CN115209153A

CN115209153A - 编码器、解码器及对应方法

Info

Publication number: CN115209153A
Application number: CN202210410921.XA
Authority: CN
Inventors: 马祥; 杨海涛
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2019-09-24
Filing date: 2020-09-24
Publication date: 2022-10-18
Anticipated expiration: 2040-09-24
Also published as: EP4026337A1; CA3152464C; US20220030222A1; CN114424571A; CA3152464A1; WO2021057869A1; JP2022550322A; CN115209153B; BR112022005469A2; MX2022003556A; US20220368892A1; AU2020352952A1; EP4026337A4; KR20220065040A; US11968357B2; US11412215B2; JP7483869B2

Abstract

本发明提供了一种对经译码视频码流进行解码的方法。所述方法包括：从所述码流中获取序列参数集(sequence parameter set，SPS)级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(video parameter set，VPS)，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；当所述SPS级语法元素大于所述预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter‑layerreference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测；根据所述层间启用语法元素的值，预测所述一个或多个经译码图像。

Description

编码器、解码器及对应方法

本申请是分案申请，原申请的申请号是202080065857.5，原申请日是2020年09月24 日，原申请的全部内容通过引用结合在本申请中。

技术领域

本申请实施例大体上涉及图像处理领域，更具体地，涉及层间预测。

背景技术

视频译码(视频编码和解码)广泛用于数字视频应用，例如广播数字电视、基于互联网和移动网络的视频传输、视频聊天、视频会议等实时会话应用、DVD和蓝光光盘、视频内容采集和编辑系统以及安全应用的可携式摄像机。

即使视频相对较短，也需要大量的视频数据来描述，当数据要在带宽容量受限的通信网络中进行流式传输或以其它方式传输时，这样可能会造成困难。因此，视频数据通常要先压缩，然后在现代电信网络中发送。由于内存资源可能有限，当在存储设备上存储视频时，视频的大小也可能成为问题。视频压缩设备通常在信源侧使用软件和/或硬件对视频数据进行译码，然后进行传输或存储，从而减少表示数字视频图像所需的数据量。然后，由解码视频数据的视频解压缩设备在目的地侧接收压缩数据。在网络资源有限以及对更高视频质量的需求不断增长的情况下，需要改进压缩和解压缩技术，这些改进的技术在几乎不牺牲图像质量的前提下提高压缩比。

发明内容

本申请实施例提供独立权利要求所述的用于编码和解码的装置和方法。

上述和其它目的通过独立权利要求请求保护的主题实现。其它实现方式在从属权利要求、说明书和附图中显而易见。

特定实施例在所附独立权利要求中概述，其它实施例在从属权利要求中概述。

第一方面，本发明涉及一种用于对经译码视频码流进行解码的方法。所述方法由解码设备执行。所述方法包括：从所述码流中获取序列参数集(sequence parameter set，SPS)级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(videoparameter set，VPS)，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；当所述SPS级语法元素大于所述预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer reference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测；根据所述层间启用语法元素的值，预测所述一个或多个经译码图像。

在层间预测中，经译码图像和所述经译码图像的参考图像属于不同的层，其中，不同的层可以对应不同的分辨率，低空间分辨率可以作为高空间分辨率的参考。所述层间启用语法元素表示层间预测是否被启用，因此，当层间启用语法元素表示层间预测被禁用时，不需要指示(signal)与层间预测相关的语法元素，所以可以降低码率。此外，视频参数集(video parameter set，VPS)是针对多层的，SPS不参考VPS表示在解码与所述SPS相关的图像时不需要多层，换句话说，在解码与所述SPS相关的图像时只使用一个层。当只有一层时，无法执行层间预测，因此，在SPS不参考VPS时不指示(signal)所述层间启用语法元素会进一步降低码率。

码流是形成一个或多个编码视频序列(coded video sequence，CVS)的位序列。

编码视频序列(coded video sequence，CVS)是一系列AU。

编码层视频序列(coded layer video sequence，CLVS)是一系列具有相同nuh_layer_id 值的PU。

接入单元(access unit，AU)是属于不同层的PU的集合，并且包括与从DPB输出的相同时间相关联的经译码图像。

图像单元(picture unit，PU)是根据指定的分类规则彼此关联的NAL单元的集合，所述NAL单元在解码顺序中是连续的，并且正好包括一个经译码图像。

层间参考图像(inter-layer reference picture，ILRP)是与当前图像位于相同AU中的图像，其nuh_layer_id小于当前图像的nuh_layer_id。

SPS是一种语法结构，包括适用于零个或多个完整CLVS的语法元素。

根据所述第一方面，在所述方法的一种可能实现方式中，所述VPS包括描述编码视频序列(coded video sequence，CVS)中各层的层间预测信息的语法元素，所述SPS包括所述 SPS级语法元素和所述层间启用语法元素，其中，所述CVS包括所述一个或多个ILRP和所述一个或多个经译码图像。

当所述SPS参考所述VPS时，所述VPS包括描述所述一个或多个ILRP和所述一个或多个编码图像所属的各层的层间预测信息的语法元素。

根据所述第一方面或所述第一方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述根据所述层间启用语法元素的值，预测所述一个或多个经译码图像包括：当所述层间启用语法元素的值表示启用一个或多个层间参考图像(inter-layerreference picture， ILRP)以用于一个或多个经译码图像的帧间预测时，通过参考所述一个或多个ILRP来预测所述一个或多个经译码图像，其中，所述一个或多个ILRP是根据所述SPS参考的所述VPS 中包括的所述层间预测信息获取的。

根据所述第一方面或所述第一方面的任一上述实现方式，在所述方法的一种可能实现方式中，经译码图像和所述经译码图像的ILRP属于不同的层。

根据所述第一方面或所述第一方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述SPS级语法元素等于预设值还表示编码视频序列(coded videosequence，CVS) 仅包括一层的经译码图像。

根据所述第一方面或所述第一方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述预设值为0。

根据所述第一方面或所述第一方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述根据所述层间启用语法元素的值，预测所述一个或多个经译码图像包括：如果所述层间启用语法元素的值表示所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测，则在不参考任何ILRP的情况下预测所述一个或多个经译码图像。

第二方面，本发明涉及一种用于对经译码视频码流进行编码的方法。所述方法由编码设备执行。所述方法包括：将序列参数集(sequence parameter set，SPS)级语法元素编码到所述码流中，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(video parameter set，VPS)，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；当所述 SPS级语法元素大于所述预设值时，将层间启用语法元素编码到所述码流中，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer referencepicture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测。

根据所述第二方面，在所述方法的一种可能实现方式中，所述VPS包括描述编码视频序列(coded video sequence，CVS)中各层的层间预测信息的语法元素，所述SPS包括所述 SPS级语法元素和所述层间启用语法元素，其中，所述CVS包括所述一个或多个ILRP和所述一个或多个经译码图像。

根据所述第二方面或所述第二方面的任一上述实现方式，在所述方法的一种可能实现方式中，经译码图像和所述经译码图像的ILRP属于不同的层。

根据所述第二方面或所述第二方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述SPS级语法元素等于预设值还表示编码视频序列(coded videosequence，CVS) 仅包括一层的经译码图像。

根据所述第二方面或所述第二方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述预设值为0。

根据所述第二方面或所述第二方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述将层间启用语法元素编码到所述码流中包括：通过确定所述一个或多个ILRP被启用以用于一个或多个经译码图像的帧间预测，将表示所述一个或多个ILRP被启用以用于一个或多个经译码图像的帧间预测的所述层间启用语法元素编码到所述码流中。

根据所述第二方面或所述第二方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述将层间启用语法元素编码到所述码流中包括：通过确定所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测，将表示所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测的所述层间启用语法元素编码到所述码流中。

第三方面，本发明涉及一种对经译码视频码流进行解码的解码器。所述解码器包括：获取单元，用于从所述码流中获取序列参数集(sequence parameter set，SPS)级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(video parameterset， VPS)，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；所述获取单元还用于当所述SPS级语法元素大于所述预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer reference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测；预测单元，用于根据所述层间启用语法元素的值，预测所述一个或多个经译码图像。

根据所述第三方面，在所述方法的一种可能实现方式中，所述VPS包括描述编码视频序列(coded video sequence，CVS)中各层的层间预测信息的语法元素，所述SPS包括所述 SPS级语法元素和所述层间启用语法元素，其中，所述CVS包括所述一个或多个ILRP和所述一个或多个经译码图像。

根据所述第三方面或所述第三方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述预测单元用于当所述层间启用语法元素的值表示启用一个或多个层间参考图像 (inter-layer reference picture，ILRP)以用于一个或多个经译码图像的帧间预测时，通过参考所述一个或多个ILRP来预测所述一个或多个经译码图像，其中，所述一个或多个ILRP 是根据所述SPS参考的所述VPS中包括的所述层间预测信息获取的。

根据所述第三方面或所述第三方面的任一上述实现方式，在所述方法的一种可能实现方式中，经译码图像和所述经译码图像的ILRP属于不同的层。

根据所述第三方面或所述第三方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述SPS级语法元素等于预设值还表示编码视频序列(coded videosequence，CVS) 仅包括一层的经译码图像。

根据所述第三方面或所述第三方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述预设值为0。

根据所述第三方面或所述第三方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述预测单元用于如果所述层间启用语法元素的值表示所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测，在不参考任何ILRP的情况下预测所述一个或多个经译码图像。

第四方面，本发明涉及一种对经译码视频码流进行编码的编码器。所述编码器包括：第一编码单元，用于将序列参数集(sequence parameter set，SPS)级语法元素编码到所述码流中，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(videoparameter set， VPS)，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；第二编码单元，用于当所述SPS级语法元素大于所述预设值时，将层间启用语法元素编码到所述码流中，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layerreference picture，ILRP) 是否被启用以用于一个或多个经译码图像的帧间预测。

根据所述第四方面，在所述方法的一种可能实现方式中，所述编码器还包括确定单元，用于确定所述SPS级语法元素是否大于所述预设值。

根据所述第四方面或所述第四方面的任一上述实现方式中，在所述方法的一种可能实现方式中，所述VPS包括描述编码视频序列(coded video sequence，CVS)中各层的层间预测信息的语法元素，所述SPS包括所述SPS级语法元素和所述层间启用语法元素，其中，所述CVS包括所述一个或多个ILRP和所述一个或多个经译码图像。

根据所述第四方面或所述第四方面的任一上述实现方式，在所述方法的一种可能实现方式中，经译码图像和所述经译码图像的ILRP属于不同的层。

根据所述第四方面或所述第四方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述SPS级语法元素等于预设值还表示编码视频序列(coded videosequence，CVS) 仅包括一层的经译码图像。

根据所述第四方面或所述第四方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述预设值为0。

根据所述第四方面或所述第四方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述第二编码单元用于：通过确定所述一个或多个ILRP被启用以用于一个或多个经译码图像的帧间预测，将表示所述一个或多个ILRP被启用以用于一个或多个经译码图像的帧间预测的所述层间启用语法元素编码到所述码流中。

根据所述第四方面或所述第四方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述第二编码单元用于：通过确定所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测，将表示所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测的所述层间启用语法元素编码到所述码流中。

根据所述第四方面或所述第四方面的任一上述实现方式，在所述方法的一种可能实现方式中，所述编码器还包括：确定单元，用于确定所述一个或多个ILRP是否被启用以用于一个或多个经译码图像的帧间预测。

根据本发明第一方面的方法可以由根据本发明第三方面的装置执行。根据本发明第三方面的方法的其它特征和实现方式对应于根据本发明第一方面的装置的特征和实现方式。

根据本发明第二方面的方法可以由根据本发明第四方面的装置执行。根据本发明第四方面的方法的其它特征和实现方式对应于根据本发明第二方面的装置的特征和实现方式。

根据第二方面的方法可以扩展为对应于根据第一方面的第一装置的实现方式。因此，所述方法的实现方式包括所述第一装置的对应实现方式的一个或多个特征。

根据第二方面的方法的优点与根据第一方面的第一装置的对应实现方式的优点相同。

第五方面，本发明涉及一种对视频码流进行解码的装置，包括处理器和存储器。所述存储器存储指令，所述指令使得所述处理器执行根据第一方面的方法。

第六方面，本发明涉及一种对视频码流进行编码的装置，包括处理器和存储器。所述存储器存储指令，所述指令使得所述处理器执行根据第二方面的方法。

第七方面，提供了一种存储有指令的计算机可读存储介质，其中，所述指令当在执行时使得一个或多个处理器用于对视频数据进行译码。所述指令使得所述一个或多个处理器执行根据第一或第二方面或第一或第二方面的任一可能实施例的方法。

第八方面，本发明涉及一种计算机程序，包括程序代码，所述程序代码在计算机中执行时用于执行根据第一或第二方面或第一或第二方面的任一可能实施例的方法。

第九方面，本发明涉及一种非瞬时性存储介质，包括图像解码设备解码的经编码码流。所述码流通过将视频信号或图像信号的帧分成多个块而生成，且包括多个语法元素，所述多个语法元素包括层间启用语法元素，所述层间启用语法元素表示在SPS级语法元素大于预设值的条件下，一个或多个层间参考图像(inter-layer reference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(video parameter set，VPS)，所述SPS级语法元素大于所述预设值表示所述 SPS参考VPS。

一个或多个实施例的细节在附图和说明书中阐述。其它特征、目标和优点将从说明书、附图和权利要求中显而易见。

此外，提供了以下实施例。

在一个实施例中，提供了一种对经译码视频码流进行解码的方法，所述方法包括：

解析第一语法元素，其中，所述第一语法元素表示索引为i的层是否使用层间预测，i 是整数且i大于0；

当满足第一条件时，解析第二语法元素，其中，所述第二语法元素表示索引为j的层是否是所述索引为i的层的直接参考层，j是整数，j小于i且大于或等于0，所述第一条件包括所述第一语法元素表示所述索引为i的层可以使用层间预测，且i大于预设值(例如，1)；

根据所述第二语法元素的值，预测所述索引为i的层的图像。

在一个实施例中，所述方法还包括：

当满足第二条件时，通过将所述索引为j的层用作所述索引为i的层的直接参考层，预测所述索引为i的层的图像，其中，j为整数，j小于i且大于或等于0，所述第二条件包括所述语法元素表示所述索引为i的层可以使用层间预测，且i等于所述预设值。

