IPTV是一種利用寬帶網(wǎng)，集互聯(lián)網(wǎng)、多媒體、通訊等多種技術(shù)于一體，向家庭用戶提供包括數(shù)字電視在內(nèi)的多種交互式服務(wù)的嶄新技術(shù)。由于國際上固話運營商都是從最近兩年才興起IPTV熱，所以至今也沒有一個國家在IPTV業(yè)務(wù)方面形成成熟標(biāo)準(zhǔn)，國內(nèi)IPTV業(yè)務(wù)也同樣無標(biāo)準(zhǔn)可循。中國通信標(biāo)準(zhǔn)化協(xié)會(CCSA)IP與多媒體工作委員會IPTV特別工作組于2005年下半年成立，并啟動了對IPTV標(biāo)準(zhǔn)的研究和制訂工作。參加IPTV特別工作組的單位幾乎包含了目前從事IPTV業(yè)務(wù)運營、開發(fā)和研究的國內(nèi)外所有企業(yè)。

　　IPTV最重要的標(biāo)準(zhǔn)就是編解碼標(biāo)準(zhǔn)，編碼直接關(guān)系到解碼，解碼又會影響到機(jī)頂盒。標(biāo)準(zhǔn)化是產(chǎn)業(yè)化成功的前提，之所以目前尚沒有廠家大規(guī)模生產(chǎn)網(wǎng)絡(luò)機(jī)頂盒，一個重要原因就是沒有確定的標(biāo)準(zhǔn)支持。盡管IPTV編解碼標(biāo)準(zhǔn)有很多種，但在中國主要是采用MPEG-4、H.264技術(shù)以及中國提出的具有自主知識產(chǎn)權(quán)的標(biāo)準(zhǔn)AVS，國內(nèi)企業(yè)面臨一場抉擇。

　　1 MPEG-4標(biāo)準(zhǔn)簡介

　　運動圖像專家組MPEG 于1999年2月正式公布了MPEG-4(ISO/IEC14496)標(biāo)準(zhǔn)第一版本。同年年底MPEG-4第二版亦告底定，且于2000年年初正式成為國際標(biāo)準(zhǔn)。MPEG-4與MPEG-1和MPEG-2有很大的不同。MPEG-4不只是具體壓縮算法，它是針對數(shù)字電視、交互式繪圖應(yīng)用、交互式多媒體等整合及壓縮技術(shù)的需求而制定的國際標(biāo)準(zhǔn)。MPEG-4標(biāo)準(zhǔn)將眾多的多媒體應(yīng)用集成于一個完整的框架內(nèi)，旨在為多媒體通信及應(yīng)用環(huán)境提供標(biāo)準(zhǔn)的算法及工具，從而建立起一種能被多媒體傳輸、存儲、檢索等應(yīng)用領(lǐng)域普遍采用的統(tǒng)一數(shù)據(jù)格式。

　　MPEG-4的編碼理念是：MPEG-4標(biāo)準(zhǔn)同以前標(biāo)準(zhǔn)的最顯著的差別在于它是采用基于對象的編碼理念，即在編碼時將一幅景物分成若干在時間和空間上相互聯(lián)系的視頻音頻對象，分別編碼后，再經(jīng)過復(fù)用傳輸?shù)浇邮斩耍缓笤賹Σ煌膶ο蠓謩e解碼，從而組合成所需要的視頻和音頻。這樣既方便我們對不同的對象采用不同的編碼方法和表示方法，又有利于不同數(shù)據(jù)類型間的融合，并且這樣也可以方便的實現(xiàn)對于各種對象的操作及編輯。

　　MPEG-4除采用第一代視頻編碼的核心技術(shù)，如變換編碼、運動估計與運動補償、量化、熵編碼外，還提出了一些新的有創(chuàng)見性的關(guān)鍵技術(shù)，并在第一代視頻編碼技術(shù)基礎(chǔ)上進(jìn)行了卓有成效的完善和改進(jìn)。下面重點介紹其中的一些關(guān)鍵技術(shù)。

　　(1)視頻對象提取技術(shù)

　　MPEG-4實現(xiàn)基于內(nèi)容交互的首要任務(wù)就是把視頻/圖像分割成不同對象或者把運動對象從背景中分離出來，然后針對不同對象采用相應(yīng)編碼方法，以實現(xiàn)高效壓縮。因此視頻對象提取即視頻對象分割，是MPEG-4視頻編碼的關(guān)鍵技術(shù)，也是新一代視頻編碼的研究熱點和難點。

