CN115211114A

CN115211114A - 编码器、解码器和参数集中的指示和语义的对应方法

Info

Publication number: CN115211114A
Application number: CN202180017572.9A
Authority: CN
Inventors: 王彪; 塞米赫·艾森力克; 阿南德·梅赫·科特拉; 伊蕾娜·亚历山德罗夫娜·阿尔希娜; 高晗
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2020-02-28
Filing date: 2021-02-27
Publication date: 2022-10-18
Also published as: JP2023515626A; US20240283956A1; CA3169560A1; US20230199203A1; US11533497B2; US20220182649A1; AU2021225986A1; WO2021170124A1; KR20220143936A; MX2022010702A; EP4101171A4; US11943459B2; CL2022002338A1; EP4101171A1

Abstract

本发明涉及在视频码流的序列参数集中指示语法元素。具体地，本发明提供了一种对视频码流进行解码的方法，其中，序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素，所述方法包括：从所述SPS中获取第一语法元素的值，其中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；至少当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中获取第二语法元素的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

Description

编码器、解码器和参数集中的指示和语义的对应方法

相关申请交叉引用

本专利申请要求于2020年2月28日提交的PCT/EP/2020/055269、2020年6月9日提交的PCT/EP/2020/065989和2020年6月9日提交的PCT/EP/2020/065999的优先权。上述专利申请的全部公开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，涉及序列参数集中的语法元素指示。

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、视频聊天和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有限的通信网络中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，然后通过现代电信网络进行传输。由于内存资源可能有限，当在存储设备中存储视频时，该视频的大小也可能是一个问题。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编码，然后传输或存储视频数据，从而减少表示数字视频图像所需的数据量。然后，对视频数据进行解码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，这些改进的技术能够在几乎不影响图像质量的情况下提高压缩比。

具体地，在现有技术中，指示译码在码流中的序列参数集中的语法元素(用于提供解码图像缓冲区信息)的效率低下，甚至前后不一致。因此，本申请的目的是提供指示这些语法元素的技术，以提高编码效率。

发明内容

本申请实施例提供了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、说明书和附图中是显而易见的。

根据第一方面，本发明涉及一种由解码设备实现的对视频码流进行解码的方法。序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素。所述方法包括：从所述SPS中获取第一语法元素(例如标志)的值，其中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picturebuffer，DPB)参数语法结构。所述方法还包括：至少当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中获取第二语法元素(例如标志)的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

例如，当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，才可以获取所述第二语法结构的值。在这里和在下文中，所述第一语法元素可以是下文详细描述的sps_ptl_dpb_hrd_params_present_flag，所述第二语法元素可以是sps_sublayer_dpb_params_flag。在这里和在下文中，所述DPB语法元素可以是下文详细描述的max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]中的一个。

由此提供的对视频码流进行解码的方法保证了DPB语法元素的高效指示。具体地，如果存在，所述第二语法元素能够可靠地控制所述DPB参数语法结构中是否存在DPB语法元素。

根据一种实现方式，所述方法还包括：(例如，当所述第二语法元素表示所述DPB参数语法结构中存在所述DPB语法元素时，具体地，只有当所述第二语法元素表示所述DPB参数语法结构中存在所述DPB语法元素时)根据所述第二语法元素的值获取所述DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。因此，所述视频序列可以通过可靠地、高效地指示DPB信息得到重建。

所述根据所述第二语法元素的值获取所述DPB语法元素的值的步骤可以包括：

当确定所述第二语法元素的值表示所述DPB参数语法结构中存在所述DPB语法元素时，从所述DPB参数语法结构中获取所述DPB语法元素的值；或者

当确定所述第二语法元素的值表示所述DPB参数语法结构中不存在所述DPB语法元素时，将所述DPB语法元素的值设置为所述DPB参数语法结构中的应用于所述最高时间子层的另一DPB语法元素的值。

因此，可以保证所述DPB语法元素的确定值在任何情况下都是可用的，并且可以用于重建所述视频序列。在这方面不担心任何不确定的行为。

由此可靠获取到的所述DPB语法元素的值可以用于配置DPB来存储用于帧间预测处理的参考图像，等等。相应地，所述根据所述DPB语法元素的值重建所述视频序列的步骤可以包括：根据所述DPB语法元素的值配置DPB；使用所述DPB重建所述视频序列。

可选地，所述根据所述DPB语法元素的值重建所述视频序列的步骤可以包括：通过确定所述使用的DPB满足所述DPB语法元素的值指定的要求，重建所述视频序列。因此，可以检查提供的DPB是否适合于重建所述视频序列。

根据一种实现方式，所述对视频码流进行解码的方法还包括：

从所述SPS中获取第三语法元素的值，其中，所述第三语法元素的值用于确定所述视频序列中存在的时间子层的最大数量。如果只有一个时间子层，则所述第三语法元素的值可以为0。通过简单地指示所述第三语法元素，有助于确定所述视频序列中存在的时间子层的最大数量，这样有利于提高编码效率。

在这里和在下文中，所述第三语法元素可以是下文详细描述的sps_max_sublayers_minus1。

所述从所述SPS中获取第二语法元素的值的步骤包括：

当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，根据所述第三语法元素的值确定所述视频码流中的所述时间子层的最大数量是否大于1；当确定所述时间子层的最大数量大于1时，从所述SPS中获取所述第二语法元素的值。例如，只有当确定所述时间子层的最大数量大于1时，才可以从所述SPS中获取所述第二语法元素的值。因此，由于在时间层的最大数量不大于1(即，只有一个时间子层)时，(例如，如果所述第二语法元素的值在这种情况下变得无意义)所述第二语法元素的值可能就根本读取不到，并且在单个时间层中，DPB语法元素可能始终在SPS中指示，所以可以进一步提高编码效率。

