CN101287123A - 基于ρ域的视频编码码率控制方法 - Google Patents

Abstract

本发明涉及一种基于ρ域的视频编码码率控制方法，属于多媒体通信技术领域；本发明包括：根据给定的目标码率确定图像组(GOP)的比特率，并进一步按I帧(帧内帧)、P帧(单向预测帧)、B帧(双向预测帧)这3种类型，分别确定帧级的比特率分配；检测以前同类型帧的特征参数，预测出线性码率模型的斜率参数θ、模型截据差Δc，运动向量码率和残差系数量化后的熵编码码率的比值s，并计算出满足码率限制的零系数比例ρ；查询ρ－QP映射表获得量化参数QP，并以此QP编码当前视频帧；本发明的码率控制方法，简单实用，性能优越，兼容原有的视频编码标准。

Description

基于ρ域的视频编码码率控制方法

技术领域

本发明属于多媒体通信技术领域，特别涉及一种低复杂度的基于ρ域的视频编码码率控制方法。

背景技术

在视频通信中，承载数据流的网络带宽都是时变、有限的，研究人员要考虑的因素不仅仅是纯粹的压缩效率，还要考虑信道带宽和信源速率的匹配关系，即对视频编码进行码率控制，以充分利用信道。对于现有的基于块的混合视频编码方案，如MPEG-4，已有的码率控制方法通常是从帧类型(I帧、P帧和B帧)、图像组(GOP)结构(IPP、IBP、IBBP等)、缓存限制、比特率模型、计算复杂度等角度入手，通过动态调整量化参数(QP)等编码器参数，逼近帧级或宏块级的期望比特数。但是，最新制定的视频编码标准H.264引入了很多新特性。一方面，包括帧内、帧间、跳过(SKIP)在内的21种预测模式，使针对以往的视频编码标准的码率控制算法精度大大下降，甚至失效。另一方面，率失真优化(RDO)使原本与运动向量无关的量化参数也与之产生了耦合，全局码率控制变得更加困难。更重要的是，在H.264中，QP作为RDO过程的输入，之后又要根据RDO的输出反过来估计最优的QP，这种全耦合的迭代优化的计算开销是实时编码中不可忍受的。

Z.He等人发表在国际电气电子工程师协会杂志《针对视频技术的电路与系统》(IEEETrans.on Circuits and Systems for Video Technology)上的文章《变换编码中一个统一的率失真分析框架》(A unified rate-distortion analysis framework for transform coding)中指出：在视频编码中，每一个量化参数QP都对应一个固定的量化步长q，而量化步长q和零系数比例ρ之间又存在粗略的一一映射关系。那么，对于变换编码后的残差系数(I帧为帧内预测残差，P和B帧为运动补偿残差)，可以由统计变换系数的分布而获得这个零系数比例ρ与自变量q的映射关系，即：

$\mathrm{\ρ}\left(q\right)=\frac{1}{L}{\∫}_{-2q}^{+2q}{D}_0\left(x\right)\mathrm{dx}+\frac{1}{L}{\∫}_{-2.5q}^{+2.5q}{D}_1\left(x\right)\mathrm{dx}$

$=\frac{1}{L}\underset{\left|x\right|<2q}{\mathrm{\&Sigma;}}{D}_0\left(x\right)+\frac{1}{L}\underset{\left|x\right|<2.5q}{\mathrm{\&Sigma;}}{D}_1\left(x\right)$

其中，L是当前视频帧的系数个数，D₀(x)和D₁(x)是残差系数的离散余弦变换后的统计直方图(包括交流系数和直流系数)。这样，就以量化步长q为联系纽带获得了ρ-QP映射表。同时，Z.He在该篇文章中还提出了一个线性信源码率模型：

R(ρ)＝θ·(1-ρ)