　　盡管MPEG-4 框架已經(jīng)制定，但至今仍沒有通用的有效方法去根本解決視頻對象分割問題，視頻對象分割被認(rèn)為是一個具有挑戰(zhàn)性的難題，基于語義的分割則更加困難。目前進(jìn)行視頻對象分割的一般步驟是：先對原始視頻/圖像數(shù)據(jù)進(jìn)行簡化以利于分割，這可通過低通濾波、中值濾波、形態(tài)濾波來完成;然后對視頻/圖像數(shù)據(jù)進(jìn)行特征提取，可以是顏色、紋理、運動、幀差、位移幀差乃至語義等特征;再基于某種均勻性標(biāo)準(zhǔn)來確定分割決策，根據(jù)所提取特征將視頻數(shù)據(jù)歸類;最后是進(jìn)行相關(guān)后處理，以實現(xiàn)濾除噪聲及準(zhǔn)確提取邊界。

　　(2)VOP視頻編碼技術(shù)

　　視頻對象平面(VOP，Video Object Plane)是視頻對象(VO)在某一時刻的采樣，VOP是MPEG-4視頻編碼的核心概念。MPEG-4在編碼過程中針對不同VO采用不同的編碼策略，即對前景VO的壓縮編碼盡可能保留細(xì)節(jié)和平滑;對背景VO則采用高壓縮率的編碼策略，甚至不予傳輸而在解碼端由其他背景拼接而成。這種基于對象的視頻編碼不僅克服了第一代視頻編碼中高壓縮率編碼所產(chǎn)生的方塊效應(yīng)，而且使用戶可與場景交互，從而既提高了壓縮比，又實現(xiàn)了基于內(nèi)容的交互，為視頻編碼提供了廣闊的發(fā)展空間。MPEG-4支持任意形狀圖像與視頻的編解碼。

　　(3)視頻編碼可分級性技術(shù)

　　隨著因特網(wǎng)業(yè)務(wù)的巨大增長，在速率起伏很大的IP(Internet Protocol)網(wǎng)絡(luò)及具有不同傳輸特性的異構(gòu)網(wǎng)絡(luò)上進(jìn)行視頻傳輸?shù)囊蠛蛻?yīng)用越來越多。在這種背景下，視頻分級編碼的重要性日益突出，其應(yīng)用非常廣泛，且具有很高的理論研究及實際應(yīng)用價值，因此受到人們的極大關(guān)注。

　　MPEG-4通過視頻對象層(VOL，Video Object Layer)數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)分級編碼。MPEG-4提供了兩種基本分級工具，即時域分級(Temporal Scalability)和空域分級(SpatialScalability)，此外還支持時域和空域的混合分級。每一種分級編碼都至少有兩層VOL，低層稱為基本層，高層稱為增強層。基本層提供了視頻序列的基本信息，增強層提供了視頻序列更高的分辨率和細(xì)節(jié)。

　　在隨后增補的視頻流應(yīng)用框架中，MPEG-4提出了FGS(Fine Granularity Scalable，精細(xì)可伸縮性)視頻編碼算法以及PFGS(Progressive Fine Granularity Scalable，漸進(jìn)精細(xì)可伸縮性)視頻編碼算法。

　　FGS編碼實現(xiàn)簡單，可在編碼速率、顯示分辨率、內(nèi)容、解碼復(fù)雜度等方面提供靈活的自適應(yīng)和可擴(kuò)展性，且具有很強的帶寬自適應(yīng)能力和抗誤碼性能。但還存在編碼效率低于非可擴(kuò)展編碼及接收端視頻質(zhì)量非最優(yōu)兩個不足。 PFGS則是為改善FGS編碼效率而提出的視頻編碼算法，其基本思想是在增強層圖像編碼時使用前一幀重建的某個增強層圖像為參考進(jìn)行運動補償，以使運動補償更加有效，從而提高編碼效率。

　　(4)運動估計與運動補償技術(shù)

　　MPEG-4采用I-VOP、P-VOP、B-VOP三種幀格式來表征不同的運動補償類型。它采用了H.263中的半像素搜索(half pixel searching)技術(shù)和重疊運動補償(overlapped motioncompensation)技術(shù)，同時又引入重復(fù)填充(repetitive padding)技術(shù)和修改的塊(多邊形)匹配(modified block (polygon)matching)技術(shù)以支持任意形狀的VOP區(qū)域。