在一个实施例中，所述方法还包括：

当满足所述第二条件时，确定所述第二语法元素的值表示所述索引为j的层是所述索引为i的层的直接参考层。

在一个实施例中，所述索引为i的层的图像包括所述索引为i的层中的图像或与所述索引为i的层相关的图像。

解析语法元素，其中，所述语法元素表示索引为i的层是否使用层间预测，i是整数且i 大于0；

当满足条件时，通过将索引为j的层用作所述索引为i的层的直接参考层，预测所述索引为i的层的图像，其中，j为整数且j等于i–1，所述条件包括所述语法元素表示所述索引为i的层可以使用层间预测。

解析语法元素，其中，所述语法元素表示至少一个长期参考图像(long-termreference picture，LTRP)是否用于编码视频序列(coded video sequence，CVS)中的任何经译码图像的帧间预测，所述至少一个LTRP中的每个图像被标识为“用于长期参考”，但不是层间参考图像(inter-layer reference picture，ILRP)；

根据语法元素的值，预测所述CVS中的一个或多个经译码图像。

确定是否满足条件，其中，所述条件包括当前层的层索引大于预设值；

当满足所述条件时，解析第一语法元素，其中，所述第一语法元素表示至少一个层间参考图像(inter-layer reference picture，ILRP)是否用于编码视频序列(codedvideo sequence， CVS)中的任何经译码图像的帧间预测；

根据所述第一语法元素的值，预测所述CVS中的一个或多个经译码图像。

在一个实施例中，所述预设值为0。

在一个实施例中，所述条件还包括第二语法元素(例如，sps_video_parameter_set_id) 大于0。

确定是否满足条件，其中，所述条件包括当前层的层索引大于预设值，且参考图像列表结构中的当前条目是ILRP条目；

当满足所述条件时，解析语法元素，其中，所述语法元素表示所述当前层的直接相关层列表的索引；

根据所述参考图像列表结构，预测CVS中的一个或多个经译码图像，其中，参考图像列表结构的当前条目是使用直接相关层列表的索引获得的ILRP条目。

在一个实施例中，所述预设值为1。

在一个实施例中，提供了一种编码器(20)，所述编码器包括处理电路，所述处理电路用于执行根据任一上述实施例所述的方法。

在一个实施例中，提供了一种解码器(30)，所述解码器包括处理电路，所述处理电路用于执行根据任一上述实施例所述的方法。

在一个实施例中，提供了一种包括程序代码的计算机程序产品，当所述程序代码在计算机或处理器中执行时，所述程序代码用于执行根据任一上述实施例所述的方法。

在一个实施例中，提供了一种解码器，包括：

一个或多个处理器；

非瞬时性计算机可读存储介质，耦合至所述处理器并存储由所述处理器执行的程序，其中，当所述处理器执行所述程序时，所述解码器用于执行根据任一上述实施例所述的方法。

在一个实施例中，提供了一种编码器，包括：

一个或多个处理器；

非瞬时性计算机可读存储介质，耦合至所述处理器并存储由所述处理器执行的程序，其中，当所述处理器执行所述程序时，所述编码器用于执行根据任一上述实施例所述的方法。

在一个实施例中，提供了一种包括程序代码的非瞬时性计算机可读存储介质，当计算机设备执行所述程序代码时，所述程序代码使得所述计算机设备执行根据任一上述实施例所述的方法。

附图说明

下文将参考以下附图详细描述本发明实施例，其中：

图1A为用于实现本发明实施例的示例性视频译码系统的框图；

图1B为用于实现本发明实施例的另一示例性视频译码系统的框图；

图2为用于实现本发明实施例的示例性视频编码器的框图；

图3为用于实现本发明实施例的视频解码器的示例性结构的框图；

图4为示例性编码装置或解码装置的框图；

图5为另一示例性编码装置或解码装置的框图；

图6为2层可扩展译码的框图；

图7为实现内容分发业务的示例性内容提供系统3100的示例性结构的框图；

图8为终端设备的示例性结构的框图；

图9为一个实施例提供的解码方法的流程图；

图10为一个实施例提供的编码方法的流程图；

图11为一个实施例提供的编码器的示意图；

图12为一个实施例提供的解码器的示意图。

在下文中，除非另外明确说明，否则相同的附图标记是指相同或至少功能上等效的特征。

具体实施方式

在以下描述中，参考构成本发明一部分的附图，附图通过说明的方式示出了本发明实施例的特定方面或可使用本发明实施例的特定方面。应理解，本发明的实施例可用于其它方面，并且包括未在附图中描绘的结构或逻辑变化。因此，以下详细的描述并不当作限定，本发明的范围由所附权利要求书界定。

可以理解的是，与所描述的方法有关的公开内容对于与用于执行方法对应的设备或系统也同样适用，反之亦然。例如，如果描述了一个或多个特定方法步骤，则对应的设备可以包括一个或多个单元，例如，功能单元，用于执行所描述的一个或多个方法步骤(例如，执行所述一个或多个步骤的一个单元，或各自执行所述多个步骤中的一个或多个步骤的多个单元)，即使图中未明确描述或说明此类一个或多个单元。另一方面，例如，如果根据一个或多个单元(例如，功能单元)来描述特定装置，对应的方法可以包括一个步骤来执行一个或多个单元的功能(例如，执行所述一个或多个单元的功能的一个步骤，或各自执行所述多个单元中的一个或多个单元的功能的多个步骤)，即使图中未明确描述或说明此类一个或多个步骤。此外，应理解，除非另外具体指出，否则本文中描述的各种示例性实施例和/或方面的特征可彼此组合。

视频译码(coding)通常指对构成视频或视频序列的图像序列进行的处理。在视频译码的领域中，术语“帧(frame)”或“图像(picture/image)”可以用作同义词。视频译码(或通常称为译码)包括视频编码和视频解码两部分。在源侧执行视频编码，通常包括处理(例如，通过压缩)原始视频图像，以减少表示视频图像所需的数据量(以进行更高效的存储和 /或传输)。在目的地侧执行视频解码，通常包括相对于编码器的逆处理以重建视频图像。实施例涉及的视频图像(或通常称为图像)“译码(coding)”应理解为涉及视频图像或相应视频序列的“编码”或“解码”。编码部分和解码部分的组合也称为CODEC(编码和解码)。

在无损视频译码的情况下，可以重建原始视频图像，即，重建视频图像与原始视频图像的质量相同(假设在存储或传输过程中没有传输损失或其它数据丢失)。在有损视频译码的情况下，进一步执行压缩(例如，通过量化)以减少表示无法在解码器中完全重建的视频图像的数据量，即，与原始视频图像相比，经重建视频图像的质量较低或较差。

几种视频编码标准都属于“有损混合视频编解码器”(即，结合样本域中的空间预测和时间预测以及在变换域中应用量化的2D变换译码)。视频序列的每个图像通常被分割成一组不重叠的块，并且译码通常以块为单位执行。换句话说，在编码器中，通常以块(视频块) 为单位对视频进行处理(即编码)，例如，通过空间(帧内)预测和/或时间(帧间)预测来生成预测块；从当前块(当前处理/待处理的块)中减去预测块，获得残差块；在变换域中变换残差块并量化残差块，以减少待传输(压缩)的数据量，而在解码器中，将相对于编码器的逆处理应用于经编码或压缩的块，以重建当前块进行表示。此外，编码器的处理环路与解码器的处理环路相同，使得两者将产生相同的预测(例如，帧内预测和帧间预测)块和/或重建块，以对后续块进行处理(即，译码)。

在以下实施例中，根据图1A和图1B至图3描述了视频译码系统10、视频编码器20和视频解码器30。

图1A为可以利用本申请技术的示例性译码系统10，例如，视频译码系统10(或简称为译码系统10)。视频译码系统10的视频编码器20(或简称为编码器20)和视频解码器30(或简称为解码器30)表示可用于根据本申请中描述的各种示例执行各技术的设备示例。

如图1A所示，译码系统10包括源设备12，源设备12用于将经编码图像数据21提供给目的地设备14，以对经编码图像数据21进行解码。

源设备12包括编码器20，另外即可选地，可包括图像源16、图像预处理器18等预处理器(或预处理单元)18、通信接口或通信单元22。

图像源16可以包括或可以是任何类型的图像捕获设备，例如用于捕获真实世界图像的摄像机，和/或任何类型的图像生成设备，例如用于生成计算机动画图像的计算机图形处理器，或用于获取和/或提供真实世界图像、计算机生成图像(例如，屏幕内容、虚拟现实 (virtual reality，VR)图像)和/或其任何组合(例如，增强现实(augmented reality，AR) 图像)的任何类型的其它设备。所述图像源可以为存储任一上述图像的任何类型的存储器 (memory/storage)。

区别于预处理器18和预处理单元18执行的处理，图像或图像数据17也可以称为原始图像或原始图像数据17。

预处理器18用于接收(原始)图像数据17，对图像数据17进行预处理，以获得经预处理图像19或经预处理图像数据19。预处理器18执行的预处理可包括修剪(trimming)、颜色格式转换(例如从RGB转换为YCbCr)、颜色校正或去噪等。应理解，预处理单元18可以是可选组件。

视频编码器20用于接收预处理图像数据19并提供经编码图像数据21(下面将根据图2 等进一步描述)。

源设备12中的通信接口22可用于：接收经编码图像数据21并通过通信信道13向目的地设备14等另一设备或任何其它设备发送经编码图像数据21(或其它任何处理后的版本)，以便存储或直接重建。

目的地设备14包括解码器30(例如视频解码器30)，另外即可选地，可包括通信接口或通信单元28、后处理器32(或后处理单元32)和显示设备34。

目的地设备14中的通信接口28用于直接从源设备12或从存储设备等任何其它源设备接收经编码图像数据21(或其它任何处理后的版本)，例如，存储设备为经编码图像数据存储设备，并将经编码图像数据21提供给解码器30。

通信接口22和通信接口28可以用于通过源设备12与目的地设备14之间的直接通信链路(例如，直接有线或无线连接)，或通过任何类型的网络(例如，有线或无线网络或其任何组合，或任何类型的专用和公共网络)，或其任何组合发送或接收经编码图像数据21或经编码数据13。

例如，通信接口22可用于将经编码图像数据21封装为报文等合适的格式，和/或使用任何类型的传输编码或处理来处理经编码图像数据，以便在通信链路或通信网络上进行传输。

例如，与通信接口22对应的通信接口28可用于接收发送的数据，并采用任何类型的对应传输解码或处理和/或解封装对发送的数据进行处理，以获得经编码图像数据21。

通信接口22和通信接口28均可配置为如图1A中从源设备12指向目的地设备14的对应通信信道13的箭头所指示的单向通信接口，或配置为双向通信接口，并且可用于发送和接收消息等，以建立连接，确认并交换与通信链路和/或例如经编码图像数据传输等数据传输相关的任何其它信息，等等。

解码器30用于接收经编码图像数据21并提供经解码图像数据31或经解码图像31(下文将根据图3或图5进行详细描述)。

目的地设备14的后处理器32用于对经解码图像数据31(也称为经重建图像数据)(例如，经解码图像31)进行后处理，以获取后处理图像数据33(例如，后处理图像33)。例如，后处理单元32执行的后处理可以包括颜色格式转换(例如从YCbCr转换为RGB)、调色、修剪或重采样，或者用于产生供显示设备34等显示的经解码图像数据31等任何其它处理。

目的地设备14中的显示设备34用于接收后处理图像数据33，以向用户或观看者等显示图像。显示设备34可以为或包括用于表示经重建图像的任何类型的显示器，例如，集成或外部显示器或监视器。例如，显示器可以包括液晶显示器(liquid crystal display，LCD)、有机发光二极管(organic light emitting diode，OLED)显示器、等离子显示器、投影仪、微型 LED显示器、硅基液晶显示器(liquid crystal on silicon，LCoS)、数字光处理器(digital light processor，DLP)或任何类型的其它显示器。

尽管图1A将源设备12和目的地设备14作为单独的设备进行描述，但是设备实施例还可以包括两种设备或两种功能，即源设备12或对应功能以及目的地设备14或对应功能。在这些实施例中，源设备12或对应功能以及目的地设备14或对应功能可以使用相同的硬件和 /或软件或通过单独的硬件和/或软件或其任意组合来实现。

根据描述，图1A所示的源设备12和/或目的地设备14中具有和(准确)划分的不同单元或功能可能根据实际设备和应用而有所不同，这对技术人员来说是显而易见的。

编码器20(例如，视频编码器20)或解码器30(例如，视频解码器30)或两者都可以通过图1B所示的处理电路实现，例如一个或多个微处理器，数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application-specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、离散逻辑、硬件、视频译码专用处理器或其任意组合。编码器20可以通过处理电路46实现，以体现关于图2的编码器20和/或本文描述的任何其它编码器系统或子系统所讨论的各种模块。解码器30可以通过处理电路46实现，以包含参照图3解码器30论述的各种模块和/或本文描述的任何其它解码器系统或子系统。处理电路可用于执行稍后将论述的各种操作。如图5中所示，当所述技术部分地以软件形式实现时，设备可将软件的指令存储在合适的非瞬时性计算机可读存储介质中，并且可以使用一个或多个处理器以硬件形式执行所述指令，以执行本发明的技术。视频编码器20或视频解码器30可作为组合编码器/解码器(编解码器)的一部分集成在单个设备中，如图 1B所示。

源设备12和目的地设备14可以包括多种设备中的任一种，包括任何类型的手持或固定设备，例如，笔记本电脑或膝上型电脑、手机、智能手机、平板电脑(tablet/tabletcomputer)、摄像机、台式计算机、机顶盒、电视机、显示设备、数字媒体播放器、视频游戏机、视频流设备(如内容服务服务器或内容分发服务器)、广播接收器设备、广播发射器设备等，并且可以不使用或使用任何类型的操作系统。在一些情况下，源设备12和目的地设备14可配备用于无线通信的组件。因此，源设备12和目的地设备14可以是无线通信设备。

在一些情况下，图1A所示的视频译码系统10仅仅是示例性的，本申请提供的技术可适用于视频译码设置(例如，视频编码或视频解码)，这些设置不一定包括编码设备与解码设备之间的任何数据通信。在其它示例中，数据从本地存储器中检索，通过网络发送，等等。视频编码设备可以对数据进行编码并将数据存储到存储器中，和/或视频解码设备可以从存储器中检索数据并对数据进行解码。在一些示例中，编码和解码由相互不通信而只是将数据编码到存储器和/或从存储器中检索数据并对数据进行解码的设备来执行。