并将基于零系数比例的分析叫做ρ域分析。其中，θ是斜率参数，ρ是量化后零系数所占的比例，R是残差系数编码比特率，单位为比特/象素(bit per pixel，bpp)。这个模型的不足之处在于，此模型的精确性测试仅仅对国际图像编码标准JEPG，国际视频编码标准MPEG-2、H.263和MPEG-4适用，而对于零系数比例相对较大的视频编码标准H.264(较多的SKIP模式宏块、4x4整数变换及尺度变换等)并不十分适用，需要做进一步修正。

此外，对于低复杂度的视频编码码率控制方法，目前可查到的专利如下：

(a)申请号为200610052814.5的专利公开了一种基于低内存消耗查询表的视频压缩码率控制方法；

(b)申请号为200510073985.1的专利公开了一种低复杂度的积分码率控制方法；

(c)申请号为200510135494.5的专利公开了一种基于视频序列局部运动的差分直方图统计的码率控制方法；

这些码率控制方法虽然保证了低复杂度，但是抽取的视频内容特征描述方式不如ρ域特性更能体现视频内容的特征，对码率控制算法的精度有一定影响，因此需要找到一个既有较低计算复杂度，又有较高码率控制精度的通用控制方法。

发明内容

本发明的目的是为克服已有技术的不足，基于视频内容的空域线性特性和时域连续性，提供一种低复杂度的基于ρ域的视频编码码率控制方法，具有简单实用，性能优越，计算复杂度和内存的需求极小的特点，不仅适合于以前的视频编码标准H.261、H.263、MPEG-2、MPEG-4，还适合最新的H.264标准。

本发明提出了一种基于ρ域的视频编码码率控制方法，其特征在于，给定目标码率(单位为比特/象素/秒)，编码端基于ρ域模型进行GOP级和帧级的比特率(单位为比特/象素)分配算法来实现码率控制，具体包括以下步骤：

1)预编码一个图像组，获取码率控制方法初始的特征参数

以初始的量化参数QP编码视频序列的一组GOP帧，并在信息库中记录下每帧的特征参数{δ_i，ρ_i，θ_i，Δc_i，s_i}，其中，字母下标i∈[1，L_GOP]∩Z⁺表示本GOP中的编码帧号，取正整数；δ_i，ρ_i，θ_i，Δc_i分别为第i帧对应的ρ域模型中的残差纹理复杂度参数、零系数比例参数、码率模型斜率参数、码率模型截据差参数；s_i为第i帧中运动向量编码比特率R_j ^mv和残差系数量化后的熵编码比特率R_j ^coe的比值；

2)根据目标码率计算GOP比特率预算

(21)计算一个GOP所能分配的比特率

更新剩余可用比特率

(首次运行时，等式右边的

初始化为零)；其中，L_GOP为GOP长度(单位为帧)，f为视频编码帧率(单位为帧/秒)；

(22)如果视频帧类型为I帧(帧内帧)，跳转到步骤3)；

如果帧类型为P帧(单向预测帧)或B帧(双向预测帧)，跳转到步骤4)。

3)根据剩余可用比特率

计算期望的I帧比特率

和相应的零系数比例ρ，跳转到步骤5)；

4)根据剩余可用比特率

计算期望的P帧或B帧比特率和相应的零系数比例ρ；

5)根据期望的零系数比例ρ估计当前帧的量化系数QP_j

(51)查询ρ-QP映射表，获得从零系数比例ρ到量化参数QP的转换；

(52)检测量化参数的变化幅度，将变化幅度限制在ΔQP内；

6)以量化参数QP_j编码当前视频帧

(61)编码视频帧，获得该帧真实的输出比特率

(62)计算剩余可用比特率

其中，符号max{·}表示取两个数中的最大值；

7)在信息库中记录当前帧实际的编码特征参数，并根据帧号选择跳转位置：

(71)在信息库中保存当前帧的特征参数{δ，ρ，θ，Δc，s}(以备其后的视频帧的特征参数预测所需)；

(72)如果帧号j≠L_GOP，则令j＝j+1，跳转到步骤4)；

(73)如果帧号j＝L_GOP，则令j＝1，跳转到步骤2)。

本发明简单实用，性能优越，主要有以下有益效果：

(a)对基于变换编码的视频码率控制提供了一个通用的处理框架，其中修正的ρ域比特率模型的形式更加通用，不仅适合于以前的视频编码标准H.261、H.263、MPEG-2、MPEG-4，还适合最新的H.264标准；

