CN102655588A - 用于视频图像传输的信源信道联合解码方法 - Google Patents

Abstract

本发明公开了用于视频图像传输的信源信道联合解码方法，适用于视频传输标准H.264，HEVC视频传输，以及JPEG2000的图像传输，主要包括两个模块，联合信源信道算术解码器及联合信源信道变长码解码器，联合信源信道算术码解码器输出的解码信息可以作为联合信源信道变长码解码器的输入信息，经过联合变长码格状图搜索来获得最佳的解码符号序列。同时在联合信源信道算术码解码器部分可以利用变长码的码字结构信息来删除无效搜索路径，提高解码性能。该方法计算复杂度低，延时小，适用于实际的视频及图像传输系统。

Description

用于视频图像传输的信源信道联合解码方法

技术领域

本发明涉及一种视频，图像通信技术领域的方法，尤其涉及用于视频图像传输的信源信道联合解码方法。 

背景技术

在传统的通信系统中，信源编码和信道编码都是分别进行的。这种设计原则是基于香农的信源信道分离理论。但是在实际系统中，尤其是在多媒体传输系统中，由于延迟和复杂度的限制，分离系统并不能保证系统的最优。于是，为了提高系统性能，人们把目光集中到了信源信道联合编解码。 

近年来视频压缩标准H.264得到了广泛的应用，新一代视频压缩技术HEVC的标准也正在制定当中，它们的熵编码都是基于上下文的算术码CABAC。由于CABAC良好的压缩性能，为H.264及H.265增色不少。但是CABAC由于其压缩性能较高，相反冗余信息就存留较少，对误码很敏感。解码一旦出现错误比特就会很快地误码扩散，导致重建视频质量的严重下降。因此，在误码环境下，如何来提高CABAC的误码抵抗能力就是一个亟待解决的问题。为了能在误码环境下提供较好的性能，H.264标准也提出了不少在编码层提高视频解码鲁棒性的方法。虽然这些误码抵抗的方法能在编码层将误码扩散限制在较小的时域或空域内，但是他们无法纠正传输错误，特别是当信道噪声很大的情况下，解码器可能会产生很多错误，严重降低重建视频的质量。 

CABAC的压缩有两个步骤，第一步把待压缩符号先二值化，二值化采用的方式有一元编码，截短的一元编码，k阶Exp-Golomb编码等方式，符号序列在二值化之后才送入基于上下文的二值算术码(CABAC)编码器，经二值算术码编码之后的比特序列经调制被送上噪声信道，在接收端，Salma Ben等人在《IEEE trans  on communication》(IEEE通信汇刊)，2009，57卷7期，pp.2014-2023上发表了题为“improved sequential MAP estimation of CABAC encoded data with objective adjustment of the complexity/efficiency tradeoff”，该文设计了基于CABAC二值算数码部分的基于最大后验概率(MAP)的联合信源信道解码器，但她没有考虑将联合解码的策略应用到反二值化处理器，其结果是，一旦从CABAC的算术码联合解码器来的数据中有错误，用普通的反二值化处理器解码符号序列时就会误码扩散，造成严重错误。实际上目前较常用的视频标准H.264，HEVC，以及图像压缩标准JPEG2000都在做算数编码之前先将待压缩的符号序列转换成二进制序列然后再做二值算术码编码，而这个二进制序列的转换就是一个变长码编码的过程，目前的联合算数码解码都是只考虑了算数码联合解码的部分，而在视频及图像处理中通常在算数码解码之后还要经过变长码解码的这个过程都未涉及。由此，想到要设计适用于视频和图像传输的基于变长码和算数码的联合信源信道解码器，将变长码的联合解码部分也同时考虑进来，以此进一步提高联合解码的性能，同时也使其能应用到实际的传输系统中去。 

发明内容

针对上述技术问题，本发明提出用于视频图像传输的信源信道联合解码方法。 

为了解决上述技术问题，本发明的技术方案如下： 

用于视频图像传输的信源信道联合解码方法，包括对长度为N的信源符号序列a＝{a₁，a₂，...a_i，...a_N}经过CABAC的二值化编码器做二值化编码，输出长度为S的二进制序列b＝{b₁，b₂，...b_S}；对所述二进制序列经过CABAC的二值算术码编码器进行二值算术码编码，输出长度为M的二进制序列x＝{x₁，x₂，...x_M}，经过二进制相移键控BPSK调制及信道编码成序列y＝{y₁，y₂，...y_N}后送入噪声信道；在 接收端收到序列 