为便于描述，本文参考由ITU-T视频编码专家组(Video Coding Experts Group，VCEG) 和ISO/IEC运动图像专家组(Motion Picture Experts Group，MPEG)的视频编码联合工作组 (Joint Collaboration Team on Video Coding，JCT-VC)开发的高效视频编码(High-Efficiency Video Coding，HEVC)或通用视频编码(Versatile Video coding，VVC)参考软件或下一代视频编码标准描述本发明实施例。本领域普通技术人员应理解本发明实施例不限于HEVC 或VVC。

编码器和编码方法

图2为用于实现本申请技术的示例性视频编码器20的示意性框图。在图2的示例中，视频编码器20包括输入端201(或输入接口201)、残差计算单元204、变换处理单元206、量化单元208、反量化单元210和逆变换处理单元212、重建单元214、环路滤波器单元220、解码图像缓冲器(decoded picture buffer，DPB)230、模式选择单元260、熵编码单元270和输出端272(或输出接口272)。模式选择单元260可以包括帧间预测单元244、帧内预测单元254和分割单元262。帧间预测单元244可以包括运动估计单元和运动补偿单元(未示出)。图2所示的视频编码器20也可以称为混合视频编码器或基于混合视频编解码器的视频编码器。

残差计算单元204、变换处理单元206、量化单元208和模式选择单元260可以组成编码器20的正向信号路径，而反量化单元210、逆变换处理单元212、重建单元214、缓冲器216、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、帧间预测单元244和帧内预测单元254可以组成视频编码器20的反向信号路径。视频编码器20的反向信号路径与解码器(参见图3中的视频解码器30)的信号路径对应。反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、帧间预测单元244和帧内预测单元254还组成视频编码器20的“内置解码器”。

图像和图像分割(图像和块)

编码器20可用于通过输入端201等接收图像17(或图像数据17)，例如，形成视频或视频序列的图像序列中的图像。接收的图像或图像数据也可以是预处理图像19(或预处理图像数据19)。为了简单起见，以下描述使用图像17。图像17也可称为当前图像或待译码的图像(尤其是在视频译码中将当前图像与其它图像区分开时，其它图像例如同一视频序列，即也包括当前图像的视频序列中的之前经编码图像和/或经解码图像)。

(数字)图像是或可为具有强度值的样本的二维阵列或矩阵。阵列中的样本也可以称为像素(图像元素的简短形式)。阵列或图像的水平和垂直方向(或轴)的样本数限定了图像的大小和/或分辨率。为了表示颜色，通常使用三种颜色分量，即，该图像可以表示为或包括三个样本阵列。在RGB格式或颜色空间中，图像包括对应的红色、绿色和蓝色样本阵列。但是，在视频译码中，每个像素通常以亮度和色度格式或在颜色空间中表示，例如，YCbCr，包括Y表示的亮度分量(有时也用L表示)和Cb和Cr表示的两个色度分量。亮度分量Y表示亮度或灰阶强度(例如，如同灰阶图像中)，两个色度分量Cb和Cr表示色度或颜色信息分量。相应地，YCbCr格式的图像包括亮度样本值(Y)的亮度样本阵列和色度值(Cb 和Cr)的两个色度样本阵列。RGB格式的图像可以转换成YCbCr格式，反之亦然，该过程也称为颜色变换或转换。如果图像是单色的，则图像可以仅包括亮度样本阵列。相应地，例如，图像可以为单色格式的亮度样本阵列或4:2:0、4:2:2和4:4:4颜色格式的亮度样本阵列和两个对应的色度样本阵列。

在一个实施例中，视频编码器20可以包括图像分割单元(图2中未示出)，用于将图像 17分割成多个(通常不重叠)图像块203。这些块也可以称为根块、宏块(H.264/AVC)或编码树块(coding tree block，CTB)，或编码树单元(coding tree unit，CTU)(H.265/HEVC和VVC)。分割单元可用于对视频序列中的所有图像使用相同的块大小和使用限定块大小的对应网格，或在图像或图像子集或图像组之间改变块大小，并将每个图像分割成对应块。

在另外的实施例中，视频编码器可用于直接接收图像17的块203的块，例如，组成图像17的一个、几个或所有块。图像块203也可以称为当前图像块或待译码图像块。

与图像17一样，图像块203同样是或可认为是具有强度值(样本值)的样本组成的二维阵列或矩阵，但是图像块203的尺寸比图像17的小。换句话说，例如，块203可以包括，例如，一个样本阵列(例如黑白图像17情况下的亮度阵列，或者在彩色图像情况下的亮度或色度阵列)或三个样本阵列(例如，在彩色图像17情况下的亮度阵列和两个色度阵列) 或依据所应用的色彩格式的任何其它数量和/或类型的阵列。块203的水平和垂直方向(或轴)的样本数限定了块203的大小。因此，块可以为M×N(M列×N行)个样本阵列，或 M×N个变换系数阵列等。

在一个实施例中，图2所示的视频编码器20用于逐块对图像17进行编码，例如，对每个块203执行编码和预测。

图2所示的视频编码器20的实施例还可以用于使用条带(也称为视频条带)对图像进行分割和/或编码，其中，可以使用一个或多个条带(通常为非重叠的)对图像进行分割或编码。每个条带可以包括一个或多个块(例如，CTU)或一个或多个块组(例如，分块(tile)(H.265/HEVC和VVC)或砖(brick)(VVC))。

在一个实施例中，图2所示的视频编码器20还可以用于使用条带/分块组(也称为视频分块组)和/或分块(也称为视频分块)对图像进行分割和/或编码，其中图像可以分割成一个或多个条带/分块组(通常为不重叠的)或使用一个或多个条带/分块组(通常为不重叠的) 进行编码，每个条带/分块组可包括一个或多个块(例如CTU)或一个或多个分块等，其中每个分块可以为矩形等形状，可包括一个或多个完整或部分块(例如CTU)。

残差计算

残差计算单元204用于通过如下方式根据图像块203和预测块265(后续详细介绍了预测块265)来计算残差块205(也称为残差205)：例如，逐个样本(逐个像素)从图像块203的样本值中减去预测块265的样本值，得到样本域中的残差块205。

变换

变换处理单元206用于对残差块205的样本值执行离散余弦变换(discretecosine transform，DCT)或离散正弦变换(discrete sine transform，DST)等，得到变换域中的变换系数207。变换系数207也可以称为变换残差系数，表示变换域中的残差块205。

变换处理单元206可以用于应用DCT/DST的整数近似值，例如为H.265/HEVC指定的变换。与正交DCT变换相比，这种整数近似值通常按一定因子进行缩放。为了保持正逆变换处理的残差块的范数，在变换过程中应用了其它的缩放因子。缩放因子通常是根据某些约束条件来选择的，例如缩放因子是用于移位运算的2的幂、变换系数的位深度、准确性与实施成本之间的权衡等。例如，通过逆变换处理单元212等为逆变换(以及在视频解码器30 处通过逆变换处理单元312等为对应逆变换)指定具体的缩放因子，以及相应地，可以在编码器20中通过变换处理单元206等为正变换指定对应的缩放因子。

视频编码器20(对应为变换处理单元206)的实施例可以用于直接输出或由熵编码单元 270进行编码或压缩后输出变换参数(例如，一种或多种变换的类型)，例如使得视频解码器30可以接收并使用变换参数进行解码。

量化

量化单元208用于通过例如标量量化或矢量量化对变换系数207进行量化，得到量化变换系数209。量化系数209也可以称为量化变换系数209或量化残差系数209。

量化过程可以减少与部分或全部变换系数207相关的位深度。例如，可在量化期间将n 位变换系数向下取整到m位变换系数，其中n大于m。可通过调整量化参数(quantization parameter，QP)修改量化程度。例如，对于标量量化，可以应用不同的缩放来实现更精细或更粗略的量化。较小的量化步长对应于更精细的量化，而较大的量化步长对应于更粗略的量化。适用的量化步长可以通过量化参数(quantization parameter，QP)表示。例如，量化参数可以是一组预定义的适用量化步长的索引。例如，较小量化参数可以对应于精细量化 (较小量化步长)，较大量化参数可以对应于粗略量化(较大量化步长)，反之亦然。量化可以包含除以量化步长以及例如通过反量化单元210执行的对应的量化或反量化，或者可以包含乘以量化步长。根据HEVC等标准的实施例可以用于使用量化参数来确定量化步长。通常，量化步长可以根据使用包括除法的等式的定点近似法的量化参数来计算。量化和解量化可以引入其它缩放因子以恢复残差块的范数，由于在量化步长和量化参数的方程的定点近似法中使用的缩放，可能会修改残差块的范数。在一种示例性实现方式中，可以合并逆变换和解量化的缩放。或者，可以使用自定义量化表并由编码器通过码流等方式向解码器指示 (signal)。量化是有损操作，损失随着量化步长的增大而增大。

在实施例中，视频编码器20(对应为量化单元208)可用于输出量化参数(quantization parameter，QP)，例如，直接输出或由熵编码单元270进行编码后输出，例如使得视频解码器30可接收并使用量化参数进行解码。

反量化

反量化单元210用于对量化系数执行量化单元208的反量化，得到解量化系数211，例如，根据或使用与量化单元208相同的量化步长执行与量化单元208所执行的量化方案的反量化方案。解量化系数211也可称为解量化残差系数211，对应于变换系数207，但是由于量化造成损耗，解量化系数211通常与变换系数不完全相同。

逆变换

逆变换处理单元212用于执行变换处理单元206执行的变换的逆变换，例如，逆离散余弦变换(discrete cosine transform，DCT)或逆离散正弦变换(discrete sinetransform，DST)，以在像素域中得到重建残差块213(或对应的解量化系数213)。重建残差块213也可以称为变换块213。

重建

重建单元214(例如，加法器或求和器214)用于将变换块213(即重建残差块213)添加到预测块265，以在样本域中得到重建块215，例如，将重建残差块213的样本值和预测块265的样本值相加。

滤波

环路滤波器单元220(或简称“环路滤波器”220)用于对重建块215进行滤波，获得经过滤波的块221，或通常用于对重建样本进行滤波，得到经过滤波的样本值。例如，环路滤波器单元用于顺利进行像素转变或提高视频质量。环路滤波器单元220可以包括一个或多个环路滤波器，如去块效应滤波器、样本自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如自适应环路滤波器(adaptive loop filter，ALF)、噪声抑制滤波器(noise suppression filter，NSF)或其任何组合。例如，环路滤波器单元220可以包括去块效应滤波器、SAO滤波器和ALF滤波器。滤波过程的顺序可以是去块效应滤波器、SAO 滤波器和ALF滤波器。再例如，增加一个称为具有色度缩放的亮度映射(lumamapping with chroma scaling，LMCS)(即自适应环内整形器)的过程。该过程在去块效应之前执行。再例如，去块效应滤波过程也可以应用于内部子块边缘，例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform，SBT)边缘和帧内子分割(intra sub-partition，ISP)边缘。虽然环路滤波器单元220在图2中示为环内滤波器，但是在其它配置中，环路滤波器单元220可以实现为环后滤波器。滤波块221也可称为经滤波重建块221。

在实施例中，视频编码器20(对应为环路滤波器单元220)可用于输出环路滤波器参数 (例如SAO滤波参数、ALF滤波参数或LMCS参数)，例如，直接输出或由熵编码单元 270进行编码后输出，例如使得解码器30可接收并使用相同或不同的环路滤波器参数进行解码。

解码图像缓冲器

解码图像缓冲器(decoded picture buffer，DPB)230可以是存储参考图像或参考图像数据以供视频编码器20使用的存储器。DPB 230可以由多种存储器设备中的任一种形成，例如动态随机存取存储器(dynamic random access memory，DRAM)，包括同步DRAM(synchronous DRAM，SDRAM)、磁阻RAM(magnetoresistive RAM，MRAM)、电阻 RAM(resistive RAM，RRAM)或其它类型的存储设备。解码图像缓冲器(decoded picturebuffer，DPB)230可用于存储一个或多个滤波块221。解码图像缓冲器230还可用于存储同一当前图像或之前的重建图像等不同图像的其它之前的滤波块，例如之前的重建和滤波块221，并可提供完整的之前重建即经解码图像(和对应参考块和样本)和/或部分重建的当前图像(和对应参考块和样本)，例如进行帧间预测。解码图像缓冲器(decoded picturebuffer， DPB)230还可用于存储一个或多个未经滤波的重建块215，或一般存储未经滤波的重建样本，例如，未被环路滤波器单元220滤波的重建块215，或未进行任何其它处理的重建块或重建样本。

模式选择(分割和预测)

模式选择单元260包括分割单元262、帧间预测单元244和帧内预测单元254，用于从解码图像缓冲器230或其它缓冲器(例如，行缓冲器，图中未显示)接收或获得原始图像数据，例如原始块203(当前图像17的当前块203)，以及重建图像数据，例如同一(当前) 图像和/或一个或多个之前经解码图像的滤波和/或未经滤波的重建样本或重建块。重建图像数据用作帧间预测或帧内预测等预测所需的参考图像数据，以得到预测块265或预测值265。

模式选择单元260可用于为当前块预测模式(包括不分割)和预测模式(例如帧内或帧间预测模式)确定或选择分割类型，并生成对应的预测块265，以对残差块205进行计算和对重建块215进行重建。

在一个实施例中，模式选择单元260可用于选择分割和预测模式(例如，从模式选择单元260支持的或可用的预测模式中选择)，所述预测模式提供最佳匹配或者最小残差(最小残差是指传输或存储中进行更好的压缩)，或者提供最小指示开销(最小指示开销是指传输或存储中进行更好的压缩)，或者同时考虑或平衡以上两者。模式选择单元260可用于根据率失真优化(rate distortion optimization，RDO)确定分割和预测模式，即选择提供最小率失真优化的预测模式。本上下文中如“最佳”、“最小”、“最优”等术语不一定指总体上“最佳”、“最小”、“最优”等，也可以指满足终止或选择标准，例如，值超过或低于阈值或其它约束条件，可能会进行“次优选择”，但是降低了复杂度和处理时间。

