视频编解码学习之一：理论基础

第1章介绍

1. 为什么要进行视频压缩？

未经压缩的数字视频的数据量巨大
存储困难
- 一张DVD只能存储几秒钟的未压缩数字视频。
传输困难
- 1兆的带宽传输一秒的数字电视视频需要大约4分钟。

2. 为什么可以压缩

去除冗余信息
- 空间冗余：图像相邻像素之间有较强的相关性
- 时间冗余：视频序列的相邻图像之间内容相似
- 编码冗余：不同像素值出现的概率不同
- 视觉冗余：人的视觉系统对某些细节不敏感
- 知识冗余：规律性的结构可由先验知识和背景知识得到

3. 数据压缩分类

无损压缩（Lossless）
- 压缩前解压缩后图像完全一致X=X'
- 压缩比低(2:1~3:1)
- 例如：Winzip，JPEG-LS
有损压缩（Lossy）
- 压缩前解压缩后图像不一致X≠X'
- 压缩比高(10:1~20:1)
- 利用人的视觉系统的特性
- 例如：MPEG-2，H.264/AVC，AVS

4. 编解码器

编码器（Encoder）
- 压缩信号的设备或程序
解码器（Decoder）
- 解压缩信号的设备或程序
编解码器(Codec)
- 编解码器对

5. 压缩系统的组成

(1) 编码器中的关键技术

(2) 编解码中的关键技术

6. 编解码器实现

编解码器的实现平台：
- 超大规模集成电路VLSI
  - ASIC， FPGA
- 数字信号处理器DSP
- 软件
编解码器产品：
- 机顶盒
- 数字电视
- 摄像机
- 监控器

7. 视频编码标准

编码标准作用：

兼容：
- 不同厂家生产的编码器压缩的码流能够被不同厂家的解码器解码
高效：
- 标准编解码器可以进行批量生产，节约成本。

主流的视频编码标准：

MPEG-2
MPEG-4 Simple Profile
H.264/AVC
AVS
VC-1

标准化组织：

ITU：International Telecommunications Union
- VECG：Video Coding Experts Group
ISO：International Standards Organization
- MPEG：Motion Picture Experts Group

8. 视频传输

视频传输：通过传输系统将压缩的视频码流从编码端传输到解码端
传输系统：互联网，地面无线广播，卫星

9. 视频传输面临的问题

传输系统不可靠
- 带宽限制
- 信号衰减
- 噪声干扰
- 传输延迟
视频传输出现的问题
- 不能解码出正确的视频
- 视频播放延迟

10. 视频传输差错控制

差错控制（Error Control）解决视频传输过程中由于数据丢失或延迟导致的问题
差错控制技术：
- 信道编码差错控制技术
- 编码器差错恢复
- 解码器差错隐藏

11. 视频传输的QoS参数

数据包的端到端的延迟
带宽：比特/秒
数据包的流失率
数据包的延迟时间的波动

第2章数字视频

1.图像与视频

图像：是人对视觉感知的物质再现。
三维自然场景的对象包括：深度，纹理和亮度信息
二维图像：纹理和亮度信息

视频：连续的图像。
视频由多幅图像构成，包含对象的运动信息，又称为运动图像。

2. 数字视频

数字视频：自然场景空间和时间的数字采样表示。
- 空间采样
  - 解析度（Resolution）
- 时间采样
  - 帧率：帧/秒

3. 空间采样

二维数字视频图像空间采样

4. 数字视频系统

采集
- 照相机，摄像机
处理
- 编解码器，传输设备
显示
- 显示器

5. 人类视觉系统HVS

HVS
- 眼睛
- 神经
- 大脑

HVS特点：
- 对高频信息不敏感
- 对高对比度更敏感
- 对亮度信息比色度信息更敏感
- 对运动的信息更敏感

6. 数字视频系统的设计应该考虑HVS的特点：

丢弃高频信息，只编码低频信息
提高边缘信息的主观质量
降低色度的解析度
对感兴趣区域（Region of Interesting，ROI）进行特殊处理

7. RGB色彩空间

三原色：红（R），绿（G），蓝（B）。
任何颜色都可以通过按一定比例混合三原色产生。
RGB色度空间
- 由RGB三原色组成
- 广泛用于BMP，TIFF，PPM等
- 每个色度成分通常用8bit表示[0,255]