(b)本方法计算复杂度和内存的需求极小，仅仅对几个历史的空域线性特性ρ域模型参数样点值做线性回归，然后借助ρ变量，就可以预测出当前帧的编码码率；

(c)预测过程不会有误差传递，并能跟随输入视频数据自适应地动态调整。

附图说明

图1为本发明基于ρ域的视频编码码率控制方法的流程框图。

具体实施方式

本发明提出的一种基于ρ域的视频编码码率控制方法结合附图及实施例详细说明如下：

在本发明中：

(a)空域线性特性由ρ域模型来刻画(为背景技术介绍中Z.He的线性信源码率模型的针对H.264的修正模型)，

R(ρ)＝θ·(1-ρ)+Δc

其中，ρ为量化后的零系数在当前帧中所占的比例、Δc为截距差，R(ρ)为在零系数比例ρ条件下的视频单帧的编码码率；模型斜率参数θ与当前帧的视频纹理复杂度δ有关，进一步由如下斜率-纹理复杂度模型定义

θ＝σ²·e^α(1-δ)

其中，δ由归一化的平均绝对误差(MAD)来度量，即当前帧和预测帧间的所有残差系数绝对值之和再除以255。σ和α是模型参数。

(b)时域连续性由以前已编码帧的参数{θ，Δc，s}来表征；其中，θ，Δc为空域模型中的参数，s为一帧中运动向量码率和残差系数量化后的熵编码码率之比；

本发明提出的方法，其特征在于，给定目标码率

(单位为比特/象素/秒)，编码端基于ρ域模型进行GOP级和帧级的比特率(单位为比特/象素)分配算法来实现码率控制，该方法流程如图1所示，具体包括以下步骤：

1)预编码一个图像组，获取码率控制方法初始的特征参数

以初始的量化参数QP编码视频序列的一组GOP帧，并在信息库中记录下每帧的特征参数{δ_i，ρ_i，θ_i，Δc_i，s_i}，其中，字母下标i∈[1，L_GOP]∩Z⁺表示本GOP中的编码帧号，取正整数；δ_i，ρ_i，θ_i，Δc_i分别为第i帧对应的ρ域模型中的残差纹理复杂度参数、零系数比例参数、码率模型斜率参数、码率模型截据差参数；s_i为第i帧中运动向量编码比特率R_j ^mv和残差系数量化后的熵编码比特率R_j ^coe的比值；