　　此外，為提高運動估計算法精度，MPEG-4采用了MVFAST(Motion Vector Field Adaptive Search Technique)和改進(jìn)的PMVFAST(Predictive MVFAST)方法用于運動估計。對于全局運動估計，則采用了基于特征的FFRGMET(Feature-based Fast and Robust Global Motion Estimation Technique)方法。

　　在MPEG-4視頻編碼中，運動估計相當(dāng)耗時，對編碼的實時性影響很大。因此這里特別強調(diào)快速算法。運動估計方法主要有像素遞歸法和塊匹配法兩大類，前者復(fù)雜度很高，實際中應(yīng)用較少，后者則在H.263和MPEG中廣泛采用。目前有三種常用的匹配準(zhǔn)則：(1)絕對誤差和(SAD, Sum of Absolute Difference)準(zhǔn)則：(2)均方誤差(MSE, Mean Square Error)準(zhǔn)則;(3)歸一化互相關(guān)函數(shù)(NCCF, Normalized Cross Correlation Function)準(zhǔn)則。在上述三種準(zhǔn)則中，SAD準(zhǔn)則具有不需乘法運算、實現(xiàn)簡單方便的優(yōu)點而使用最多，但應(yīng)清楚匹配準(zhǔn)則的選用對匹配結(jié)果影響不大。

　　在選取匹配準(zhǔn)則后就應(yīng)進(jìn)行尋找最優(yōu)匹配點的搜索工作。最簡單、最可靠的方法是全搜索法(FS, Full Search)，但計算量太大，不便于實時實現(xiàn)。因此快速搜索法應(yīng)運而生，主要有交叉搜索法、二維對數(shù)法和鉆石搜索法，其中鉆石搜索法被MPEG-4校驗?zāi)Ｐ?VM, Verification Model)所采納。

　　2 H.264標(biāo)準(zhǔn)簡介

　　2003年，ITU-T通過了一個新的數(shù)字視頻編解碼標(biāo)準(zhǔn)，即H.264標(biāo)準(zhǔn)，H.264是由ISO/IEC與ITU-T組成的聯(lián)合視頻組(JVT)制定的新一代視頻壓縮編解碼標(biāo)準(zhǔn)。國際電信聯(lián)盟將該系統(tǒng)命名為H.264/AVC，國際標(biāo)準(zhǔn)化組織和國際電工委員會將其稱為14496-10/MPEG-4 AVC。

　　H.264標(biāo)準(zhǔn)只有三個子集：基本子集、主體子集和擴(kuò)展子集。基本子集是專為視頻會議應(yīng)用設(shè)計的，這套標(biāo)準(zhǔn)幾近完美，能夠提供強大的差錯隱消技術(shù)(應(yīng)用該技術(shù)，即使在Internet這樣的易錯網(wǎng)絡(luò)上也可以得到較好的視頻效果)，并且支持低延時編/解碼技術(shù)，使視頻會議顯得更自然。主體子集和擴(kuò)展子集更適合于電視應(yīng)用(數(shù)字廣播、DVD)和延時顯得并不很重要的視頻流應(yīng)用。

　　H.264標(biāo)準(zhǔn)的關(guān)鍵技術(shù)如下：

　　(1)幀內(nèi)預(yù)測編碼

　　幀內(nèi)編碼用來縮減圖像的空間冗余。為了提高H.264幀內(nèi)編碼的效率，在給定幀中充分利用相鄰宏塊的空間相關(guān)性，相鄰的宏塊通常含有相似的屬性。因此，在對一給定宏塊編碼時，首先可以根據(jù)周圍的宏塊預(yù)測，然后對預(yù)測值與實際值的差值進(jìn)行編碼，這樣，相對于直接對該幀編碼而言，可以大大減小碼率。H.264提供6種模式進(jìn)行4×4像素宏塊預(yù)測，包括1種直流預(yù)測和5種方向預(yù)測，H.264也支持16×16的幀內(nèi)編碼。