8. YUV色彩空间

YUV色彩空间：
- Y：亮度分量
- UV：两个色度分量
- YUV更好的反映HVS特点

9. RGB转化到YUV空间

亮度分量Y与三原色有如下关系：

经过大量实验后ITU-R给出了，，，

主流的编解码标准的压缩对象都是YUV图像

10. YUV图像分量采样

YUV图像可以根据HVS的特点，对色度分量下采样，可以降低视频数据量。
根据亮度和色度分量的采样比率，YUV图像通常有以下几种格式：

11. 通用的YUV图像格式

根据YUV图像的亮度分辨率定义图像格式

12. 帧和场图像

一帧图像包括两场——顶场，底场

13. 逐行与隔行图像

逐行图像：一帧图像的两场在同一时间得到，t_top=t_bot。
隔行图像：一帧图像的两场在不同时间得到，t_top≠t_bot。

14. 视频质量评价

有损视频压缩使编解码图像不同，需要一种手段来评价解码图像的质量。
质量评价：
- 客观质量评价
- 主观质量评价
- 基于视觉的视频质量客观评价
客观质量评价：通过数学方法测量图像质量评价的方式。
优点：
- 可量化
- 测量结果可重复
- 测量简单
缺点：
- 不完全符合人的主观感知

15. 客观评价的方法

常用的客观评价方法：

16. 主观评价方法

主观质量评价：用人的主观感知直接测量的方式。
优点：
- 符合人的主观感知
缺点：
- 不容易量化
- 受不确定因素影响，测量结果一般不可重复
- 测量代价高

常用主观评价方法

17. 基于视觉的视频质量客观评价方法

基于视觉的视频质量客观评价：将人的视觉特性用数学方法描述并用于视频质量评价的方式。
结合了主观质量评价和客观质量评价两方面优点。
常用方法：结构相似度（Structural SIMilarity，SSIM）方法。
将HVS的特征用数学模型表达出来。
未来重要的研究方向

第3章信息论基础

1. 通信系统的组成

信源：产生消息
信道：传输消息
信宿：接收消息

2. 基本概念

通信中对信息的表达分为三个层次：信号，消息，信息。
- 信号：是信息的物理层表达，可测量，可描述，可显示。如电信号，光信号。
- 消息：是信息的载体，以文字，语言，图像等人类可以认知的形式表示。
- 信息：不确定的内容。

3. 信息熵

信息的特点

信息的测量

自信息量

条件信息量

4. 信息熵

5. 条件熵和联合熵

6. 熵的性质

非负性：信源熵是非负值，即 H(X) >=0;
扩展性：信源熵X有M个符号，如果其中一个符号出现的概率趋于零，信源熵就等于剩余M-1个符号的信源熵；
极值性（最大信息熵）：对于具有M个符号的信源，只有在所有符号等概率出现的情况下，信源熵达到最大值，即
可加性：
熵不增：条件熵不大于信息熵 H(X|Y) <= H(X)；
联合熵不大于各信息熵的和，即H(XY) <= H(X) + H(Y)。

7. 互信息量

8. 互信息

物理意义：H(X)是X所含的信息，H(X|Y)是已知Y的条件下X还能带来的信息量。那么两者之差就是由于知道Y使得X减少的信息量，也即由Y可以得到的关于X的信息量。

9. 各种熵的关系

11. 信源编码

信源编码：将消息符号转变成信道可传输的信息。
两个基本问题：
- 用尽可能少的信道传输符号来传递信源消息，提高传输效率；
- 减少由于信道传输符号的减少导致的失真。