2)根据目标码率计算GOP比特率预算

(21)计算一个GOP所能分配的比特率

更新剩余可用比特率

(首次运行时，等式右边的

初始化为零)；其中，L_GOP为GOP长度(单位为帧)，f为视频编码帧率(单位为帧/秒)；

(22)如果视频帧类型为I帧(帧内帧)，跳转到步骤3)；

如果帧类型为P帧(单向预测帧)或B帧(双向预测帧)，跳转到步骤4)。

3)根据剩余可用比特率

计算期望的I帧比特率

和相应的零系数比例ρ，跳转到步骤5)；

4)根据剩余可用比特率

计算期望的P帧或B帧比特率和相应的零系数比例ρ；

5)根据期望的零系数比例ρ估计当前帧的量化系数QP_j

(51)查询ρ-QP映射表，获得从零系数比例ρ到量化参数QP的转换；

(52)检测量化参数的变化幅度，将变化幅度限制在ΔQP内；

6)以量化参数QP_j编码当前视频帧

(61)编码视频帧，获得该帧真实的输出比特率

(62)计算剩余可用比特率

其中，符号max{·}表示取两个数中的最大值；

7)在信息库中记录当前帧实际的编码特征参数，并根据帧号选择跳转位置：

(71)在信息库中保存当前帧的特征参数{δ，ρ，θ，Δc，s}(以备其后的视频帧的特征参数预测所需)；

(72)如果帧号j≠L_GOP，则令j＝j+1，跳转到步骤4)；

(73)如果帧号j＝L_GOP，则令j＝1，跳转到步骤2)。

上述步骤3)中根据剩余可用比特率

计算期望的I帧比特率

和相应的零系数比例ρ，包括以下步骤：

(31)计算期望的I帧比特率

其中，w_I，w_P，w_B分别为I、P、B类型的单帧视频期望比特率权重，1，γ_P，γ_B为它们在一个GOP中所占的数量；

(32)更新当前I帧的特征参数{斜率θ、截距差Δc}，即用当前I帧相邻的前一个I帧的特征参数{斜率θ、截距差Δc}作为当前帧的特征参数{斜率θ、截距差Δc}；

(33)计算期望的零系数比例

跳转到步骤5)；其中，

是视频帧包头的比特率；

上述步骤4)中根据剩余可用比特率

计算期望的P帧或B帧比特率和相应的零系数比例ρ，具体包括以下步骤：

(41)计算当前帧j的可用比特率；

(411)如果剩余可用比特率

则进行跳帧处理(无需编码该帧)；

(412)如果剩余可用比特率

则

(a)如果当前帧为P帧，则该帧分配到的期望比特率为：

该GOP中等待分配比特率的P帧数目减1：

γ_P＝γ_P-1；

(b)如果当前帧为B帧，则该帧分配到的期望比特率为：

该GOP中等待分配比特率的B帧数目减1：

γ_B＝γ_B-1；

(42)检测以前同类型帧的特征参数，并更新当前帧的特征参数{斜率θ、截距差Δc和比特率比s}；

(43)计算当前帧在期望比特率

限制下对应的零系数比例：

$\mathrm{\&rho;}=1-\frac{\frac{R_j-R^{\mathrm{hdr}}}{1+s}-\mathrm{\&Delta;c}}{\mathrm{\&theta;}}$

上述步骤42)中检测以前同类型帧的特征参数，更新当前帧的特征参数{斜率θ、截距差Δc和比特率比s}，具体包括以下步骤：

(421)将当前帧之前的N个最近的同类型视频帧作为预测参考帧，从信息库中取出与其对应的N组特征参数值{θ_i，δ_i，Δc_i，s_i}，1≤i≤N，并转换为{lnθ_i，δ_i，Δc_i，s_i}；其中，N为正整数，变量下标i∈Z⁺表示相邻的参考帧号；θ_i为第i个参考帧的线性码率模型斜率，δ_i为第i个参考帧的残差纹理复杂度；

(422)将斜率-纹理复杂度模型线性化为

lnθ(δ)＝2lnσ+α(1-δ)

并对上述N组样点值做最小二乘拟合，求取模型参数α和σ，并更新特征参数{θ，Δc，s}：

(a)估计当前编码帧的斜率-纹理复杂度模型参数值

$\mathrm{\&alpha;}=\frac{\stackrel{\&OverBar;}{\mathrm{\&delta;}}\left(\ln \underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{\&theta;}}_i\right)-\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i{\ln \mathrm{\&theta;}}_i\right)}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2-n{\stackrel{\&OverBar;}{\mathrm{\&delta;}}}^2},$

$\mathrm{\&sigma;}=\exp \left[\frac{\frac{1}{n}\left(\ln \underset{i=1}{\overset{n}{\text{\&Pi;}}}{\mathrm{\&theta;}}_i\right)\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2\right)-(\stackrel{\&OverBar;}{\mathrm{\&delta;}}+1)\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i\ln {\mathrm{\&theta;}}_i\right)+n\stackrel{\&OverBar;}{\mathrm{\&delta;}}\left(\ln \underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{\&theta;}}_i\right)}{2(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2-n{\stackrel{\&OverBar;}{\mathrm{\&delta;}}}^2)}\right]$

