这些连续图像之间的冗余(也即，时间冗余)。在给定时刻的典型视频中，与一些运动物体结合有缓慢摄像机移动或者是没有结合摄像机移动，并且连续的图像具有相似的内容。只传输连续图像之间的差异是有益的。被称为预测误差帧E_n的差异帧是当前帧I_n和参考帧P_n之间的差异。预测误差帧由下式给出：

E_n(x，y)＝I_n(x，y)-P_n(x，y).

其中n是帧号，(x，y)代表像素坐标。预测误差帧也被称为预测残差帧。在通常的视频编解码中，差异帧在传输之前被压缩。压缩是通过离散余弦变换(DCT)和霍夫曼编码或者类似方法实现的。

由于待压缩的视频包含运动，因此两个连续图像相减并不总是得到最小的差异。例如，当摄像机进行摇摄时，整个场景都在变化。为了补偿运动，被称为运动向量的位移(Δx(x，y)，Δy(x，y))被添加到前面帧的坐标中。预测误差因而变为：

E_n(x，y)＝I_n(x，y)-P_n(x+Δx(x，y)，y+Δy(x，y)).

在实践中，视频编解码中的帧被划分为块，并且对于每个块只有一个运动向量被传输，使得同一运动向量用于一个块中的所有像素。为一帧中的每个块找到最佳运动向量的过程称为运动估计。一旦运动向量可用，计算P_n(x+Δx(x，y)，y+Δy(x，y))的过程被称为运动补偿，并且所计算的项P_n(x+Δx(x，y)，y+Δy(x，y))被称为运动补偿预测。

在上文描述的编码机制中，参考帧P_n可以是之前编码帧中的一个。在这种情况下，P_n在编码器和解码器处都是已知的。这种编码架构称为闭环。

P_n也可以是原始帧中的一个。在这种情况下，编码架构被称为开环。由于原始帧只在编码器处可用而在解码器处不可用，所以在利用开环架构的预测过程中可能有漂移。漂移是指由于不同的帧被用作参考而导致的编码器和解码器之间的预测P_n(x+Δx(x，y)，y+Δy(x，y))的不匹配(或者说差异)。无论如何，开环架构在视频编码中，特别是可伸缩视频编码中越来越常用，这是因为开环架构使得有可能通过使用提升(lifting)步骤来获得视频的时域可伸缩表示，从而实现运动补偿时域滤波(也即，MCTF)。

图1a和图1b示出了使用提升步骤的MCTF的基本结构，其同时示出了使用提升结构的MCTF的分解过程和合成过程。在这些图中，I_n和I_n+1是原始的相邻帧。

提升包括两个步骤：预测步骤和更新步骤。它们在图1a和图1b中分别被标记为P和U。图1a是分解(分析)过程，图1b是合成(综合)过程。分解过程中的输出信号和合成过程中的输入信号是H和L信号。H和L信号由以下公式得到：

H＝I_n+1-P(I_n)

L＝I_n+U(H)

预测步骤P可被视为运动补偿。P的输出，也即P(I_n)，是运动补偿预测。在图1a中，H是基于来自帧I_n的预测的帧I_n+1的时域预测残差。H信号一般包含原始视频信号的时域高频分量。在更新步骤U中，为了产生时域低频分量L，H中的时域高频分量被反馈到帧I_n。出于这个原因，H和L分别被称为时域高频带信号和时域低频带信号。

在图1b中所示的合成过程中，重建帧I’_n和I’_n+1通过以下操作得到：

I’_n＝L-U(H)

I’_n+1＝H+P(I’_n)