12. 离散信源统计特性

13. 离散信源类型：简单无记忆信源和马尔可夫信源

14. 编码分类

等长码：在一组码字集合C中的所有码字c_m (m = 1,2, …,M)，其码长都相同，则称这组码C为等长码。
变长码：若码字集合C中的所有码字c_m (m = 1,2, …,M)，其码长不都相同，称码C为变长码。

15. 平均码长

16. 等长码与变长码比较

等长编码将信源输出符号序列的任意一种取值（概率可能不同）都编码成相同长度的输出码字，没有利用信源的统计特性；
变长编码可以根据信源输出符号序列各种取值的概率大小不同，将他们编码成不同长度的输出码字，利用了信源的统计特性。因此又称其为熵编码。

17. Huffman编码

Huffman编码：典型的变长编码。
步骤：
- 将信源符号按概率从大到小的顺序排列，假定p(x₁)≥ p(x₂)… ≥ p(x_n)
- 给两个概率最小的信源符号p(x_n-₁)， p(x_n)各分配一个码位"0"和"1"，将这两个信源符号合并成一个新符号，并用这两个最小的概率之和作为新符号的概率，结果得到一个只包含(n-1)个信源符号的新信源。称为信源的第一次缩减信源，用S₁表表示。
- 将缩减信源S₁的符号仍按概率从大到小的顺序排列，重复步骤2，得到只含(n-2)个符号的缩减信源S₂。
- 重复上述步骤，直至缩减信源只剩下两个符号为止，此时所剩两个符号的概率之和必为1。然后从最后一级缩减信源开始，依编码路径向前返回，就得到各信源符号所对应的码字。

18. 信道编码

信道编码主要考虑如何增加信号的抗干扰能力，提高传输的可靠性，并且提高传输效率。
一般是采用冗余编码法，赋予信码自身一定的纠错和检错能力，使信道传输的差错概率降到允许的范围之内。

19. 信道类型

根据信道连续与否分类
- 离散信道
- 连续信道
- 半连续信道
根据信道是否有干扰分类
- 无干扰信道
- 有干扰信道
根据信道的统计特性分类
- 无记忆信道
- 有记忆信道
- 恒参信道
- 变参信道
- 对称信道
- 非对称信道

20. 信道容量

在信息论中，称信道无差错传输的最大信息速率为信道容量。
仙农信道容量公式：
- 假设连续信道的加性高斯白噪声功率为N，信道带宽为B，信号功率为S，则该信道的容量为
- 由于噪声功率N与信道带宽B有关，则噪声功率N=n₀B 。因此，仙农公式还可以表示为

21. 香农信道容量公式的意义

在给定B和S/N的情况下，信道的极限传输能力为C，而且此时能够做到无差错传输。如果信道的实际传输速率大于C 值，则无差错传输在理论上就已不可能。因此，实际传输速率一般不能大于信道容量C ，除非允许存在一定的差错率。
提高信噪比S/N（通过减小n₀或增大S），可提高信道容量C。特别是，若n₀->0，则C->∞ ，这意味着无干扰信道容量为无穷大；
增加信道带宽B，也可增加信道容量C，但做不到无限制地增加。这是因为，如果 S、n₀一定，有
维持同样大小的信道容量，可以通过调整信道的B及S/N来达到，即信道容量可以通过系统带宽与信噪比的互换而保持不变。

22. 失真

失真：信源的消息经过编解码后不能完全复原
在实际的信源和信道编码中，消息的传输并不总是无失真的。
- 由于存储和传输资源的限制
- 噪声等因素的干扰

23. 率失真理论

仙农定义了信息率失真函数R(D)
- D是消息失真
- R是码率
率失真定理：在允许一定失真度D的情况下，信源输出的信息率可压缩到R(D)。

24. 失真函数

失真函数：信源符号X={x₁, x₂, …..x_n}，经信道传输接收端符号Y={y₁, y₂….y_n}，对于每一对(x_i, y_j)指定一个非负函数 d(x_i, y_j)，称d(x_i, y_j)为单个符号的失真度或失真函数。对于连续信源连续信道的情况，常用d(x, y)表示。
常用失真函数：
平均失真度：