后经过信道解码得到输出信息 

所述序列 

为序列y＝{y₁，y₂，...y_N}经过噪声信道得到的序列； 

所述 为x序列经噪声信道得到的序列； 

11)在联合信源信道算术码解码器通过公式(a)进行解码： 

$P(x/\hat{x})=\frac{P(\hat{x}/x)P\left(x\right)}{P\left(\hat{x}\right)}---\left(a\right)$

所述 $P(\hat{x}/x)=\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}P({\hat{x}}_i/x_i),$ 所述 $P({\hat{x}}_i/x_i)=\left\{\begin{array}{ccc}\frac{\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=0\\ \frac{1}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=1\end{array}\right.;$

所述P(x)＝P(b)＝2^-M；所述 $P\left(\hat{x}\right)\≈\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}P\left({\hat{x}}_i\right)=\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}\frac{P({\hat{x}}_i/x_i=1)+P({\hat{x}}_i/x_i=0)}{2};$

12)联合信源信道算术码解码采用广度优先的M堆栈算法来搜索最佳路径，在每个搜索深度i，根据路径度量公式 $m=\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{m}_i=\underset{n=0}{\overset{M-1}{\mathrm{\Σ}}}(\log P({\hat{x}}_i/x_i)+\log P\left(x_i\right)-\log \left({\hat{x}}_i\right))$ 只保留N个具有最大度量的状态节点用于后续扩展，而每一个状态节点的扩展有两条路径，一个为0，另一个为1；在扩展路径时检测当前的解码路径上的输出序列是否是合法的后续变长码解码器的变长码码字，若不是，则删除当前路径，当搜索深度达到二值序列的长度时，则搜索结束，选择度量值最大的路径后向逐步递推就可以得到最优估计序列； 

13)将得的最优估计序列作为联合信源信道变长码解码器的输入，在联合信源信道变长码解码器中采用格状图搜索方式来计算解码的最佳路径，在格状图中在每一个比特解码时刻，将所有有效路径按汉明距离进行排序，只保留度量值最小的K条路径，当解码深度等于接收到的比特序列的长度时，比较当前所有存留的路径，具有最小的汉明距离且其输出的解码符号数符合编码符号数的那条路径就 可以认为是最优路径，该路径通过后向递推可获得输出解码符号序列。 

本发明的有益效果在于：融合了CABAC解码中算术码解码和变长码解码两个部分，并采用联合信源信道解码的方式来纠正在噪声信道中传输时导致的一些错误比特，从而获得更好的误码抵抗的性能，防止并降低误码扩散。同时在联合信源信道算术码解码器的路径搜索过程中很好地利用了变长码码字结构的特点来删除一些无效路径，达到进一步提高解码性能的目的。 

附图说明

图1本发明的联合信源信道解码器的结构框图； 

图2联合信源信道变长码解码器的比特搜索框图； 

图3联合变长码解码器与其他解码器的性能比较。 

具体实施方式

下面将结合附图和具体实施例对本发明做进一步的说明。 

一.联合信源信道算术码解码器的实现。 

(1)基于最大后验概率算法的联合信源信道算术码解码 

假设长度为N的信源符号序列a＝{a₀，a₁，...a_i，...a_N-1}经CABAC的二值化编码后成为长度为S的二进制序列b＝{b₀，b₁，...b_S-1}，然后再进入CABAC二值算术码(变长码)编码器，输出长度为M的二进制序列x＝{x₀，x₁，...x_M-1}，之后经二进制相移键控(BPSK)调制及信道编码成序列y＝{y₀，y₁，...y_M-1}，送上AWGN噪声信道，在接收端接收到的序列是 

经信道解码得到软输出信息 

可认为是x序列经噪声信道。最大后验概率算数码解码就是在给定接受序列 

的前提下解得最可能的信息系列b。根据贝叶斯准则，序列b的后验概率是： 

$P(b/\hat{x})=\frac{P(\hat{x}/b)P\left(b\right)}{P\left(\hat{x}\right)}---\left(1\right)$

由于在序列b和序列x之间可以被看作是一一映射的关系，可以认为P(b)＝P(x)，由此，上式可写为： 

$P(x/\hat{x})=\frac{P(\hat{x}/x)P\left(x\right)}{P\left(\hat{x}\right)}---\left(2\right)$

(2)式右边主要有3部分，第一部分 对无记忆信道来说，可以分解到单独的比特，且只和信道转移概率有关，即： 

$P(\hat{x}/x)=\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}P({\hat{x}}_i/x_i)---\left(3\right)$