其中， $\stackrel{\&OverBar;}{\mathrm{\&delta;}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i}{N};$

(b)更新当前帧的特征参数{θ，Δc，s}：

ρ域比特率模型斜率值θ＝σ²e^α(1-δ)；

ρ域比特率模型截据差 $\mathrm{\&Delta;c}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&Delta;c}}_i/N;$

运动向量编码比特率和残差系数量化后的熵编码比特率的比值 $s=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{s}_i/N.$

本发明方法结合附图及实施例进一步详细的描述。

本实施例的条件如下：

设编码器采用国际视频编码标准H.264的参考软件JM；编码器GOP结构为IBPBP...，其中GOP长度为15；I、P、B帧类型的单帧期望比特数权重为w_I＝10，w_P＝1.5和w_B＝1，其在一个GOP中所占的数量分别为1、7和7；编码帧率f＝30。测试序列采用标准化图像格式(CIF，352x288)的Foreman序列；

本实施例的方法为：给定目标码率

(单位为比特/象素/秒)，编码器可以基于ρ域模型进行GOP级和帧级的比特率(单位为比特/象素)分配算法来实现码率控制，具体包括以下步骤：

1)预编码一个图像组，获取码率控制方法初始的特征参数

以初始的量化参数QP＝28来编码视频序列的一个GOP，并在信息库中记录下每帧的特征参数{δ_i，ρ_i，θ_i，Δc_i，s_i}，其中，字母下标i∈[1，L_GOP]∩Z⁺表示本GOP中的编码帧号，Z⁺表示取正整数；δ_i，ρ_i，θ_i，Δc_i分别为第i帧对应的ρ域模型中的残差纹理复杂度参数、零系数比例参数、码率模型斜率参数、码率模型截据差参数；s_i为第i帧中运动向量编码比特率R_j ^mv和残差系数量化后的熵编码比特率R_j ^coe的比值；

2)根据目标码率计算GOP比特率预算

(21)计算一个GOP所能分配的比特率

更新剩余可用比特率(首次运行时，等式右边的

初始化为零)；

(22)如果视频帧类型为I帧，跳转到步骤3)；

如果帧类型为P或B帧，跳转到步骤4)。

3)根据剩余可用比特率

计算期望的I帧比特率

和相应的零系数比例ρ，包括以下步骤：

(31)计算期望的I帧比特率

(32)更新当前I帧的特征参数{斜率θ、截距差Δc}，即用当前I帧相邻的前一个I帧的特征参数{斜率θ、截距差Δc}作为当前帧的特征参数{斜率θ、截距差Δc}；

(33)计算期望的零系数比例跳转到步骤5)；其中，

是视频帧包头的比特率；

4)根据剩余可用比特率

计算期望的P帧或B帧比特率和相应的零系数比例ρ，包括以下步骤：

(41)计算当前帧j的可用比特率；

(411)如果剩余可用比特率

则进行跳帧处理(无需编码该帧)；

(412)如果剩余可用比特率则

(a)如果当前帧为P帧，则该帧分配到的期望比特率为：

该GOP中等待分配比特率的P帧数目减一：

γ_P＝γ_P-1；

(b)如果当前帧为B帧，则该帧分配到的期望比特率为：

该GOP中等待分配比特率的B帧数目减一：

γ_B＝γ_B-1；

(42)检测以前同类型帧的特征参数，并更新当前帧的特征参数{斜率θ、截距差Δc和比特率比s}，即由当前帧最相邻的前两个同类型的帧的特征参数来预测(P帧由其前两个P帧来预测，B帧由其前两个B帧来预测)。