换句话说，分割单元262可用于将视频序列中的图像分割为编码树单元(codingtree unit，CTU)序列，CTU 203可进一步被分割成更小的分割块或子块(再次形成块)，例如，通过迭代使用四叉树(quad-tree partitioning，QT)分割、二叉树(binary-treepartitioning，BT)分割或三叉树(triple-tree partitioning，TT)分割或其任何组合，并且用于例如对分割块或子块中的每一个执行预测，其中模式选择包括选择分割块203的树结构和选择应用于分割块或子块中的每一个的预测模式。

下文将详细地描述由示例性视频编码器20执行的分割(例如，由分割单元260执行) 和预测处理(例如，由帧间预测单元244和帧内预测单元254执行)。

分割

分割单元262可用于将视频序列中的图像分割为编码树单元(coding tree unit，CTU) 序列，分割单元262可将一个编码树单元(coding tree unit，CTU)203分割(或划分)为更小的分割块，例如正方形或矩形形状的小块。对于具有三个样本阵列的图像，一个CTU由 N×N个亮度样本块和两个对应的色度样本块组成。CTU中允许的最大亮度块大小在正在开发的通用视频编码(versatile video coding，VVC)标准中被指定为128×128，但是将来可指定为不同于128×128的值，例如256×256。图像的CTU可以聚类/分组为条带/分块组、分块或砖。一个分块覆盖一个图像的矩形区域，一个分块可以分成一个或多个砖。一个砖由一个分块内的多个CTU行组成。没有分割为多个砖的分块可以称为砖。但是，砖是分块的真正子集，因此不称为分块。VVC支持两种分块组模式，分别为光栅扫描条带/分块组模式和矩形条带模式。在光栅扫描分块组模式中，一个条带/分块组包含一个图像的分块光栅扫描中的分块序列。在矩形条带模式中，条带包含一个图像的若干个砖，这些砖共同组成图像的矩形区域。矩形条带内的砖按照条带的砖光栅扫描顺序排列。可以将这些较小块(也可以称为子块)进一步分割为甚至更小的分割块。这种方法也称为树分割或层次树分割，其中，可以递归地分割例如根树层次0(层次级别0，深度0)的根块，例如分割为两个或两个以上下一较低树层次的块，例如树层次1(层次级别1，深度1)的节点。可以再次将这些块分割为两个或两个以上下一较低层次，例如树层次2(层次级别2、深度2)的块等，直到由于满足终止标准，达到最大树深度或最小块大小，分割终止。未进一步分割的块也称为树的叶块或叶节点。分割为两个分割块的树称为二叉树(binary-tree，BT)，分割为三个分割块的树称为三叉树(ternary-tree，TT)，分割为四个分割块的树称为四叉树(quad-tree，QT)。

例如，编码树单元(coding tree unit，CTU)可以为或包括亮度样本的CTB、具有三个样本阵列的图像的色度样本的两个对应CTB、或单色图像的样本的CTB或使用三个独立颜色平面和语法结构(用于对样本进行译码)进行译码的图像的样本的CTB。相应地，编码树块(coding tree block，CTB)可以为N×N个样本块，其中，N可以设为某个值使得分量划分为CTB，这就是分割。编码单元(coding unit，CU)可以为或包括亮度样本的编码块、具有三个样本阵列的图像的色度样本的两个对应编码块、或单色图像的样本的编码块或使用三个独立颜色平面和语法结构(用于对样本进行译码)译码的图像的样本的编码块。相应地，编码块(coding block，CB)可以为M×N个样本块，其中，M和N可以设为某个值使得 CTB划分为编码块，这就是分割。

在实施例中，例如根据HEVC，可以通过表示为编码树的四叉树结构将编码树单元(coding tree unit，CTU)划分为多个CU。以叶CU为单位确定是使用帧间(时间)预测还是帧内(空间)预测对图像区域进行译码。可以根据PU划分类型将每个叶CU进一步划分为一个、两个或四个PU。一个PU内应用相同的预测过程，并以PU为单位向解码器发送相关信息。在根据PU划分类型应用预测过程获取残差块之后，可以根据与用于CU的编码树类似的另一种四叉树结构将叶CU分割为变换单元(transform unit，TU)。

例如，在实施例中，根据当前正在开发的最新视频编码标准(称为通用视频编码(Versatile Video Coding，VVC)，使用组合式四叉树嵌套多类型树(例如二叉树和三叉树)来划分用于分割编码树单元的分段结构。在编码树单元内的编码树结构中，CU可以为正方形或矩形。例如，首先通过四叉树对编码树单元(coding tree unit，CTU)进行分割。然后，通过多类型树结构进一步分割四叉树叶节点。多类型树形结构有四种划分类型：垂直二叉树划分(SPLIT_BT_VER)、水平二叉树划分(SPLIT_BT_HOR)、垂直三叉树划分 (SPLIT_TT_VER)和水平三叉树划分(SPLIT_TT_HOR)。多类型树叶节点称为编码单元 (coding unit，CU)，除非CU对于最大变换长度而言太大，这样的分段用于在不进行任何其它分割的情况下进行预测和变换处理。在大多数情况下，这表示CU、PU和TU在四叉树嵌套多类型树的编码块结构中的块大小相同。当支持的最大变换长度小于CU的颜色分量的宽度或高度时，就会出现该异常。VVC制定了四叉树嵌套多类型树的编码树结构中的分割划分信息的唯一信令机制。在该信令机制中，编码树单元(coding tree unit，CTU)作为四叉树的根首先通过四叉树结构分割。然后，每个四叉树叶节点(当足够大时)通过多类型树结构进一步分割。在多类型树结构中，指示第一标志(mtt_split_cu_flag)来表示节点是否进一步分割，当对节点进一步分割时，指示第二标志(mtt_split_cu_vertical_flag)来表示划分方向，然后指示第三标志(mtt_split_cu_binary_flag)来表示划分是二叉树划分还是三叉树划分。根据mtt_split_cu_vertical_flag和mtt_split_cu_binary_flag的值，解码器可以根据预定义规则或表格推导出CU的多类型树划分模式(MttSplitMode)。需要说明的是，对于某种设计，例如VVC硬件解码器中的64×64亮度块和32×32色度流水线设计，当亮度编码块的宽度或高度大于64时，禁用TT划分，如图6所示。当色度编码块的宽度或高度大于32时，也禁用TT划分。流水线设计将图像分为多个虚拟流水线数据单元(virtual pipelinedata unit， VPDU)，这些VPDU定义为图像中的不重叠单元。在硬件解码器中，连续的VPDU在多个流水线阶段同时处理。在大多数流水线阶段，VPDU大小与缓冲器大小大致成正比，因此保持较小的VPDU很重要。在大多数硬件解码器中，VPDU大小可以设置为最大变换块(transform block，TB)大小。但是，在VVC中，三叉树(ternary tree，TT)和二叉树 (binarytree，BT)分割可能会增加VPDU的大小。

另外，需要说明的是，当树节点块的一部分超出图像下边界或图像右边界时，强制对该树节点块进行划分，直到每个经译码CU的所有样本都位于图像边界内。

例如，帧内子分区(intra sub-partition，ISP)工具可以根据块大小将亮度帧内预测块垂直或水平地分为2个或4个子分区。

在一个示例中，视频编码器20的模式选择单元260可以用于执行本文描述的分割技术的任意组合。

如上所述，视频编码器20用于从(例如，预定的)预测模式集中确定或选择最佳或最优的预测模式。例如，预测模式集可以包括帧内预测模式和/或帧间预测模式。

帧内预测

帧内预测模式集可包括35种不同的帧内预测模式，例如，像DC(或均值)模式和平面模式的非方向性模式，或如HEVC定义的方向性模式，或者可包括67种不同的帧内预测模式，例如，像DC(或均值)模式和平面模式的非方向性模式，或如VVC中定义的方向性模式。在一个示例中，若干传统角度帧内预测模式自适应地替换为例如VVC中定义的非正方形块的广角帧内预测模式。再例如，为了避免DC预测的除法运算，仅使用较长边来计算非正方形块的平均值。而且，平面模式的帧内预测结果还可以使用位置相关帧内预测组合(position dependent intra prediction combination，PDPC)方法进行修改。

帧内预测单元254用于根据帧内预测模式集中的帧内预测模式，使用同一当前图像的邻块的重建样本来生成帧内预测块265。

帧内预测单元254(或通常为模式选择单元260)还用于将帧内预测参数(或通常为表示块的选定帧内预测模式的信息)以语法元素266的形式输出到熵编码单元270，以包括到经编码图像数据21中，例如使得视频解码器30可以接收并使用预测参数进行解码。

帧间预测(包括层间预测)

(可能的)帧间预测模式的集合取决于可用参考图像(即(例如)上述存储在DPB230 中的至少部分经解码图像)和其它帧间预测参数，例如取决于是否使用整个参考图像或只使用参考图像的一部分(例如当前块的区域周围的搜索窗口区域)来搜索最佳匹配参考块，和 /或例如取决于是否进行像素插值，例如二分之一/半像素、四分之一像素和/或1/16像素插值。

除上述预测模式外，还可以采用跳过模式、直接模式和/或其它帧间预测模式。

例如，扩展融合预测，这种模式的融合候选列表由以下五种候选按顺序组成：空间相邻 CU的空间MVP、并置CU的时间MVP、FIFO表的基于历史的MVP、成对平均MVP和零 MV。可以使用基于双边匹配的解码端运动矢量修正(decoder side motion vector refinement，DMVR)来增加融合模式的MV的准确度。带有MVD的融合模式(merge mode with MVD， MMVD)源自带有运动矢量差值的融合模式。在发送跳过标志和融合标志之后立即指示 MMVD标志，以表示CU是否使用MMVD模式。而且可以应用CU级自适应运动矢量精度 (adaptive motionvector resolution，AMVR)方案，AMVR支持CU的MVD以不同的精度进行译码。根据当前CU的预测模式，当前CU的MVD可以自适应地进行选择，当CU以融合模式进行译码时，可以将组合的帧间/帧内预测(combined inter/intra prediction，CIIP) 模式应用于当前CU。帧间和帧内预测信号的加权平均被执行以得到CIIP预测信号。对于仿射运动补偿预测，通过2个控制点运动矢量(4参数)或3个控制点运动矢量(6参数)的运动信息来描述块的仿射运动场。基于子块的时间运动矢量预测(subblock-based temporal motion vectorprediction，SbTMVP)与HEVC中的时间运动矢量预测(temporal motion vectorprediction，TMVP)类似，但预测的是当前CU内的子CU的运动矢量。双向光流 (bi-directional optical flow，BDOF)以前称为BIO，是一种需要很少计算的简化版本，特别是在乘法次数和乘数大小方面。在三角形分割模式中，CU以对角线划分和反对角线划分两种划分方式被均匀划分为两个三角形分割块。此外，双向预测模式在简单平均的基础上进行了扩展，以支持两个预测信号的加权平均。

帧间预测单元244可以包括运动估计(motion estimation，ME)单元和运动补偿(motion compensation，MC)单元(两者在图2中均未示出)。运动估计单元可用于接收或获取图像块203(当前图像17的当前图像块203)和经解码图像231，或至少一个或多个之前重建块，例如，一个或多个其它/不同的之前经解码图像231的重建块，以进行运动估计。例如，视频序列可以包括当前图像和之前的经解码图像231，或者换句话说，当前图像和之前的经解码图像231可以是组成视频序列的图像序列的一部分或形成视频序列的图像序列。

例如，编码器20可用于从多个其它图像中的相同或不同图像的多个参考块中选择参考块，并将参考图像(或参考图像索引)和/或参考块的位置(x坐标、y坐标)与当前块的位置之间的偏移(空间偏移)作为帧间预测参数提供给运动估计单元。这个偏移也称为运动矢量(motion vector，MV)。

运动补偿单元用于获取(例如接收)帧间预测参数，并根据或使用帧间预测参数进行帧间预测，以获得帧间预测块265。由运动补偿单元执行的运动补偿可能涉及根据通过运动估计确定的运动/块矢量来提取或生成预测块，还可能包括对子像素精度进行插值。插值滤波可以从已知像素的样本中生成其它像素的样本，从而可能增加可用于对图像块进行译码的候选预测块的数量。一旦接收到当前图像块的PU的运动矢量，运动补偿单元可以定位在其中一个参考图像列表中运动矢量指向的预测块。

运动补偿单元还可以生成与所述块和视频条带相关的语法元素，以供视频解码器30用于对视频条带的图像块进行解码。除了条带和相应语法元素或作为条带和相应语法元素的替代，还可以接收和/或使用分块组(tile group)和/或分块以及相应语法元素。

熵编码

熵编码单元270用于将熵编码算法或方案(例如，可变长度编码(variable lengthcoding， VLC)方案、上下文自适应VLC方案(context adaptive VLC，CAVLC)、算术编码方案、二值化算法、上下文自适应二进制算术编码(context adaptive binary arithmeticcoding， CABAC)、基于语法的上下文自适应二进制算术编码(syntax-based context-adaptive binary arithmetic coding，SBAC)、概率区间分割熵(probability intervalpartitioning entropy，PIPE) 编码或其它熵编码方法或技术)等应用于或不应用于(无压缩)量化系数209、帧间预测参数、帧内预测参数、环路滤波器参数和/或其它语法元素，得到可以通过输出端272以经编码码流21等形式输出的经编码图像数据21，使得视频解码器30等可以接收并使用用于解码的参数。可将经编码码流21传输到视频解码器30，或将其保存在存储器中稍后由视频解码器30传输或检索。

视频编码器20的其它结构变体可用于对视频流进行编码。例如，基于非变换的编码器 20可以在没有变换处理单元206的情况下直接对某些块或帧的残差信号进行量化。在另一实施方式中，编码器20可以具有组合成单个单元的量化单元208和反量化单元210。

解码器和解码方法

图3示出了用于实现本申请技术的视频解码器30的示例。视频解码器30用于接收例如由编码器20编码的经编码图像数据21(例如经编码码流21)，得到经解码图像331。经编码图像数据或码流包括用于对所述经编码图像数据进行解码的信息，例如表示经编码视频条带(和/或分块组或分块)的图像块的数据和相关的语法元素。

在图3的示例中，解码器30包括熵解码单元304、反量化单元310、逆变换处理单元312、重建单元314(例如求和器314)、环路滤波器320、解码图像缓冲器(decoded picturebuffer，DPB)330、模式应用单元360、帧间预测单元344和帧内预测单元354。帧间预测单元344可以为或包括运动补偿单元。在一些示例中，视频解码器30可执行通常与图2的视频编码器100描述的编码过程相反的解码过程。