这部分也可由信道解码获得的软信息经变换而得。 

$P({\hat{x}}_i/x_i)=\left\{\begin{array}{ccc}\frac{\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=0\\ \frac{1}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=0\end{array}\right.---\left(4\right)$

第二部分P(x)，可以认为P(x)＝P(b)，这部分是信源的先验概率，在本方法中，采用下述方法来估计先验概率。对算术编码来说，编码区间的宽度是直接与编码符号的概率相关的。对输入序列b＝{b₀，b₁，...b_S-1}， 

而对目前使用的算术码来说，每编码一个比特信息区间都要乘以2以放大信息区间，归一化过程使得信息间隔总在(0.25，1]的范围内。当编码序列b时输出M比特，信息间隔则被放大了2^M倍，最后量化后的间隔也还在(0.25，1]范围内，其概率近似为1，可以得到： 

2^MP(b)＝1(5) 

由此， 

P(b)＝2^-M          logP(b)＝-M log(2) 

logP(b_i)≈logP(x_i)＝log(2)     i＝0，1，...，M-1(6) 

(2)式的第三部分是 

采用近似办法，序列x包含M比特，其概率可以近似为： 

$P\left(\hat{x}\right)\≈\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}P\left({\hat{x}}_i\right)=\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}\frac{P({\hat{x}}_i/x_i=1)+P({\hat{x}}_i/x_i=0)}{2}---\left(7\right)$

为了便于计算，采用对数形式，则序列搜索路径度量公式可表示为： 

$m=\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{m}_i=\underset{n=0}{\overset{M-1}{\mathrm{\Σ}}}(\log P({\hat{x}}_i/x_i)+\log P\left(x_i\right)-\log \left({\hat{x}}_i\right))---\left(8\right)$

(2)M堆栈搜索算法 

算数码是二值树型码，因此，考虑采用序列搜索的方式来获得最优估计序列。但是直接根据路径度量公式(8)在所有可能的路径中搜索最佳路径是不现实的，因为随着解码比特长度的增加，解码树中的路径也会以指数级别快速增加。为此，需要寻找次优的序列搜索方式。本发明采用广度优先的M堆栈算法(Multiple stack algorithm)，在每个搜索深度i，根据公式(8)只保留N个具有最大度量的状态节点用于后续扩展，而每一个状态节点的扩展有两条路径，一个为0，另一个为1。另外，以往的删除路径策略主要都是采用在算术码中添加禁用区间，然后在解码端一旦检测到禁用区间就删除该路径。这种在算术码编码时添加纠错信息的方法若应用到CABAC，势必会导致目前CABAC的概率模型的变化，影响其编码效率。因此，不考虑在编码端添加禁用区间，而是在路径搜索过程中，考虑到正确的解码路径应该是能够符合后续的VLC解码的码字，由此，在扩展路径时检测当前的解码路径上的输出序列是否是合法的vlc码字，若不是，则删除当前路径。当该搜索深度达到二值序列的长度时搜索结束，选择度量值最大的路径后向逐步递推就可以得到最优估计序列。 

二、联合信源信道变长码解码器(JVLD)的实现。 

从联合算数码解码器输出的比特信息还需要进行变长码联合解码。变长码联合信源信道解码通常采用两种搜索格状图。第一个是符号受限的格状图，由Sayood提出，(Khalid Sayood and HasanH，“Joint source/cahnnel coding for variable length codes，”IEEE通信汇刊，2000，第48卷第5期，pp.787-794.)每一条路径都包含相同的符号数。另一个则是比特受限的格状图，由Park提出(M.Park and  D.J.Miller，“Joint source-channel decoding for variable length encoded data by exact and approximate MAP sequence estimation”，IEEE通信汇刊，2000，第48卷pp.1-6.)，每一条路径都包含相同的比特数。在仿真试验中发现符号受限联合解码的性能低于比特受限联合解码的性能。这是由于比特受限的解码精确度较符号受限的解码精确度高。同时还发现，在比特受限的解码过程中，在每一个比特解码时刻，若要在每一种解码状态下都保留K条最佳路径，实际上加大了要搜索的路径复杂度，同时还限制了最佳路径的选择。基于以上考虑，提出了改进的比特受限可变长联合解码算法，如图2所示。在每一个比特解码时刻，其最佳的一些路径并不一定会散布于各种可能的解码状态，而有可能只存在于一个和几个解码状态中，因此，不同于Park和Miller的删除方法，在每个解码状态都保留若干条最优路径，采用的删除方式为在每一个比特解码时刻，将所有有效路径进行排序，只保留最优的K条路径。 