(421)从信息库中取出与当前帧之前的2个最近的同类型视频帧对应的2组模型参数值{θ₁，δ₁，Δc₁，s₁}，{θ₂，δ₂，Δc₂，s₂}，并转换为{lnθ₁，δ₁，Δc₁，s₁}，{lnθ₂，δ₂，Δc₂，s₂}；其中，θ₁，θ₂分别为第1，2个参考帧的比特率模型斜率，δ₁，δ₂为第1，2个参考帧的残差纹理复杂度，Δc₁，Δc₂为第1，2个参考帧的线性码率模型的截据差，s₁，s₂为第1，2个参考帧的运动向量码率和残差系数量化后的熵编码码率的比值。

(422)用斜率-纹理复杂度模型线性化为

lnθ(δ)＝2lnσ+α(1-δ)

并对上述2组样点值做最小二乘拟合，求取模型参数α和σ，并更新特征参数{θ，Δc，s}：

(a)估计当前编码帧的斜率-纹理复杂度模型模型参数值

$\mathrm{\&alpha;}=\frac{\frac{{\mathrm{\&delta;}}_1+{\mathrm{\&delta;}}_2}{2}\left(\ln {\mathrm{\&theta;}}_1{\mathrm{\&theta;}}_2\right)-\left(\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_2\ln {\mathrm{\&theta;}}_2\right)}{({\mathrm{\&delta;}}_1^2+{\mathrm{\&delta;}}_2^2)-2{\left(\frac{{\mathrm{\&delta;}}_1+{\mathrm{\&delta;}}_2}{2}\right)}^2},$

$\mathrm{\&sigma;}=\exp \left[\frac{\frac{1}{2}\left(\ln {\mathrm{\&theta;}}_1{\mathrm{\&theta;}}_2\right)({\mathrm{\&delta;}}_1^2+{\mathrm{\&delta;}}_2^2)-(\frac{{\mathrm{\&delta;}}_1+{\mathrm{\&delta;}}_2}{2}+1)\left(\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i\ln {\mathrm{\&theta;}}_i\right)+2\left(\frac{{\mathrm{\&delta;}}_1+{\mathrm{\&delta;}}_2}{2}\right)\left(\ln {\mathrm{\&theta;}}_1{\mathrm{\&theta;}}_2\right)}{2(({\mathrm{\&delta;}}_1^2+{\mathrm{\&delta;}}_2^2)-2{\left(\frac{{\mathrm{\&delta;}}_1+{\mathrm{\&delta;}}_2}{2}\right)}^2)}\right]$

(b)更新当前帧的特征参数{θ，Δc，s}：

ρ域码率模型斜率值θ＝σ²e^α(1-δ)；

ρ域码率模型截据差 $\mathrm{\&Delta;c}=\frac{{\mathrm{\&Delta;c}}_1+\mathrm{\&Delta;}{c}_2}{2};$

运动向量码率和残差系数量化后的熵编码码率的比值 $s=\frac{s_1+s_2}{2};$

(43)计算当前帧在期望比特率

限制下对应的零系数比例：

$\mathrm{\&rho;}=1-\frac{\frac{R_j-R^{\mathrm{hdr}}}{1+s}-\mathrm{\&Delta;c}}{\mathrm{\&theta;}}$

5)根据期望的零系数比例ρ估计当前帧的量化系数Qp_j

(51)查询ρ-QP映射表，获得从零系数比例ρ到量化参数QP的转换；其中，ρ-QP映射表由背景技术介绍的方式获得。

在本实施例下的ρ-QP映射表以CIF格式的中等运动复杂度的Foreman标准测试序列为例，对于I帧，其映射表如下：

对于P帧和B帧，其映射表如下：

即是说，检测计算出的ρ靠那个区间的边界最近，就取对应的QP值。举例来说，对于I帧，若ρ＝0.953，那么其属于区间[0.951，0.95793]，靠0.951最近，所以取0.951对应的量化参数33；

