[发明专利]用于在视频编码系统中指示量化器参数的方法与设备

说明书

本申请是以申请日为2003年4月23日，申请号为03809010.4的申请为基础的分案申请。

技术领域

本发明涉及一种用于数字视频编码的方法、编码器、解码器和设备。更具体地说，本发明涉及在视频编码系统中量化参数(QP)值的指示。

背景技术

数字视频序列类似记录在胶片上的常规影片，它包括一个静止图像序列，通常通过以一个在15和30帧/秒之间的速率连续地显示所述图像来产生运动的错觉。一个未压缩数字视频序列的每一帧包括一个图像像素阵列。在一个通常使用的数字视频格式中，例如，四分公共互换格式(QCIF)，一帧包括176×144像素的一个阵列(即25,344像素)。接着，每个像素由某一数量的比特来表示，这些比特携带有关对应于像素的图像区域的亮度和/或颜色内容的信息。通常，一个称为YUV的颜色模型被用于表示图像内容的亮度和色度。辉度或者说是Y分量表示图像的强度(亮度)，而图像的颜色内容由标记为U和V的两个色度或颜色差别分量来表示。

与基于包括原始颜色(即红、绿和蓝、RGB)表示的颜色模型相比，基于图像内容的辉度/色度表示的颜色模型提供某些优点。与人的视觉系统对颜色变化的敏感度相比，人的视觉系统对强度变化更敏感，并且通过对于色度分量(U，V)比对于亮度分量(Y)使用一个更低的空间分辨率，YUV颜色模型利用此性质。用这种方式，以一个可接受的图像质量降低，可以降低在图像中编码颜色信息所需要的信息量。

通常通过次抽样来获得色度分量的更低空间分辨率。典型地，视频序列的每一帧被分成称为″宏块(macroblock)″的块中，它们包括辉度(Y)信息和相关的色度(U，V)信息，其被空间次抽样。图1举例说明了可以形成宏块的一种方式。如图1所示，视频序列的一帧使用YUV颜色模型来表示，每个分量具有相同的空间分辨率。通过在原始图像中表示一个16×16图像像素区域来形成宏块作为四块辉度信息，每个辉度块包括一个8×8阵列的辉度(Y)值和两个空间相应的色度分量(U和V)，它们在水平和垂直方向上通过因子二被次抽样，以产生8×8色度(U，V)值的对应阵列。根据某些视频编码建议，诸如国际电信联盟(ITU-T)建议H.26L之类的，在宏块内使用的块尺寸可以是不同于8×8的尺寸，例如4×8或4×4(参见T.Wiegand，″Joint Model Number 1″，Doc.JVT-A003，Joint VideoTeam(JVT)of ISO/IEC MPEG and ITU-T VCEG，2002年1月，第2.2和2.3节)。ITU-T建议H.26L还允许宏块被组织在一起以便形成称为″slice″(片段)的片。更具体地说，按照编码顺序从多个连续的宏块中形成每个片段，并以这样的方式被编码以使不必参考同一帧的任何其它片段就能够独立地解码它。此方案是有利的，因为它倾向于限制人为现象在可能由于传输差错引起的解码视频中的传播。虽然对于其中可以构成片段的方式没有具体的限制，但是一个简单的方案是把所有的宏块作为一个片段一起归组在一帧的一行中。在图2中说明了这个方案和把一个QCIF格式图像分成16×16个宏块。

正如能够从图2中看到的那样，一个QCIF图像包括11×9个宏块(在这种情况下，每个被归组成为11个连续宏块的9个片段)。如果用8比特分辨率表示辉度块和色度块(其数目在范围0到255内)，则每一宏块所需要的比特总数是(16×16×8)+2×(8×8×8)＝3072比特。以QCIF格式表示一个图像帧所需的比特数目因此是99×3072＝304,128比特。这意味着以QCIF格式发射/记录/显示一个未压缩的视频序列所需要的数据量(以30帧/秒的速率、使用一个YUV颜色模型来表示)大于9Mbps(百万比特/秒)。这是一个很高的数据速率并且由于所需要的极大存储容量、发射信道能力和硬件性能，所以用于在视频记录、发射和显示应用中使用是不切实际的。

如果视频数据要在诸如ISDN(综合业务数字网)或传统PSTN(公用交换电话网)之类的固定线路网上实时发射，则可用数据发射带宽典型的大约为64kbits/s。在移动视频电话中，其中发射至少部分地发生在无线电通信链路上，可用带宽会低至20kbits/s。这意味着必须达到被使用来表示视频数据的信息量中的一个重要降低，以便启动通过低带宽通信网的数字视频序列的传输。由于这个原因，已经开发了在保持一个可接受图像质量的同时减少所发射信息量的视频压缩技术。