如编码器20所述，反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、帧间预测单元344和帧内预测单元354还组成视频编码器20的“内置解码器”。相应地，反量化单元310在功能上可与反量化单元110相同，逆变换处理单元312在功能上可与逆变换处理单元212相同，重建单元 314在功能上可与重建单元214相同，环路滤波器320在功能上可与环路滤波器220相同，解码图像缓冲器330在功能上可与解码图像缓冲器230相同。因此，视频编码器20的相应单元和功能的解释相应地适用于视频解码器30的相应单元和功能。

熵解码

熵解码单元304用于解析码流21(或一般为经编码图像数据21)并对经编码图像数据 21执行熵解码，得到量化系数309和/或经解码的译码参数(图3中未示出)等，例如帧间预测参数(例如参考图像索引和运动矢量)、帧内预测参数(例如帧内预测模式或索引)、变换参数、量化参数、环路滤波器参数和/或其它语法元素等中的任一个或全部。熵解码单元304可用于应用与针对编码器20的熵编码单元270描述的编码方案对应的解码算法或方案。熵解码单元304还可用于向模式应用单元360提供帧间预测参数、帧内预测参数和/或其它语法元素，以及向解码器30的其它单元提供其它参数。视频解码器30可以接收视频条带级和/或视频块级的语法元素。另外或者作为条带和相应语法元素的替代，可以接收或使用分块组和/或分块以及相应语法元素。

反量化

反量化单元310可用于从经编码图像数据21(例如通过熵解码单元304解析和/或解码) 接收量化参数(quantization parameter，QP)(或通常为与反量化相关的信息)和量化系数，并根据量化参数对经解码的量化系数309进行反量化以获得解量化系数311，所述解量化系数311也可以称为变换系数311。反量化过程可以包括使用视频编码器20对视频条带(或分块或分块组)中的每个视频块确定的量化参数来确定量化程度，同样确定需要应用的反量化的程度。

逆变换

逆变换处理单元312可用于接收解量化系数311，也称为变换系数311，并对解量化系数311应用变换，得到样本域的重建残差块213。重建残差块213也可以称为变换块313。变换可以为逆变换，例如逆DCT、逆DST、逆整数变换或概念上类似的逆变换过程。逆变换处理单元312还可以用于从经编码图像数据21(例如通过熵解码单元304进行解析和/或解码)接收变换参数或对应信息，以确定应用于解量化系数311的变换。

重建

重建单元314(例如，求和器(adder或summer)314)可以用于将重建残差块313添加到预测块365，得到样本域的重建块315，例如，将重建残差块313的样本值和预测块365 的样本值相加。

滤波

环路滤波器单元320(在译码环路中或之后)用于对重建块315进行滤波，得到滤波块 321，从而顺利进行像素转变或提高视频质量等。环路滤波器单元320可以包括一个或多个环路滤波器，如去块效应滤波器、样本自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如自适应环路滤波器(adaptive loop filter，ALF)、噪声抑制滤波器(noise suppression filter，NSF)或其任何组合。例如，环路滤波器单元220可以包括去块效应滤波器、SAO滤波器和ALF滤波器。滤波过程的顺序可以是去块效应滤波器、SAO滤波器和ALF滤波器。再例如，增加一个称为具有色度缩放的亮度映射(lumamapping with chroma scaling，LMCS)(即自适应环内整形器)的过程。该过程在去块效应之前执行。再例如，去块效应滤波过程也可以应用于内部子块边缘，例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform，SBT)边缘和帧内子分割(intra sub-partition，ISP)边缘。尽管环路滤波器单元320在图3中示为环路滤波器，但在其它配置中，环路滤波器单元320可以实现为后环路滤波器。

解码图像缓冲器

随后将一个图像中的解码视频块321存储在解码图像缓冲器330中，解码图像缓冲器 330存储作为参考图像的经解码图像331，参考图像用于其它图像和/或分别输出显示的后续运动补偿。

解码器30用于通过输出端312等输出经解码图像311，向用户显示或供用户查看。

预测

帧间预测单元344的功能可以与帧间预测单元244(特别是运动补偿单元)相同，帧内预测单元354的功能可以与帧内预测单元254相同，并根据从经编码的图像数据21接收的分割和/或预测参数或相应信息(例如，通过熵解码单元304等解析和/或解码)决定划分或分割并执行预测。模式应用单元360可用于根据重建图像、块或相应的样本(经滤波或未滤波)执行每个块的预测(帧内或帧间预测(可以包括层间预测))，得到预测块365。

当视频条带被译码为经帧内译码(I)的条带时，模式应用单元360的帧内预测单元354用于根据当前帧或图像的之前解码块的指示(signal)的帧内预测模式和数据来生成当前视频条带的图像块的预测块365。当视频图像被译码为经帧间译码(例如B或P)的条带时，模式应用单元360的帧间预测单元344(例如，运动补偿单元)用于根据从熵解码单元304 接收的运动矢量和其它语法元素针对当前视频条带的视频块生成预测块365。对于帧间预测，可以从其中一个参考图像列表中的一个参考图像产生这些预测块。视频解码器30可以根据存储在DPB 330中的参考图像，使用默认构建技术来构建参考帧列表：列表0和列表1。除了条带(例如视频条带)或作为条带的替代，相同或类似的过程可应用于分块组(例如视频分块组)和/或分块(例如视频分块)的实施例，例如视频可以使用I、P或B分块组和/或分块进行译码。

模式应用单元360用于通过解析运动矢量或相关信息以及其它语法元素来确定当前视频条带中的视频块的预测信息并使用所述预测信息针对所解码的当前视频块生成预测块。例如，模式应用单元360使用接收到的一些语法元素确定用于对视频条带的视频块进行译码的预测模式(例如帧内预测或帧间预测)、帧间预测条带类型(例如B条带、P条带或GPB条带)、用于条带的一个或多个参考图像列表的构建信息、用于条带的每个帧间编码的视频块的运动矢量、用于条带的每个帧间译码的视频块的帧间预测状态、其它信息，以对当前视频条带中的视频块进行解码。除了条带(例如视频条带)或作为条带的替代，相同或类似的过程可应用于分块组(例如视频分块组)和/或分块(例如视频分块)的实施例，例如视频可以使用I、 P或B分块组和/或分块进行译码。

图3所示的视频解码器30的实施例可以用于使用条带(也称为视频条带)对图像进行分割和/或解码，其中，可以使用一个或多个条带(通常为不重叠的)对图像进行分割或解码。每个条带可以包括一个或多个块(例如，CTU)或一个或多个块组(例如，分块(H.265/HEVC和VVC)或砖(VVC))。

在一个实施例中，图3所示的视频解码器30还可以用于使用条带/分块组(也称为视频分块组)和/或分块(也称为视频分块)对图像进行分割和/或解码，其中图像可以分割成一个或多个条带/分块组(通常为不重叠的)或使用一个或多个条带/分块组(通常为不重叠的) 进行解码，每个条带/分块组可包括一个或多个块(例如CTU)或一个或多个分块等，其中每个分块可以为矩形等形状，可包括一个或多个完整或部分块(例如CTU)。

可以使用视频解码器30的其它变体对经编码图像数据21进行解码。例如，解码器30 可以在没有环路滤波单元320的情况下产生输出视频流。例如，基于非变换的解码器30可以在没有逆变换处理单元312的情况下直接对某些块或帧的残差信号进行反量化。在另一种实现方式中，视频解码器30中，反量化单元310和逆变换处理单元312可以组合成一个单元。

应理解，在编码器20和解码器30中，可以对当前步骤的处理结果进一步处理，然后输出到下一步骤。例如，在插值滤波、运动矢量推导或环路滤波之后，可以对插值滤波、运动矢量推导或环路滤波的处理结果进行进一步的运算，例如限幅(clip)或移位(shift)运算。

需要说明的是，可以对当前块的推导运动矢量(包括但不限于仿射模式的控制点运动矢量，仿射模式、平面模式和ATMVP模式的子块运动矢量，时间运动矢量等)进行进一步运算。例如，根据运动矢量的表示位将运动矢量的值限制在预定义范围。如果运动矢量的表示位为bitDepth，则范围为–2^(bitDepth–1)至2^(bitDepth–1)–1，其中“^”表示指数。例如，如果bitDepth被设置为16，则范围为–32768～32767；如果bitDepth被设置为18，则范围为–131072～131071。例如，推导的运动矢量的值(例如一个8×8块中的4个4×4子块的MV)被限制，使得所述4个4×4子块MV的整数部分之间的最大差值不超过N个像素，例如不超过1个像素。这里提供了两种根据bitDepth限制运动矢量的方法。

图4为本发明实施例提供的视频译码设备400的示意图。视频译码设备400适用于实现本文所述的所公开实施例。在一个实施例中，视频译码设备400可以是解码器，例如图1A 的视频解码器30，或编码器，例如图1A的视频编码器20。

视频译码设备400包括用于接收数据的入端口410(或输入端口410)和接收单元(receiver unit，Rx)420，用于处理数据的处理器、逻辑单元或中央处理单元(centralprocessing unit，CPU)430，用于发送数据的发送单元(transmitter unit，Tx)440和出端口 450(或输出端口450)以及用于存储数据的存储器460。视频译码设备400还可包括耦合到入端口410、接收单元420、发送单元440和出端口450的光电(optical-to-electrical，OE) 组件和电光(electrical-to-optical，EO)组件，用于光信号或电信号的出口或入口。

处理器430通过硬件和软件实现。处理器430可实现为一个或多个CPU芯片、核(例如，多核处理器)、FPGA、ASIC和DSP。处理器430与入端口410、接收单元420、发送单元440、出端口450和存储器460通信。处理器430包括译码模块470。译码模块470实现上文所公开的实施例。例如，译码模块470执行、处理、准备或提供各种译码操作。因此，通过译码模块470为视频译码设备400的功能提供了实质性的改进，并且影响了视频译码设备400到不同状态的切换。或者，以存储在存储器460中并由处理器430执行的指令来实现译码模块470。

存储器460可以包括一个或多个磁盘、磁带机和固态硬盘，可以用作溢出数据存储设备，用于在选择执行程序时存储这些程序，并且存储在程序执行过程中读取的指令和数据。例如，存储器460可以是易失性和/或非易失性的，并且可以是只读存储器(read-onlymemory， ROM)、随机存取存储器(random access memory，RAM)、三态内容寻址存储器(ternary content-addressable memory，TCAM)和/或静态随机存取存储器(staticrandom-access memory，SRAM)。

图5为示例性实施例提供的装置500的简化框图，其中，装置500可用作图1A中的源设备12和目的地设备14中的任一个或两个。

装置500中的处理器502可以是中央处理器。或者，处理器502可以是现有的或今后将研发出的能够操控或处理信息的任何其它类型的设备或多个设备。虽然可以使用如图所示的处理器502等单个处理器来实现所公开的实现方式，但使用一个以上的处理器可以提高速度和效率。

在一种实现方式中，装置500中的存储器504可以是只读存储器(read onlymemory， ROM)设备或随机存取存储器(random access memory，RAM)设备。任何其它合适类型的存储设备都可以用作存储器504。存储器504可以包括处理器502通过总线512访问的代码和数据506。存储器504还可包括操作系统508和应用程序510，应用程序510包括允许处理器502执行本文所述方法的至少一个程序。例如，应用程序510可以包括应用1至N，还包括执行本文所述方法的视频译码应用。

装置500还可以包括一个或多个输出设备，例如显示器518。在一个示例中，显示器518可以是将显示器与可用于感测触摸输入的触敏元件组合的触敏显示器。显示器518可以通过总线512耦合到处理器502。

虽然装置500中的总线512在本文中描述为单个总线，但是总线512可以包括多个总线。此外，辅助储存器514可以直接耦合到装置500的其它组件或可以通过网络访问，并且可以包括存储卡等单个集成单元或多个存储卡等多个单元。因此，装置500可以具有各种各样的配置。

可扩展译码

可扩展译码包括质量可扩展(PSNR可扩展)、空间可扩展等。例如，如图6所示，序列可以被下采样到低空间分辨率版本。低空间分辨率版本和原始空间分辨率(高空间分辨率)版本都将被编码。通常，低空间分辨率首先译码，并为以后经译码的高空间分辨率提供参考。

为了描述各层的信息(数量、相关性、输出)，存在视频参数集(Video ParameterSet， VPS)，定义如下：

vps_max_layers_minus1加1表示参考VPS的每个CVS中的最大允许层数。

vps_all_independent_layers_flag等于1表示CVS中的所有层都是独立译码的，而不使用层间预测。vps_all_independent_layers_flag等于0表示CVS中多个层中的一个或多个可以使用层间预测。当vps_all_independent_layers_flag不存在时，则推断 vps_all_independent_layers_flag的值等于1。当vps_all_independent_layers_flag等于1时，推断vps_independent_layer_flag[i]的值等于1。当vps_all_independent_layers_flag等于0时，推断vps_independent_layer_flag[0]的值等于1。

vps_layer_id[i]表示第i层的nuh_layer_id值。对于m和n的任意两个非负整数值，当 m小于n时，vps_layer_id[m]的值应小于vps_layer_id[n]的值。

vps_independent_layer_flag[i]等于1表示索引为i的层不使用层间预测。 vps_independent_layer_flag[i]等于0表示索引为i的层可以使用层间预测，且VPS中存在vps_layer_dependency_flag[i]。

vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中，i和j的取值范围为0到 vps_max_layers_minus1，包括端值)时，推断vps_direct_dependency_flag[i][j]等于0。

变量DirectDependentLayerIdx[i][j]表示第i层的第j个直接相关层，推导如下：

for(i＝1；i<vps_max_layers_minus1；i––)

if(！vps_independent_layer_flag[i])

for(j＝i,k＝0；j>＝0；j––) (7-2)

if(vps_direct_dependency_flag[i][j])

DirectDependentLayerIdx[i][k++]＝j

变量GeneralLayerIdx[i]表示nuh_layer_id等于vps_layer_id[i]的层的层索引，推导如下：

for(i＝0；i<＝vps_max_layers_minus1；i++)

(7-3)

GeneralLayerIdx[vps_layer_id[i]]＝i

简单说明如下：

vps_max_layers_minus1加1表示层数。

vps_all_independent_layers_flag表示所有层是否都是独立译码的。

vps_layer_id[i]表示第i层的层ID。

vps_independent_layer_flag[i]表示第i层是否是独立译码的。

vps_direct_dependency_flag[i][j]表示第j层是否用于第i层的参考。

语法元素vps_independent_layer_flag[i]和vps_direct_dependency_flag[i][j]是各层的层间预测信息，其中，i和j是层标识符，不同的层对应于不同的层标识符。