(52)检测量化参数的变化幅度，将限制在ΔQP＝±2内；即是说，如果上一帧QP＝26，但是步骤(51)给出来的QP＝29(或23)，那么最多只能取到QP＝28(或24)；如果步骤

(51)给出来的QP＝27，处于[24，28]范围内，所以当前帧不必限幅。

6)以量化参数QP_j编码当前视频帧

(61)编码视频帧，获得该帧真实的输出比特率

(62)计算剩余可用比特率

其中，符号max{·}表示取两个数中的最大值；

7)在信息库中记录当前帧实际的编码特征参数，并根据帧号选择跳转位置

(71)在信息库中保存当前帧的特征参数{δ，ρ，θ，Δc，s}(以备其后的视频帧的特征参数预测所需)；

(72)如果帧号j≠L_GOP，则令j＝j+1，跳转到步骤4)；

(73)如果帧号j＝L_GOP，则令j＝1，跳转到步骤2)。

尽管本发明已参照具体实施方式进行描述和举例说明，但是并不意味着本发明限于这些描述的实施方式。本发明以国际视频编码标准H.264为例进行说明，但是并不局限于此，但凡依本发明权利要求书范围所做的同等的变化及修饰，均属于专利保护范畴。

Claims (4)

1.一种基于ρ域的视频码率控制方法，其特征在于，给定目标码率

编码端基于ρ域模型依次进行图像组级和帧级的比特率分配算法来实现码率控制，具体包括以下步骤：

1)预编码一个图像组，获取码率控制方法初始的特征参数

以初始的量化参数QP编码视频序列的一组GOP帧，并在信息库中记录下每帧的特征参数{δ_i，ρ_i，θ_i，Δc_i，s_i}，其中，字母下标i∈[1，L_GOP]∩Z⁺表示本GOP中的编码帧号，取正整数；δ_i，ρ_i，θ_i，Δc_i分别为第i帧对应的ρ域模型中的残差纹理复杂度参数、零系数比例参数、码率模型斜率参数、码率模型截据差参数；s_i为第i帧中运动向量编码比特率R_j ^mv和残差系数量化后的熵编码比特率R_j ^coe的比值；