　　(2)幀間預(yù)測編碼

　　幀間預(yù)測編碼利用連續(xù)幀中的時間冗余來進(jìn)行運動估計和補償。H.264的運動補償支持以往的視頻編碼標(biāo)準(zhǔn)中的大部分關(guān)鍵特性，而且靈活地添加了更多的功能，除了支持P幀、B幀外，H.264還支持一種新的流間傳送幀——SP幀，碼流中包含SP幀后，能在有類似內(nèi)容但有不同碼率的碼流之間快速切換，同時支持隨機(jī)接入和快速回放模式。

　　(3) 整數(shù)變換

　　在變換方面，H.264使用了基于4×4像素塊的類似于DCT的變換，但使用的是以整數(shù)為基礎(chǔ)的空間變換，不存在反變換。與浮點運算相比，整數(shù)DCT變換會引起一些額外的誤差，但因為DCT變換后的量化也存在量化誤差，與之相比，整數(shù)DCT變換引起的量化誤差影響并不大。此外，整數(shù)DCT變換還具有減少運算量和復(fù)雜度，有利于向定點DSP移植的優(yōu)點。

　　(4)量化

　　H.264中可選32種不同的量化步長，這與H.263中有31個量化步長很相似，但是在H.264中，步長是以12.5%的復(fù)合率遞進(jìn)的，而不是一個固定常數(shù)。在H.264中，變換系數(shù)的讀出方式也有兩種：之字形(Zigzag)掃描和雙掃描，大多數(shù)情況下使用簡單的之字形掃描;雙掃描僅用于使用較小量化級的塊內(nèi)，有助于提高編碼效率。

　　(5)熵編碼

　　視頻編碼處理的最后一步就是熵編碼，H.264標(biāo)準(zhǔn)采用的熵編碼有兩種：一種是基于內(nèi)容的自適應(yīng)變長編碼(CAVLC)與統(tǒng)一的變長編碼(UVLC)結(jié)合;另一種是基于內(nèi)容的自適應(yīng)二進(jìn)制算術(shù)編碼(CABAC)。CAVLC與CABAC根據(jù)相臨塊的情況進(jìn)行當(dāng)前塊的編碼，以達(dá)到更好的編碼效率。CABAC比CAVLC壓縮效率高，但要復(fù)雜一些。

　　3 AVS標(biāo)準(zhǔn)簡介

　　AVS是基于我國創(chuàng)新技術(shù)和部分公開技術(shù)的自主標(biāo)準(zhǔn)，AVS標(biāo)準(zhǔn)包括系統(tǒng)、視頻、音頻、數(shù)字版權(quán)管理等四個主要技術(shù)標(biāo)準(zhǔn)和一致性測試等支撐標(biāo)準(zhǔn)。2002年，在信息產(chǎn)業(yè)部支持下，成立了“數(shù)字音視頻編解碼技術(shù)標(biāo)準(zhǔn)”工作組(簡稱AVS工作組)，2003年，國家發(fā)展和改革委員會批準(zhǔn)了《數(shù)字音視頻編解碼技術(shù)標(biāo)準(zhǔn)AVS研究開發(fā)與測試驗證重大專項》。在國內(nèi)外上百家企業(yè)和科研單位共同參與下，AVS標(biāo)準(zhǔn)制定工作進(jìn)展順利，其中最重要的視頻編碼標(biāo)準(zhǔn)于2005年通過國家廣電總局測試，2006年1月得到信息產(chǎn)業(yè)部批準(zhǔn)，2月國家標(biāo)準(zhǔn)化管理委員會正式頒布，3月1日起實施。

　　AVS視頻編解碼的核心技術(shù)包括：8x8整數(shù)變換、量化、幀內(nèi)預(yù)測、1/4精度像素插值、特殊的幀間預(yù)測運動補償、二維熵編碼等。

　　(1)變換量化

　　AVS的8x8變換與量化可以在16位處理器上無失配地實現(xiàn)，從而克服了H.264之前所有視頻壓縮編碼國際標(biāo)準(zhǔn)中采用的8x8 DCT變換存在失配的固有問題。而H.264所采用的4x4整數(shù)變換在高分辨率的視頻圖像上的去相關(guān)性能不及8x8的變換有效。AVS采用了64級量化，可以完全適應(yīng)不同的應(yīng)用和業(yè)務(wù)對碼率和質(zhì)量的要求。