DPB管理和参考图像标识

为了在解码过程中管理参考图像，需要将经解码图像保存在解码图像缓冲器(decoding picture buffer，DPB)中，以供后续图像解码参考。为了表示这些图像，它们的图像顺序编号(picture order count，POC)信息需要直接或间接在条带头中指示(signal)。通常，有两个参考图像列表，即列表0和列表1。而且，还需要包括参考图像索引，以指示列表中的图像。对于单向预测，参考图像从一个参考图像列表中提取，而对于双向预测，参考图像从两个参考图像列表中提取。

所有参考图像都存储在DPB中。DPB中的所有图像都标识为“用于长期参考”、“用于短期参考”或“不用于参考”，每个图像只有三种状态中的一种。一旦图像被标识为“不用于参考”，则它将不再用于参考。如果该图像也不需要存储以供输出，则可以从DPB中删除该图像。参考图像的状态可以在条带头中指示，也可以从条带头信息中推导出。

提出了一种新的参考图像管理方法，称为参考图像列表(reference picturelist，RPL)方法。RPL为当前编码图像(coding picture)提出一个或多个完整的参考图像集，参考图像集中的参考图像用于当前图像或未来(后续)图像解码。因此，RPL反映了DPB中的图像信息，即使参考图像不用于当前图像的参考，如果参考图像用于后续图像的参考，则还是需要将它存储在RPL中。

图像在重建后被存储在DPB中，并默认标记为“用于短期参考”。DPB管理操作在解析条带头中的RPL信息后开始。

参考图像列表构建

参考图像信息可以通过条带头指示。此外，序列参数集(sequence parametersset，SPS) 中可能有一些RPL候选，在这种情况下，条带头可能包括RPL索引，以获取所需的RPL信息，而不指示整个RPL语法结构。或者，整个RPL语法结构可以在条带头中指示。

RPL方法的概述

为了节省RPL指示的成本比特，SPS中可能会有一些RPL候选。图像可以使用RPL索引(ref_pic_list_idx[i])从SPS中获取其RPL信息。RPL候选指示如下：

语义如下：

rpl1_same_as_rpl0_flag等于1表示语法结构num_ref_pic_lists_in_sps[1]和ref_pic_list_struct(1,rplsIdx)不存在且以下内容适用：

–推断num_ref_pic_lists_in_sps[1]的值等于num_ref_pic_lists_in_sps[0]的值。

–推断ref_pic_list_struct(1,rplsIdx)中每个语法元素的值等于ref_pic_list_struct(0, rplsIdx)中对应语法元素的值，其中，rplsIdx的取值范围为0到 num_ref_pic_lists_in_sps[0]–1。

num_ref_pic_lists_in_sps[i]表示SPS中包括的listIdx等于i的语法结构 ref_pic_list_struct(listIdx,rplsIdx)的数量。num_ref_pic_lists_in_sps[i]的取值范围应为0到 64，包括端值。

除了根据RPL索引从SPS获取RPL信息外，RPL信息还可以在条带头中指示。

ref_pic_list_sps_flag[i]等于1表示当前条带的参考图像列表i是根据SPS中listIdx等于 i的语法结构ref_pic_list_struct(listIdx,rplsIdx)中的一个推导出的。ref_pic_list_sps_flag[i]等于0表示当前条带的参考图像列表i是根据直接包括在当前图像的条带头中的listIdx等于i 的语法结构ref_pic_list_struct(listIdx,rplsIdx)推导出的。

当ref_pic_list_sps_flag[i]不存在时，以下内容适用：

–如果num_ref_pic_lists_in_sps[i]等于0，则推断ref_pic_list_sps_flag[i]的值等于0。

–否则(num_ref_pic_lists_in_sps[i]大于0)，如果rpl1_idx_present_flag等于0，则推断ref_pic_list_sps_flag[1]的值等于ref_pic_list_sps_flag[0]的值。

–否则，推断ref_pic_list_sps_flag[i]的值等于pps_ref_pic_list_sps_idc[i]–1。

ref_pic_list_idx[i]表示用于推导当前图像的参考图像列表i的listIdx等于i的语法结构 ref_pic_list_struct(listIdx,rplsIdx)在SPS中包括的listIdx等于i的语法结构 ref_pic_list_struct(listIdx,rplsIdx)的列表中的索引。语法元素ref_pic_list_idx[i]由 Ceil(Log2(num_ref_pic_lists_in_sps[i]))个比特表示。当ref_pic_list_idx[i]不存在时，则推断ref_pic_list_idx[i]的值等于0。ref_pic_list_idx[i]的取值范围应为0到 num_ref_pic_lists_in_sps[i]–1，包括端值。当ref_pic_list_sps_flag[i]等于1且 num_ref_pic_lists_in_sps[i]等于1时，推断ref_pic_list_idx[i]的值等于0。当 ref_pic_list_sps_flag[i]等于1且rpl1_idx_present_flag等于0时，推断ref_pic_list_idx[1]的值等于ref_pic_list_idx[0]的值。

变量RplsIdx[i]推导如下：

RplsIdx[i]＝ref_pic_list_sps_flag[i]？ref_pic_list_idx[i]:num_ref_pic_lists_in_sps[i]

(7-95 )

slice_poc_lsb_lt[i][j]表示第i个参考图像列表中第j个LTRP条目(entry)的图像顺序编号对MaxPicOrderCntLsb取模的值。语法元素slice_poc_lsb_lt[i][j]的长度为log2_max_pic_order_cnt_lsb_minus4+4个比特。

变量PocLsbLt[i][j]推导如下：

PocLsbLt[i][j]＝ltrp_in_slice_header_flag[i][RplsIdx[i]]？ (7-96)

slice_poc_lsb_lt[i][j]:rpls_poc_lsb_lt[listIdx][RplsIdx[i]][j]

delta_poc_msb_present_flag[i][j]等于1表示delta_poc_msb_cycle_lt[i][j]存在。 delta_poc_msb_present_flag[i][j]等于0表示delta_poc_msb_cycle_lt[i][j]不存在。

假设prevTid0Pic是解码顺序中的前一个图像，该图像与当前图像具有相同的nuh_layer_id，TemporalId等于0，并且不是RASL图像或RADL图像。假设 setOfPrevPocVals是一个由以下各项组成的集合：

–PicOrderCntVal of prevTid0Pic，

–每个图像的PicOrderCntVal，prevTid0Pic的RefPicList[0]或RefPicList[1]中的条目参考该图像，并且该图像与当前图像具有相同的nuh_layer_id，

–每个图像的PicOrderCntVal，该图像按解码顺序在prevTid0Pic之后，并且与当前图像具有相同的nuh_layer_id，并按解码顺序在当前图像之前。

当setOfPrevPocVals中存在多个值，其值对MaxPicOrderCntLsb取模的值等于PocLsbLt[i][j]时，delta_poc_msb_present_flag[i][j]的值应等于1。

delta_poc_msb_cycle_lt[i][j]表示变量FullPocLt[i][j]的值如下：

if(j＝＝0)

DeltaPocMsbCycleLt[i][j]＝delta_poc_msb_cycle_lt[i][j]

else

(7-97)

DeltaPocMsbCycleLt[i][j]＝delta_poc_msb_cycle_lt[i][j]+DeltaPocMsbCycleLt[i][j–1]

FullPocLt[i][j]＝PicOrderCntVal–DeltaPocMsbCycleLt[i][j]*MaxPicOrderCntLsb –

(PicOrderCntVal&(MaxPicOrderCntLsb–1))+PocLsbLt[i][j]

delta_poc_msb_cycle_lt[i][j]的取值范围应为0到2⁽³² ^{–log2_max_pic_order_cnt_lsb_minus4–4)}，包括端值。当delta_poc_msb_cycle_lt[i][j]不存在时，推断delta_poc_msb_cycle_lt[i][j]的值等于0。

RPL的语法结构如下：

num_ref_entries[listIdx][rplsIdx]表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的条目的数量。num_ref_entries[listIdx][rplsIdx]的取值范围应为0到 sps_max_dec_pic_buffering_minus1+14，包括端值。

ltrp_in_slice_header_flag[listIdx][rplsIdx]等于0表示语法结构 ref_pic_list_struct(listIdx,rplsIdx)中存在语法结构ref_pic_list_struct(listIdx,rplsIdx)中的 LTRP条目的POC LSB。ltrp_in_slice_header_flag[listIdx][rplsIdx]等于1表示语法结构 ref_pic_list_struct(listIdx,rplsIdx)中不存在语法结构ref_pic_list_struct(listIdx,rplsIdx)中的 LTRP条目的POC LSB。

inter_layer_ref_pic_flag[listIdx][rplsIdx][i]等于1表示语法结构 ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目是ILRP条目。 inter_layer_ref_pic_flag[listIdx][rplsIdx][i]等于0表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目不是ILRP条目。当inter_layer_ref_pic_flag[listIdx][rplsIdx][i]不存在时，推断inter_layer_ref_pic_flag[listIdx][rplsIdx][i]的值等于0。

st_ref_pic_flag[listIdx][rplsIdx][i]等于1表示语法结构ref_pic_list_struct(listIdx, rplsIdx)中的第i个条目是STRP条目。st_ref_pic_flag[listIdx][rplsIdx][i]等于0表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目是LTRP条目。当 inter_layer_ref_pic_flag[listIdx][rplsIdx][i]等于0且st_ref_pic_flag[listIdx][rplsIdx][i]不存在时，推断st_ref_pic_flag[listIdx][rplsIdx][i]的值等于1。

变量NumLtrpEntries[listIdx][rplsIdx]推导如下：

for(i＝0,NumLtrpEntries[listIdx][rplsIdx]＝0；i<num_ref_entries[listIdx][rplsIdx]； i++)

if(！inter_layer_ref_pic_flag[listIdx][rplsIdx][i] &&！st_ref_pic_flag[listIdx][rplsIdx][i]) (7-120)

NumLtrpEntries[listIdx][rplsIdx]++

abs_delta_poc_st[listIdx][rplsIdx][i]表示变量AbsDeltaPocSt[listIdx][rplsIdx][i]的值，如下所示：

if(sps_weighted_pred_flag||sps_weighted_bipred_flag)

AbsDeltaPocSt[listIdx][rplsIdx][i]＝abs_delta_poc_st[listIdx][rplsIdx][i] (7-121)

else

AbsDeltaPocSt[listIdx][rplsIdx][i]＝abs_delta_poc_st[listIdx][rplsIdx][i]+1

abs_delta_poc_st[listIdx][rplsIdx][i]的取值范围应为0到2¹⁵–1，包括端值。

strp_entry_sign_flag[listIdx][rplsIdx][i]等于1表示语法结构ref_pic_list_struct(listIdx, rplsIdx)中的第i个条目的值大于或等于0。strp_entry_sign_flag[listIdx][rplsIdx][i]等于0 表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目的值小于0。当 strp_entry_sign_flag[listIdx][rplsIdx][i]不存在时，推断 strp_entry_sign_flag[listIdx][rplsIdx][i]的值等于1。

列表DeltaPocValSt[listIdx][rplsIdx]推导如下：

for(i＝0；i<num_ref_entries[listIdx][rplsIdx]；i++)

if(！inter_layer_ref_pic_flag[listIdx][rplsIdx][i]&& st_ref_pic_flag[listIdx][rplsIdx][i])

(7-122)

DeltaPocValSt[listIdx][rplsIdx][i]＝(strp_entry_sign_flag[listIdx][rplsIdx][i])？

AbsDeltaPocSt[listIdx][rplsIdx][i]:0–AbsDeltaPocSt[listIdx][rplsIdx][i]

rpls_poc_lsb_lt[listIdx][rplsIdx][i]表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目所参考的图像的图像顺序编号对MaxPicOrderCntLsb取模的值。语法元素 rpls_poc_lsb_lt[listIdx][rplsIdx][i]的长度为log2_max_pic_order_cnt_lsb_minus4+4个比特。

RPL结构的一些通用描述，

每个列表都有一个RPL结构。首先，指示num_ref_entries[listIdx istrplsIdx]以表示列表中参考图像的数量。ltrp_in_slice_header_flag[listIdx istrplsIdx]用于表示最低有效位(least significant bit，LSB)信息是否在条带头中指示。如果当前参考图像不是层间参考图像，则使用st_ref_pic_flag[listIdx][rplsIdx][i]来表示它是否为长期参考图像。如果它是短期参考图像，则指示POC信息(abs_delta_poc_st和strp_entry_sign_flag)。如果 ltrp_in_slice_header_flag[tlistIdx istrplsIdx]为0，则使用rpls_poc_lsb_lt[plistIdx istrplsIdx plsj++]推导当前参考图像的LSB信息。最高有效位(most significant bit，MSB)可以直接推导出，也可以根据条带头中的信息(delta_poc_msb_present_flag[i][j]和 delta_poc_msb_cycle_lt[i][j])推导出。

用于参考图像列表构建的解码过程

在非IDR图像中的每个条带的解码过程开始时，调用该过程。

参考图像通过参考索引寻址。参考索引是参考图像列表的索引。解码I条带时，不使用参考图像列表对条带数据进行解码。解码P条带时，仅使用参考图像列表0(即RefPicList[0])对条带数据进行解码。解码B条带时，参考图像列表0和参考图像列表1 (即RefPicList[1])都用于对条带数据进行解码。

在非IDR图像的每个条带的解码过程开始时，推导参考图像列表RefPicList[0]和RefPicList[1]。参考图像列表用于第8.3.3节中详述的参考图像标识中或用于条带数据的解码中。

注1–如果非IDR图像中的I条带不是该图像中的第一个条带，则为了检查码流一致性，可以推导RefPicList[0]和RefPicList[1]，但解码当前图像或解码顺序在当前图像之后的图像不一定需要推导RefPicList[0]和RefPicList[1]。如果P条带不是图像的第一个条带，则为了检查码流一致性，可以推导RefPicList[1]，但解码当前图像或解码顺序在当前图像之后的图像不一定需要推导RefPicList[1]。