2)根据目标码率计算GOP比特率预算

(21)计算一个GOP所能分配到的比特率

更新剩余可用比特率

初始化为零；其中，L_GOP为GOP长度，f为视频编码帧率；

(22)如果视频帧类型为I帧，跳转到步骤3)；

如果帧类型为P帧或B帧，跳转到步骤4)；

3)根据剩余可用比特率

计算期望的I帧比特率

和相应的零系数比例ρ，跳转到步骤5)；

4)根据剩余可用比特率

计算期望的P帧或B帧比特率和相应的零系数比例ρ；

5)根据期望的零系数比例ρ估计当前帧的量化系数QP_j

(51)查询ρ-QP映射表，获得从零系数比例ρ到量化参数QP的转换；

(52)检测量化参数的变化幅度，将变化幅度限制在ΔQP内；

6)以量化参数QP_j编码当前视频帧

(61)编码视频帧，获得该帧真实的输出比特率

(62)计算剩余可用比特率

其中，符号max{·}表示取两个数中的最大值；

7)在信息库中记录当前帧实际的编码特征参数，并根据帧号选择跳转位置：

(71)在信息库中保存当前帧的特征参数{δ，ρ，θ，Δc，s}；

(72)如果帧号j≠L_GOP，则令j＝j+1，跳转到步骤4)；

(73)如果帧号j＝L_GOP，则令j＝1，跳转到步骤2)。

2.如权利要求1所述方法，其特征在于，所述步骤3)中根据剩余可用比特率

计算期望的I帧比特率

和相应的零系数比例ρ，包括以下步骤：

(31)计算期望的I帧比特率

其中，w_I，w_P，w_B分别为I、P和B类型的单帧视频期望的比特率权重，1，γ_P，γ_B为它们在一个GOP中所占的数量；

(32)更新当前I帧的特征参数{斜率θ、截距差Δc}，用当前I帧相邻的前一个I帧的特征参数{斜率θ、截距差Δc}作为当前帧的特征参数{斜率θ、截距差Δc}；

(33)计算期望的零系数比例跳转到步骤5)；其中，是视频帧包头的比特率。

3.如权利要求1所述方法，其特征在于，所述步骤4)中根据剩余可用比特率

计算期望的P帧或B帧比特率和相应的零系数比例ρ，具体包括以下步骤：

(41)计算当前帧j的可用比特率；

(411)如果剩余可用比特率

则进行跳帧处理；

(412)如果剩余可用比特率

则

(a)如果当前帧为P帧，则该帧分配到的期望比特率为：

该GOP中等待分配比特率的P帧数目减1：

γ_P＝γ_P-1；

(b)如果当前帧为B帧，则该帧分配到的期望比特率为：

该GOP中等待分配比特率的B帧数目减1：

γ_B＝γ_B-1；

(42)检测以前同类型帧的特征参数，并更新当前帧的特征参数{斜率θ、截距差Δc和比特率比s}；

(43)计算当前帧在期望比特率

限制下对应的零系数比例：

$\mathrm{\&rho;}=1-\frac{\frac{R_j-R^{\mathrm{hdr}}}{1+s}-\mathrm{\&Delta;c}}{\mathrm{\&theta;}}.$

4.如权利要求3所述方法，其特征在于，所述步骤(42)中检测以前同类型帧的特征参数，更新当前帧的特征参数{斜率θ、截距差Δc和比特率比s}，具体包括以下步骤：

(421)将当前帧之前的N个最近的同类型视频帧作为预测参考帧，从信息库中取出与其对应的N组特征参数值{θ_i，δ_i，Δc_i，s_i}，1≤i≤N，并转换为{ln θ_i，δ_i，Δc_i，s_i}；其中，N为正整数，变量下标i∈Z⁺表示相邻的参考帧号；θ_i为第i个参考帧的线性码率模型斜率，δ_i为第i个参考帧的残差纹理复杂度；

(422)将斜率-纹理复杂度模型线性化为：

lnθ(δ)＝2lnσ+α(1-δ)

并对所述N组样点值做最小二乘拟合，求取模型参数α和σ，并更新特征参数{θ，Δc，s}：

(a)估计当前编码帧的斜率-纹理复杂度模型参数值

$\mathrm{\&alpha;}=\frac{\stackrel{\&OverBar;}{\mathrm{\&delta;}}\left(\ln \underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{\&theta;}}_i\right)-\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i{\ln \mathrm{\&theta;}}_i\right)}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2-n{\stackrel{\&OverBar;}{\mathrm{\&delta;}}}^2},$

$\mathrm{\&sigma;}=\exp \left[\frac{\frac{1}{n}\left(\ln \underset{i=1}{\overset{n}{\text{\&Pi;}}}{\mathrm{\&theta;}}_i\right)\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2\right)-(\stackrel{\&OverBar;}{\mathrm{\&delta;}}+1)\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i\ln {\mathrm{\&theta;}}_i\right)+n\stackrel{\&OverBar;}{\mathrm{\&delta;}}\left(\ln \underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{\&theta;}}_i\right)}{2(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2-n{\stackrel{\&OverBar;}{\mathrm{\&delta;}}}^2)}\right]$

其中， $\stackrel{\&OverBar;}{\mathrm{\&delta;}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i}{N};$

(b)更新当前帧的特征参数{θ，Δc，s}：

ρ域比特率模型斜率值θ＝σ²e^α(1-δ)；

ρ域比特率模型截据差 $\mathrm{\&Delta;c}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&Delta;c}}_i/N;$

运动向量编码比特率和残差系数量化后的熵编码比特率的比值 $s=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{s}_i/N.$

Images