[发明专利]位平面编码和解码方法

说明书

本申请是国际申请日为2004年9月3日、国际申请号为PCT/US2004/029032、中国国家申请日为2004年9月3日、申请号为200480025588.0、发明名称为“用于AC预测状态以及宏块半帧/帧编码类型信息的位平面编码和解码”的专利申请的分案申请。

技术领域

描述了用于视频编码和解码的技术和工具。例如，编码器位平面编码AC预测状态信息。作为另一示例，一编码器用信号表示用于隔行扫描帧编码图片中的宏块的半帧/帧变换类型。一解码器执行相应的解码。

背景技术

数字视频消耗大量存储和传输容量。典型的原始数字视频序列包括每秒15或30个图片。每张图片可包括几万或几十万个像素(也称象素)。每个像素都表示图片的微小元素。按原始形式，计算机一般用24个比特或以上来表示像素。因此，典型原始数字视频序列的每秒比特数或比特率可以是5百万比特/秒或以上。

多数计算机或计算机网络缺乏资源来处理原始数字视频。为此，工程师使用压缩(也称作译码或编码)来降低数字视频的比特率。压缩可以是无损的，其中不损害视频质量而是通过视频的复杂性限制比特率的减小。或者，压缩可以是有损的，其中损害视频质量而比特率的减小更惊人。解压缩和压缩正好相反。

一般，视频压缩技术包括“帧内”压缩和“帧间”或预测压缩。对于视频帧，帧内压缩技术压缩个别帧，通常称作I帧或关键帧。帧间压缩技术参考先前的和/或后面的帧对帧进行压缩，且帧间压缩的帧通常被称作预测帧、P帧或B帧。

I.Windows Media Video版本8和9中的帧间和帧内压缩

微软公司的Windows Media Video版本8[WMV8]包括一视频编码器和一视频解码器。WMV8编码器使用帧内和帧间压缩，且WMV8解码器使用帧内和帧间解压缩。Windows Media Video版本9[WMV9]使用类似的架构用于许多操作。

A.帧内压缩

图1A示出了WMV8编码器内关键帧中的像素块105的基于块的帧内压缩100。块是一组像素，例如一8×8像素排列。WMV8编码器将关键视频帧分成8×8的像素块并将8×8离散余弦变换[DCT]110应用于诸如块105的各块。DCT是一种频率变换类型，它将8×8的像素块(空间信息)转换成作为频率信息的DCT系数115的8×8块。DCT操作自身是无损或接近无损的。但与原始像素值相比，DCT系数使编码器更有效地压缩，因为多数有效信息被集中于低频系数(常规地，块115的左上部分)且许多高频系数(常规地，块115的右下部分)具有零值或接近于零。

随后，编码器量化DCT系数(120)，形成量化DCT系数125的8×8块。例如，编码器向每个系数应用均匀的标量量化步长。量化是有损的。由于低频DCT系数趋于具有较高的值，量化造成精度损失但不造成用于系数的信息的损失。另一方面，由于高频DCT系数趋于具有零值或接近于零，所以高频系数的量化通常形成零值的连续区域。此外，在一些情况下，与低频DCT系数相比，更粗糙地量化高频DCT系数，对高频DCT系数造成精度/信息的更大损失。

随后，编码器为熵编码准备量化DCT系数125的8×8块，熵编码是一种无损压缩形式。熵编码的准确类型可根据系数是DC系数(最低频率)、上行或左列中的AC系数(其它频率)还是其它AC系数而变化。

编码器编码DC系数126，作为与邻近的8×8块的DC系数的差，它是正被编码的块的先前编码的近邻(例如，上面或左面)。(图1A示出了位于帧中正被编码的块的左面的近邻块135)。编码器熵编码(140)该差。

熵编码器可编码AC系数的左列或上行，作为与邻近8×8块的相应左列或上行的差。这是AC系数预测的示例。图1A示出了作为与邻近(实际上，左面)块135的左列137的差147被编码的AC系数的左列127。差分编码增加了差分系数具有零值的机会。其余AC系数来自于量化DCT系数的块125。

图1B示出了用于I帧内的8×8块的AC预测候选。对于上预测，上邻近块175的AC系数的上行177被用作量化DCT系数的块125中的AC系数的上行129的预测值。对于左预测，左邻近块135中AC系数的最左列137被用作为块125中AC系数的最左列的预测值。

在一些模式中，在差分值的计算或与差分值组合之前，AC系数预测值被缩放或另外处理。