参考图像列表RefPicList[0]和RefPicList[1]构建如下：

在构建RPL之后，refPicLayerId是ILRP的层标识符，PicOrderCntVal是POC值，标识过程如下。

用于参考图像标识的解码过程

在第8.3.2节中规定的解码条带头和用于条带的参考图像列表重建的解码过程之后，但在解码条带数据之前，每个图像调用一次该过程。该过程可能使得将DPB中的一个或多个参考图像标识为“不用于参考”或“用于长期参考”。

DPB中的经解码图像可以被标识为“不用于参考”、“用于短期参考”或“用于长期参考”，但在解码过程中的任何给定时刻只存在三种标识状态中的一种。将其中一个标识状态指定给图像会隐式地删除另一个标识状态(如果适用)。当一个图像被标识为“用于参考”时，这统一是指将该图像标识为“用于短期参考”或“用于长期参考”(但不是同时)。

STRP和ILRP由其nuh_layer_id和PicOrderCntVal值标识。LTRP由其nuh_layer_id值和其PicOrderCntVal值的Log2(MaxLtPicOrderCntLsb)个LSB标识。

如果当前图像是CLVSS图像，则DPB中当前与当前图像具有相同nuh_layer_id的所有参考图像(如果有)都被标识为“不用于参考”。

否则，以下内容适用：

–对于RefPicList[0]或RefPicList[1]中的每个LTRP条目，当参考的图像是与当前图像具有相同nuh_layer_id的STRP时，将该图像标识为“用于长期参考”。

–DPB中与当前图像具有相同nuh_layer_id的每个参考图像，如果没有被RefPicList[0]或RefPicList[1]中的任何条目参考，则被标识为“不用于参考”。

–对于RefPicList[0]或RefPicList[1]中的每个ILRP条目，将参考的图像标识为“用于长期参考”。

这里需要说明的是，层间参考图像(inter-layer reference picture，ILRP)被标识为 “用于长期参考”。

SPS中有两种与层间参考信息相关的语法。

sps_video_parameter_set_id在大于0时表示SPS参考的VPS的 vps_video_parameter_set_id的值。当sps_video_parameter_set_id等于0时，SPS不参考VPS，当解码参考SPS的每个CVS时也不参考VPS。

long_term_ref_pics_flag等于0表示LTRP不用于CVS中的任何经译码图像的帧间预测。long_term_ref_pics_flag等于1表示LTRP可以用于CVS中的一个或多个经译码图像的帧间预测。

inter_layer_ref_pics_present_flag等于0表示没有ILRP用于CVS中的任何经译码图像的帧间预测。inter_layer_ref_pics_flag等于1表示ILRP可以用于CVS中的一个或多个经译码图像的帧间预测。当sps_video_parameter_set_id等于0时，推断 inter_layer_ref_pics_present_flag的值等于0。

简单说明如下：

long_term_ref_pics_flag用于表示LTRP是否可以用于解码过程中。

inter_layer_ref_pics_present_flag用于表示ILRP是否可以用于解码过程中。

因此，当inter_layer_ref_pics_present_flag等于1时，可以存在用于解码过程中的ILRP，并将其标识为“用于长期参考”。在这种情况下，即使long_term_ref_pics_flag等于0，也存在用于解码过程中的LTRP。因此，与long_term_ref_pics_flag的语义不一致。

在现有的方法中，始终指示层间参考信息的一些语法元素，而不考虑当前层的索引。本发明提出在语法元素中增加一些条件，以提高指示效率。

由于long_term_ref_pics_flag仅用于控制ltrp_in_slice_header_flag和st_ref_pic_flag的解析，因此修改语义以控制对RPL中标志的解析。

考虑当前层的索引指示层间参考信息的语法元素。如果信息可以通过当前层的索引推导出，则不需要指示信息。

第一实施例(修改long_term_ref_pics_flag的语义，以消除LTRP和ILRP的不一致性)

由于long_term_ref_pics_flag仅用于控制ltrp_in_slice_header_flag和st_ref_pic_flag的解析，因此语义修改如下：

long_term_ref_pics_flag等于1表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中存在 ltrp_in_slice_header_flag和st_ref_pic_flag。long_term_ref_pics_flag等于0表示语法结构 ref_pic_list_struct(listIdx,rplsIdx)中不存在这些语法元素。

此外，还可以修改语义以排除ILRP，如下所示：

long_term_ref_pics_flag等于0表示LTRP不用于CVS中的任何经译码图像的帧间预测。 long_term_ref_pics_flag等于1表示LTRP可以用于CVS中的一个或多个经译码图像的帧间预测。在这里，LTRP不包括层间参考图像(inter-layer reference picture，ILRP)。

第二实施例

此处需要说明的是，当i等于1时，表示层1需要参考其它层。只有层0可以是参考层，因此，不需要指示vps_direct_dependency_flag[i][j]。只有当i大于1时，才需要指示vps_direct_dependency_flag[i][j]。

vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中，i和j的取值范围为0到 vps_max_layers_minus1，包括端值)时，如果i等于1，且vps_independent_layer_flag[i]等于0，则推断vps_direct_dependency_flag[i][j]等于1，否则推断为等于0。

第三实施例

这里需要说明的是，如果sps_video_parameter_set_id(SPS级语法元素)等于0，则表示没有多个层，因此不需要指示inter_layer_ref_pics_flag(层间启用语法元素)，标志默认为 0。

inter_layer_ref_pics_present_flag等于0表示没有ILRP用于CVS中的任何经译码图像的帧间预测。inter_layer_ref_pics_flag等于1表示ILRP可以用于CVS中的一个或多个经译码图像的帧间预测。当

且inter_layer_ref_pics_flag不存在时，推断

等于0。

这里需要说明的是，当GeneralLayerIdx[nuh_layer_id]等于0时，则当前层是第0层，它不能参考任何其它层。因此，不需要指示inter_layer_ref_pics_present_flag，值默认为0。

且inter_layer_ref_pics_flag不存在时，推断

等于0。

对上面提到的两种情况进行译码，另一个应用示例如下所示：

且inter_layer_ref_pics_flag不存在时，推断

等于0。

第四实施例(考虑当前层的索引指示层间参考信息，以去除冗余信息指示，提高译码效率。)

这里需要说明的是，当GeneralLayerIdx[nuh_layer_id]等于1时，则当前层是层1，它只能参考层0，而层0的ilrp_idc必须为0。因此，在这种情况下，不需要指示ilrp_idc。

ilrp_idc[listIdx][rplsIdx][i]表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目的ILRP在直接相关层列表的索引。ilrp_idc[listIdx][rplsIdx][i]的取值范围应为0到 GeneralLayerIdx[nuh_layer_id]–1，包括端值。当GeneralLayerIdx[nuh_layer_id]等于1时，推断ilrp_idc[listIdx][rplsIdx][i]的值等于0。

第五实施例

这里需要说明的是，实施例1至实施例4的部分或全部可以组合以形成新的实施例，

例如，实施例1+实施例2+实施例3+实施例4，或实施例2+实施例3+实施例4，或其它组合。

下面解释上述实施例中所示的编码方法和解码方法以及使用这些方法的系统的应用。

图7为用于实现内容分发业务的内容提供系统3100的框图。内容提供系统3100包括捕获设备3102、终端设备3106和(可选的)显示器3126。捕获设备3102通过通信链路3104与终端设备3106通信。所述通信链路可以包括上文所述的通信信道13。通信链路3104包括但不限于Wi-Fi、以太网、电缆、无线(3G/4G/5G)、USB或其任何类型的组合等。

捕获设备3102生成数据，并可使用上述实施例中所示的编码方法对数据进行编码。或者，捕获设备3102可以将数据分发到流媒体服务器(图中未示出)，所述服务器对数据进行编码，并将经编码数据发送到终端设备3106。捕获设备3102包括但不限于摄像机、智能手机或平板电脑、计算机或笔记本电脑、视频会议系统、PDA、车载设备或其任何组合等。例如，捕获设备3102可以包括上文所述的源设备12。当数据包括视频时，捕获设备3102中的视频编码器20实际上可执行视频编码处理。当数据包括音频(即声音)时，捕获设备3102 中的音频编码器实际上可执行音频编码处理。在一些实际场景中，捕获设备3102通过将经编码视频数据和经编码音频数据复用在一起来分发经编码视频数据和经编码音频数据。在其它实际场景中，例如在视频会议系统中，不复用经编码音频数据和经编码视频数据。捕获设备3102将经编码音频数据和经编码视频数据分别分发到终端设备3106。

内容提供系统3100中的终端设备310接收并再生成经编码数据。终端设备3106可以为具有数据接收和恢复能力的设备，如智能手机或平板电脑3108、计算机或膝上型电脑3110、网络视频录像机(network video recorder，NVR)/数字视频录像机(digital videorecorder， DVR)3112、电视3114、机顶盒(set top box，STB)3116、视频会议系统3118、视频监控系统3120、个人数字助理(personal digital assistant，PDA)3122、车载设备3124或其任何组合，或能够对上述经编码数据进行解码的此类设备。例如，终端设备3106可以包括上文所述的目的地设备14。当编码数据包括视频时，终端设备中的视频解码器30优先执行视频解码。当编码数据包括音频时，终端设备中的音频解码器优先执行音频解码处理。

对于带显示器的终端设备，如智能手机或平板电脑3108、计算机或膝上型电脑3110、网络视频录像机(network video recorder，NVR)/数字视频录像机(digital videorecorder， DVR)3112、电视3114、个人数字助理(personal digital assistant，PDA)3122或车载设备 3124，终端设备可以将经解码数据发送到其显示器。对于不带显示器的终端设备，如STB 3116、视频会议系统3118或视频监控系统3120，使外接显示器3126与终端设备连接，以接收并显示解码数据。

本系统中的各个设备执行编码或解码时，可以使用上述实施例所示的图像编码设备或图像解码设备。

图8为终端设备3106的示例结构图。在终端设备3106从捕获设备3102接收码流后，协议处理单元3202分析该码流的传输协议。所述协议包括但不限于实时流协议(Real TimeStreaming Protocol，RTSP)、超文本传输协议(Hyper Text Transfer Protocol，HTTP)、HTTP 直播流协议(HTTP Live streaming protocol，HLS)、MPEG-DASH、实时传输协议(Real- time Transport protocol，RTP)、实时消息协议(Real Time MessagingProtocol，RTMP)或其任何类型的组合等。

在协议处理单元3202对码流进行处理之后，生成流文件。文件输出到解复用单元3204。解复用单元3204可以将复用数据分离为经编码音频数据和经编码视频数据。如上文所述，对于一些实际场景，例如，在视频会议系统中，不复用经编码音频数据和经编码视频数据。在这种情况下，经编码数据不通过解复用单元3204发送到视频解码器3206和音频解码器 3208。

通过解复用处理，生成视频基本码流(elementary stream，ES)、音频ES和(可选)字幕。视频解码器3206，包括如上述实施例所解释的视频解码器30，通过如上述实施例所示的解码方法对视频ES进行解码以生成视频帧，并将该数据发送到同步单元3212。音频解码器3208对音频ES进行解码以生成音频帧，并将该数据发送至同步单元3212。或者，可以在将视频帧发送至同步单元3212之前存储在缓冲器中(图8中未示出)。同理，可以在将音频帧发送至同步单元3212之前存储在缓冲器中(图8中未示出)。

同步单元3212使视频帧和音频帧同步，并将视频/音频提供给视频/音频显示器3214。例如，同步单元3212同步视频信息和音频信息的呈现。可以使用与经译码音频和可视数据呈现相关的时间戳和与数据流发送相关的时间戳，在语法中对信息进行译码。

如果码流中包括字幕，则字幕解码器3210对字幕进行解码，并使字幕与视频帧和音频帧同步，并将视频/音频/字幕提供给视频/音频/字幕显示器3216。

本发明并不限于上述系统，上述实施例中的图像编码设备或图像解码设备都可以在汽车系统等其它系统中使用。

数学运算符

本申请中使用的数学运算符与C编程语言中使用的数学运算符类似。但是，对整数除法和算术移位运算的结果进行了更准确的定义，并且定义了其它运算，如幂运算和实值除法。编号和计数规范通常从0开始，例如，“第一”相当于第0个，“第二”相当于第1个，等等。

算术运算符

以下算术运算符定义如下：

+ 加法

– 减法(作为双参数运算符)或者非运算(作为一元前缀运算符)

* 乘法，包括矩阵乘法

x^y 求幂表示x的y次幂。在其它上下文中，该表示用作上标，而非用于解释为幂次方运算。

/ 整数除法，结果截断趋向0。例如，7/4和–7/–4被截断成1，–7/4 和7/–4被截断成–1。

÷ 用来表示数学等式中的除法，没有截断或四舍五入。

用来表示数学等式中的除法，没有截断或四舍五入。

i取x到y(包括y)的所有整数值时，函数f(i)的累加和。

x％y 取模运算。表示x除y的余数，其中，x和y都是整数，并且x>＝0 和y>0。

逻辑运算符

以下逻辑运算符定义如下：

x&&y x和y的布尔逻辑“与”

x||y x和y的布尔逻辑“或”

！布尔逻辑“非”

x？y:z 如果x为真或不等于0，则求y的值，否则，求z的值。

关系运算符

以下关系运算符定义如下：

> 大于

>＝大于或等于

< 小于

<＝小于或等于

＝＝等于

！＝不等于

当一个关系运算符应用于一个已被赋值“na”(不适用，not applicable)的语法元素或变量时，值“na”为该语法元素或变量的不同值。值“na”不等于任何其它值。

按位运算符

以下按位运算符定义如下：

& 按位“与”。当对整数参数进行运算时，运算的是整数值的二补数表示法。当对二进制参数进行运算时，如果该二进制参数包含的位比另一个参数包含的位少，则通过添加更多等于0的有效位来扩展较短的参数。

| 按位“或”。当对整数参数进行运算时，运算的是整数值的二补数表示法。当对二进制参数进行运算时，如果该二进制参数包含的位比另一个参数包含的位少，则通过添加更多等于0的有效位来扩展较短的参数。

^ 按位“异或”。当对整数参数进行运算时，运算的是整数值的二补数表示法。当对二进制参数进行运算时，如果该二进制参数包含的位比另一个参数包含的位少，则通过添加更多等于0的有效位来扩展较短的参数。

x>>y x的二补数整数表示算术右移y个二进制数位。只有y为非负整数值时才有这个函数定义。右移的结果是移进最高有效位(most significant bit，MSB) 的比特位等于移位运算之前的x的MSB。

x<<y x的二补数整数表示算术左移y个二进制数位。只有y为非负整数值时才有这个函数定义。左移的结果是移进最低有效位(least significant bit，LSB) 的比特位等于0。