如图2所示，水平元素代表比特时间，在时间n的每一个状态代表比特长度为n的一组符号。当解码深度达到M比特时，比较当前所有存留的路径，具有最小的汉明距离且其输出的解码符号数符合编码符号数的那条路径就可以认为是最优路径。 

图3给出了的解码方案与Sayood解码算法和Park-Miller解码算法的性能比较，采用了和Sayood算法一样的数据源，^256X256Lena图像经过4级DPCM量化之后，做NCE编码，编码符号集变为0-15，再经Huffman编码之后通过BSC信道，传送时分包传送，每128个符号为一个包。仿真Sayood算法和Miller算法时，每一个解码时刻的每一种解码状态下都保留4条最佳路径(也就是说在每一个解码时刻共保留64条路径)，而用的方案解码时，在每一个解码时刻只保留K＝16条最佳路径。从图3可以看出，该方案性能优于其他解码算法，尤 其当差错概率在10^-3.5～10^-1.5时较前两种算法解码性能有明显提高。比如说，当差错概率为5×10-3时，的解码方案恢复出来的图像的PSNR值分别优于Sayood算法6.15dB，Miller算法1.94dB。同时搜索复杂度也是最低的，解码时间也大大减少。 

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。 

Claims (1)

1.用于视频图像传输的信源信道联合解码方法，包括对长度为N的信源符号序列a＝{a₁，a₂，...a_i，...a_N}经过CABAC的二值化编码器做二值化编码，输出长度为S的二进制序列b＝{b₁，b₂，...b_S}；对所述二进制序列经过CABAC的二值算术码编码器进行二值算术码编码，输出长度为M的二进制序列x＝{x₁，x₂，...x_M}，经过二进制相移键控BPSK调制及信道编码成序列y＝{y₁，y₂，...y_N}后送入噪声信道；在接收端收到序列

后经过信道解码得到输出信息

所述序列为序列y＝{y₁，y₂，...y_N}经过噪声信道得到的序列；

所述

为x序列经噪声信道得到的序列；

其特征在于，包括如下步骤：

11)在联合信源信道算术码解码器通过公式(a)进行解码：

$P(x/\hat{x})=\frac{P(\hat{x}/x)P\left(x\right)}{P\left(\hat{x}\right)}---\left(a\right)$

所述 $P(\hat{x}/x)=\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}P({\hat{x}}_i/x_i),$ 所述 $P({\hat{x}}_i/x_i)=\left\{\begin{array}{ccc}\frac{\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=0\\ \frac{1}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=1\end{array}\right.;$

所述P(x)＝P(b)＝2^-M；所述 $P\left(\hat{x}\right)\≈\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}P\left({\hat{x}}_i\right)=\underset{i=0}{\overset{M-1}{\mathrm{\Π}}}\frac{P({\hat{x}}_i/x_i=1)+P({\hat{x}}_i/x_i=0)}{2};$

12)联合信源信道算术码解码采用广度优先的M堆栈算法来搜索最佳路径，在每个搜索深度i，根据路径度量公式 $m=\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{m}_i=\underset{n=0}{\overset{M-1}{\mathrm{\Σ}}}(\log P({\hat{x}}_i/x_i)+\log P\left(x_i\right)-\log \left({\hat{x}}_i\right))$ 只保留N个具有最大度量的状态节点用于后续扩展，而每一个状态节点的扩展有两条路径，一个为0，另一个为1；在扩展路径时检测当前的解码路径上的输出序列是否是合法的后续变长码解码器的变长码码字，若不是，则删除当前路径，当搜索深度达到二值序列的长度时，则搜索结束，选择度量值最大的路径后向逐步递推就可以得到最优估计序列；

13)将得的最优估计序列作为联合信源信道变长码解码器的输入，在联合信源信道变长码解码器中采用格状图搜索方式来计算解码的最佳路径，在格状图中在每一个比特解码时刻，将所有有效路径按汉明距离进行排序，只保留度量值最小的K条路径，当解码深度等于接收到的比特序列的长度时，比较当前所有存留的路径，具有最小的汉明距离且其输出的解码符号数符合编码符号数的那条路径就可以认为是最优路径，该路径通过后向递推可获得输出解码符号序列。

Images