　　(2)幀內(nèi)預(yù)測

　　AVS的幀內(nèi)預(yù)測技術(shù)沿襲了H.264幀內(nèi)預(yù)測的思路，用相鄰塊的像素預(yù)測當(dāng)前塊，采用代表空間域紋理方向的多種預(yù)測模式。但AVS亮度和色度幀內(nèi)預(yù)測都是以8x8塊為單位的。亮度塊采用5種預(yù)測模式，色度塊采用4種預(yù)測模式，而這4種模式中又有3種和亮度塊的預(yù)測模式相同。在編碼質(zhì)量相當(dāng)?shù)那疤嵯拢珹VS采用較少的預(yù)測模式，使方案更加簡潔、實現(xiàn)的復(fù)雜度大為降低。

　　(3)幀間預(yù)測

　　幀間運動補償編碼是混合編碼技術(shù)框架中最重要的部分之一。AVS標(biāo)準(zhǔn)采用了16×16，16×8，8×16和8×8的塊模式進(jìn)行運動補償，而去除了H.264標(biāo)準(zhǔn)中的8×4，4×8，4×4的塊模式，目的是能更好地刻畫物體運動，提高運動搜索的準(zhǔn)確性。實驗表明，對于高分辨率視頻，AVS選用的塊模式已經(jīng)能足夠精細(xì)地表達(dá)物體的運動。較少的塊模式，能降低運動矢量和塊模式傳輸?shù)拈_銷，從而提高壓縮效率、降低編解碼實現(xiàn)的復(fù)雜度。

　　AVS和H.264都采用了1/4像素精度的運動補償技術(shù)。H.264采用6抽頭濾波器進(jìn)行半像素插值并采用雙線性濾波器進(jìn)行1/4像素插值。而AVS采用了不同的4抽頭濾波器進(jìn)行半像素插值和1/4像素插值，在不降低性能的情況下減少插值所需要的參考像素點，減小了數(shù)據(jù)存取帶寬需求。

　　在傳統(tǒng)的視頻編碼標(biāo)準(zhǔn)中，雙向預(yù)測幀B幀都只有一個前向參考幀與一個后向參考幀，而前向預(yù)測幀P 幀則只有一個前向參考幀。AVS中P幀可以利用至多2幀的前向參考幀，而B幀采用前后各一個參考幀，P幀與B幀(包括后向參考幀)的參考幀數(shù)相同，其參考幀存儲空間與數(shù)據(jù)存取的開銷并不比傳統(tǒng)視頻編碼的標(biāo)準(zhǔn)大，而恰恰是充分利用了必須預(yù)留的資源。AVS的B幀的雙向預(yù)測使用了直接模式(direct mode)、對稱模式(symmetric mode)和跳過模式(skip mode)。使用對稱模式時，碼流只需要傳送前向運動矢量，后向運動矢量可由前向運動矢量導(dǎo)出，從而節(jié)省后向運動矢量的編碼開銷。對于直接模式，當(dāng)前塊的前、后向運動矢量都是由后向參考圖像相應(yīng)位置塊的運動矢量導(dǎo)出，無需傳輸運動矢量，因此也可以節(jié)省運動矢量的編碼開銷。跳過模式的運動矢量的導(dǎo)出方法和直接模式的相同，跳過模式編碼的塊運動補償?shù)臍埐顬榱悖丛撃Ｊ较潞陦K只需要傳輸模式信號，而不需要傳輸運動矢量、補償殘差等附加信息。

　　(4)熵編碼

　　AVS熵編碼采用自適應(yīng)變長編碼技術(shù)，在AVS熵編碼過程中，所有的語法元素和殘差數(shù)據(jù)都是以指數(shù)哥倫布碼的形式映射成二進(jìn)制比特流。采用指數(shù)哥倫布碼的優(yōu)勢在于：一方面，它的硬件復(fù)雜度比較低，可以根據(jù)閉合公式解析碼字，無需查表;另一方面，它可以根據(jù)編碼元素的概率分布靈活地確定以k階指數(shù)哥倫布碼編碼，如果k選得恰當(dāng)，則編碼效率可以逼近信息熵。對預(yù)測殘差的塊變換系數(shù)，經(jīng)掃描形成(level、run)對串，level、run不是獨立事件，而存在著很強的相關(guān)性，在AVS中l(wèi)evel、run采用二維聯(lián)合編碼，并根據(jù)當(dāng)前l(fā)evel、run的不同概率分布趨勢，自適應(yīng)改變指數(shù)哥倫布碼的階數(shù)。