赋值运算符以下算术运算符定义如下：

＝赋值运算符

++ 增，即，x++等于x＝x+1；当在阵列索引中使用时，等于增运算之前变量的值。

–– 减，即，x––等于x＝x–1；当在阵列索引中使用时，等于减运算之前变量的值。

+＝增加指定量，即，x+＝3等于x＝x+3，x+＝(–3)等于x＝x+(–3)。

–＝减少指定量，即，x–＝3等于x＝x–3，x–＝(–3)等于x＝x–(–3)。

范围表示法以下表示法用来说明值的范围：

x＝y..z x取从y到z(包括y和z)的整数值，其中，x、y和z都是整数，z大于y。

数学函数

定义了以下数学函数：

Asin(x) 三角反正弦函数，对参数x运算，x在–1.0至1.0(包括端值)范围之间，输出值在–π÷2至π÷2(包括端值)范围之间，单位为弧度。

Atan(x) 三角反正切函数，对参数x运算，输出值在–π÷2至π÷2(包括端值)范围之间，单位为弧度。

Ceil(x) 大于或等于x的最小整数。

Clip1_Y(x)＝Clip3(0,(1<<BitDepth_Y)–1,x)

Clip1_C(x)＝Clip3(0,(1<<BitDepth_C)–1,x)

Cos(x) 三角余弦函数，对参数x运算，单位为弧度。

Floor(x) 小于或等于x的最大整数。

Ln(x) x的自然对数(以e为底的对数，其中e是自然对数底数常数2.718 281828……)。

Log2(x) x以2为底的对数。

Log10(x) x以10为底的对数。

Round(x)＝Sign(x)*Floor(Abs(x)+0.5)

Sin(x) 三角正弦函数，对参数x运算，单位为弧度。

Swap(x,y)＝(y,x)

Tan(x) 三角正切函数，对参数x运算，单位为弧度。

运算优先级顺序

当没有使用括号来显式指示表达式中的优先顺序时，适应以下规则：

–高优先级的运算在低优先级的任何运算之前计算。

–相同优先级的运算从左到右依次计算。

下表从最高到最低说明运算的优先级，表中位置越高，优先级越高。

对于C编程语言中也使用的运算符，本规范中运算符优先级顺序与C编程语言中优先级顺序相同。

表：从最高(表格顶部)到最低(表格底部)的运算优先级

逻辑运算的文本说明

在文本中，逻辑运算的语句用数学形式描述如下：

if(condition 0)

statement 0

else if(condition 1)

statement 1

...

else/*剩余条件的信息备注*/

statement n

可以采用如下方式描述：

……如下/……则：

–如果条件0，则为语句0

–否则，如果条件1，则为语句1

-……

–否则(剩余条件的信息备注)，则为语句n

文本中的每个“如果……否则，如果……否则，……”表述通过“如果……”接着是“……如下：”或“……则：”引出。“如果……，否则，如果……否则，……”的最后一个条件总是“否则，……”。通过将“……如下：”或“……则”与结尾语句“……否则”相匹配来识别中间有“如果……否则，如果……否则，……”的语句。

在文本中，逻辑运算的语句用数学形式描述如下：

if(condition 0a&&condition 0b)

statement 0

else if(condition 1a||condition 1b)

statement 1

...

else

statement n

可以采用如下方式描述：

……如下/……则：

–如果以下所有条件都为真，则为语句0：

–条件0a

–条件0b

–否则，如果以下条件中的一个或多个为真，则为语句1：

–条件1a

–条件1b

-……

–否则，为语句n

在文本中，逻辑运算的语句用数学形式描述如下：

if(condition 0)

statement 0

if(condition 1)

statement 1

可以采用如下方式描述：

当条件0，则为语句0

当条件为1时，则为语句1

尽管本发明实施例主要根据视频译码进行了描述，但需要说明的是，译码系统10、编码器20和解码器30(相应地，系统10)的实施例以及本文描述的其它实施例也可以用于静止图像处理或译码，即，对视频译码中独立于任何之前或连续图像的单个图像进行处理或译码。一般情况下，如果图像处理译码仅限于单个图像17，帧间预测单元244(编码器)和344(解码器)可能不可用。视频编码器20和视频解码器30的所有其它功能(也称为工具或技术)同样可用于静态图像处理，例如残差计算204/304、变换206、量化208、反量化 210/310、(逆)变换212/312、分割262/362、帧内预测254/354和/或环路滤波220/320、熵编码270和熵解码304。

编码器20和解码器30等的实施例，以及本文描述的与编码器20和解码器30等有关的功能可以使用硬件、软件、固件或其任意组合来实现。如果使用软件来实现，那么各种功能可作为一或多个指令或代码在计算机可读媒体上存储或发送，且由基于硬件的处理单元执行。计算机可读介质可包括计算机可读存储介质，对应于有形介质，例如数据存储介质，或包括任何促进将计算机程序从一处传送到另一处的介质(例如根据通信协议)的通信介质。以此方式，计算机可读介质通常可以对应(1)非瞬时性的有形计算机可读存储介质，或(2)信号或载波等通信介质。数据存储介质可为可由一个或多个计算机或一个或多个处理器存取以检索用于实现本发明中描述的技术的指令、代码和/或数据结构的任何可用介质。计算机程序产品可以包括计算机可读介质。

具体地，提供了一种在解码器中实现的对经译码视频码流进行解码的方法，如图9所示，所述方法包括：S901，从码流中获取序列参数集(sequence parameter set，SPS)级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(videoparameter set， VPS)，所述SPS级语法元素大于预设值表示SPS参考VPS。S902，当SPS级语法元素大于预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer reference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测。S903，根据层间启用语法元素的值，预测一个或多个经译码图像。

类似地，提供了一种在编码器中实现的对包括经译码数据的视频码流进行编码的方法，如图10所示。所述方法包括：S1001，将序列参数集(sequence parameter set，SPS)级语法元素编码到码流中，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集 (video parameter set，VPS)，SPS级语法元素大于预设值表示SPS参考VPS；S1003，当SPS级语法元素大于预设值时，将层间启用语法元素编码到码流中，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer reference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测。

此外，所述方法还包括：S1002，确定SPS级语法元素是否大于预设值。

图11示出了用于对包括多个图像的经译码数据的视频码流进行解码的解码器1100。根据所示示例的解码器1100包括：获取单元1110，用于从码流中获取序列参数集(sequence parameter set，SPS)级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集(video parameter set，VPS)，所述SPS级语法元素大于预设值表示SPS参考 VPS；获取单元1110还用于：当SPS级语法元素大于预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer referencepicture， ILRP)是否被启用以用于一个或多个经译码图像的帧间预测；预测单元1120，用于根据层间启用语法元素的值，预测一个或多个经译码图像。

获取单元可以为熵解码单元304。预测单元1120可以是帧间预测单元344。解码器1100可以是目的地设备14、解码器30、装置500、视频解码器3206或终端设备3106。

类似地，提供了一种用于对包括多个图像的经译码数据的视频码流进行编码的编码器 1200，如图12所示。编码器1200包括：第一编码单元1210，用于将序列参数集(sequence parameter set，SPS)级语法元素编码到码流中，其中，所述SPS级语法元素等于预设值表示 SPS不参考视频参数集(video parameter set，VPS)，所述SPS级语法元素大于预设值表示 SPS参考VPS；第二编码单元1220，用于当SPS级语法元素大于预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像(inter-layer reference picture，ILRP)是否被启用以用于一个或多个经译码图像的帧间预测。

第一编码单元1210和第二编码单元1220可以是熵

编码单元270。确定单元可以是模式选择单元260。编码器1200可以是源设备12、编码器20或装置500。

作为示例而非限制，计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM 或其它光盘存储器、磁盘存储器或其它磁性存储设备、闪存或可用于存储指令或数据结构形式的所需程序代码并且可由计算机访问的任何其它介质。此外，任何连接都可以被适当地定义为计算机可读介质。例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光缆、双绞线、数字用户线(digital subscriber line，DSL)或以红外、无线和微波等无线方式发送的，也被包含在所定义的介质中。但是，应理解，所述计算机可读存储介质和数据存储介质并不包括连接、载波、信号或其它瞬时性介质，而是实际上针对于非瞬时性有形存储介质。本文中使用的磁盘(disk)和光盘(disc)包括压缩磁盘(compact disc，CD)、镭射盘、光盘、数字多功能光盘(digital versatile disc，DVD)、软盘和蓝光光盘，磁盘通常以磁性复制数据，而光盘通常以激光进行光学复制数据。上述的组合也可以包括在计算机可读介质范畴中。

可通过一个或多个数字信号处理器(digital signal processor，DSP)、通用微处理器、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或其它等效集成或离散逻辑电路等一个或多个处理器来执行指令。因此，如本文中所使用的术语“处理器”可指前述结构或适合于实现本文中所描述的技术的任一其它结构中的任一者。另外，在一些方面中，本文描述的各种功能可以提供在用于编码和解码的专用硬件和/或软件模块内，或者并入到组合编解码器中。而且，所述技术可以完全在一个或多个电路或逻辑元件中实现。

本发明的技术可以在多种设备或装置中实现，这些设备或装置包括无线手机、集成电路 (integrated circuit，IC)或一组IC(例如芯片组)。本发明中描述各种组件、模块或单元是为了强调用于执行所公开技术的装置的功能方面，但未必需要由不同硬件单元实现。实际上，如上所述，各种单元可以结合合适的软件和/或固件组合在编解码器硬件单元中，或者通过互操作硬件单元(包括如上所述的一个或多个处理器)的集合来提供。

Claims

1.一种对经译码视频码流进行解码的方法，其特征在于，所述方法包括：

从所述码流中获取序列参数集SPS级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集VPS，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；

当所述SPS级语法元素大于所述预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示是否启用一个或多个层间参考图像ILRP以用于一个或多个经译码图像的帧间预测；

根据所述层间启用语法元素的值，预测所述一个或多个经译码图像。

2.根据权利要求1所述的方法，其特征在于，所述VPS包括描述编码视频序列CVS中各层的层间预测信息的语法元素，所述SPS包括所述SPS级语法元素和所述层间启用语法元素，其中，所述CVS包括所述一个或多个ILRP和所述一个或多个经译码图像。

3.根据权利要求2所述的方法，其特征在于，所述根据所述层间启用语法元素的值，预测所述一个或多个经译码图像包括：当所述层间启用语法元素的值表示启用一个或多个层间参考图像ILRP以用于一个或多个经译码图像的帧间预测时，通过参考所述一个或多个ILRP来预测所述一个或多个经译码图像，其中，所述一个或多个ILRP是根据所述SPS参考的所述VPS中包括的所述层间预测信息获取的。

4.根据权利要求1至3中任一项所述的方法，其特征在于，经译码图像和所述经译码图像的ILRP属于不同的层。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述SPS级语法元素等于预设值还表示编码视频序列CVS仅包括一层的经译码图像。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述预设值为0。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述根据所述层间启用语法元素的值，预测所述一个或多个经译码图像包括：

如果所述层间启用语法元素的值表示所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测，则在不参考任何ILRP的情况下预测所述一个或多个经译码图像。

8.一种对经译码视频码流进行解码的解码器，其特征在于，所述解码器包括：

获取单元，用于从所述码流中获取序列参数集SPS级语法元素，其中，所述SPS级语法元素等于预设值表示SPS不参考视频参数集VPS，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS；

所述获取单元还用于当所述SPS级语法元素大于所述预设值时，获取层间启用语法元素，其中，所述层间启用语法元素表示一个或多个层间参考图像ILRP是否被启用以用于一个或多个经译码图像的帧间预测；

预测单元，用于根据所述层间启用语法元素的值，预测所述一个或多个经译码图像。

9.根据权利要求8所述的解码器，其特征在于，所述VPS包括描述编码视频序列CVS中各层的层间预测信息的语法元素，所述SPS包括所述SPS级语法元素和所述层间启用语法元素，其中，所述CVS包括所述一个或多个ILRP和所述一个或多个经译码图像。

10.根据权利要求8或9所述的解码器，其特征在于，所述预测单元用于当所述层间启用语法元素的值表示启用一个或多个层间参考图像ILRP以用于一个或多个经译码图像的帧间预测时，通过参考所述一个或多个ILRP来预测所述一个或多个经译码图像，其中，所述一个或多个ILRP是根据所述SPS参考的所述VPS中包括的所述层间预测信息获取的。

11.根据权利要求8至10任一项所述的解码器，其特征在于，经译码图像和所述经译码图像的ILRP属于不同的层。

12.根据权利要求8至11任一项所述的解码器，其特征在于，所述SPS级语法元素等于预设值还表示编码视频序列CVS仅包括一层的经译码图像。

13.根据权利要求8至12任一项所述的解码器，其特征在于，所述预设值为0。

14.根据权利要求8至13任一项所述的解码器，其特征在于，所述预测单元用于如果所述层间启用语法元素的值表示所述一个或多个ILRP不用于一个或多个经译码图像的帧间预测，在不参考任何ILRP的情况下预测所述一个或多个经译码图像。

15.一种包括程序代码的计算机程序产品，其特征在于，所述程序代码用于执行根据权利要求1至7中任一项所述的方法。

16.一种解码设备，其特征在于，包括：

一个或多个处理器；

非瞬时性计算机可读存储介质，耦合至所述处理器并存储由所述处理器执行的程序，其中，当所述处理器执行所述程序时，所述解码器用于执行根据上述权利要求1至7中任一项所述的方法。

17.一种包括程序代码的非瞬时性计算机可读存储介质，其特征在于，当计算机设备执行所述程序代码时，所述程序代码使得所述计算机设备执行根据上述权利要求1至7中任一项所述的方法。

18.一种非瞬时性存储介质，其特征在于，包括图像解码设备解码的经编码码流，其中，所述码流通过将视频信号或图像信号的帧分成多个块而生成，且包括多个语法元素，所述多个语法元素包括层间启用语法元素，所述层间启用语法元素表示在SPS级语法元素大于预设值的条件下，一个或多个层间参考图像ILRP是否被启用以用于一个或多个经译码图像的帧间预测，所述SPS级语法元素等于预设值表示SPS不参考视频参数集VPS，所述SPS级语法元素大于所述预设值表示所述SPS参考VPS。