根据第二方面，提供了一种由编码设备实现的对视频码流进行编码的方法。序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素。

所述方法的优点与上文论述的优点相同。所述方法包括以下步骤：

确定所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；

通过确定所述SPS中是否存在所述DPB参数语法结构，将第一语法元素(例如标志)的值编码到所述SPS中，其中，所述第一语法元素的值用于表示所述SPS中是否存在所述DPB参数语法结构；

当确定(例如只有当)所述SPS中存在所述DPB参数语法结构时，确定所述DPB参数语法结构中是否存在DPB语法元素，其中，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层；

通过确定所述DPB参数语法结构中是否存在所述DPB语法元素，将第二语法元素(例如标志)的值编码到所述SPS中，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中存在所述DPB语法元素。

根据一种实现方式，所述编码方法还包括：当确定所述DPB参数语法结构中存在所述DPB语法元素时，确定所述DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

根据一种实现方式，所述编码方法还包括：将所述DPB语法元素的值设置为所述DPB参数语法结构中的应用于所述最高时间子层的另一DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

所述根据所述DPB语法元素的值重建所述视频序列的步骤可以包括：配置DPB以满足所述DPB语法元素的值；使用所述DPB重建所述视频序列。

根据一种实现方式，当确定所述SPS中存在所述DPB参数语法结构且所述视频码流中的时间子层的最大数量大于1时，确定所述DPB参数语法结构中存在DPB语法元素。

此外，提供了一种用于对视频码流进行解码的装置和一种对视频码流进行编码的装置，它们的优点分别与上述方法的优点相同。

根据第三方面，提供了一种用于对(经译码)视频码流进行解码的装置。所述装置包括：

获取单元，用于从SPS中获取第一语法元素(例如标志)的值，其中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构，所述SPS被译码在所述视频码流中；

确定单元，用于确定所述第一语法元素的值是否表示所述SPS中存在所述DPB参数语法结构；

所述获取单元还用于：至少当确定(例如只有当)所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中获取第二语法元素(例如标志)的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

例如，当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，所述获取单元才可以获取所述第二语法结构的值。

根据一种实现方式，所述获取单元还用于：根据所述第二语法元素的值获取所述DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

所述根据所述第二语法元素的值获取所述DPB语法元素的值可以包括：

所述根据所述DPB语法元素的值重建所述视频序列可以包括：根据所述DPB语法元素的值配置DPB；使用所述DPB重建所述视频序列。

DPB用于存储图像，这些图像用于构建参考图像列表。

可选地，所述根据所述DPB语法元素的值重建所述视频序列可以包括：通过确定所述使用的DPB满足所述DPB语法元素的值指定的要求，重建所述视频序列。

根据一种实现方式，所述获取单元还用于：从所述SPS中获取第三语法元素的值，其中，所述第三语法元素的值用于确定所述视频序列中存在的时间子层的最大数量。

所述从所述SPS中获取第二语法元素的值可以包括：

当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，根据所述第三语法元素的值确定所述视频码流中的所述时间子层的最大数量是否大于1；当确定所述时间子层的最大数量大于1时，从所述SPS中获取所述第二语法元素的值。

根据第四方面，提供了一种用于对视频码流进行编码的装置。所述装置包括：

确定单元，用于确定SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；

编码单元，用于通过确定所述SPS中是否存在所述DPB参数语法结构，将第一语法元素(例如标志)的值编码到所述SPS中，其中，所述第一语法元素的值用于表示所述SPS中是否存在所述DPB参数语法结构；

所述确定单元还用于：当确定(例如只有当)所述SPS中存在所述DPB参数语法结构时，确定所述DPB参数语法结构中是否存在DPB语法元素，其中，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层；

所述编码单元还用于：通过确定所述DPB参数语法结构中是否存在所述DPB语法元素，将第二语法元素(例如标志)的值编码到所述SPS中，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在所述DPB语法元素。

根据一种实现方式，所述确定单元还用于：当确定所述DPB参数语法结构中存在所述DPB语法元素时，确定所述DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

根据一种实现方式，所述编码单元还用于：将所述DPB语法元素的值设置为所述DPB参数语法结构中的应用于所述最高时间子层的另一DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

所述根据所述DPB语法元素的值重建所述视频序列可以包括：配置DPB以满足所述DPB语法元素的值；使用所述DPB重建所述视频序列。

根据一种实现方式，所述确定单元用于：当所述确定单元确定所述SPS中存在所述DPB参数语法结构且所述视频码流中的时间子层的最大数量大于1时，确定所述DPB参数语法结构中存在DPB语法元素。

上述方法可以分别在解码设备或编码设备中实现。因此，提供了一种编码器。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示例所述的对视频码流进行编码的方法。此外，提供了一种编码器。所述编码器包括：一个或多个处理器；非瞬时性计算机可读存储介质，耦合到所述一个或多个处理器并存储供所述一个或多个处理器执行的程序，其中，当所述程序由所述一个或多个处理器执行时，所述编码器用于执行根据任一上述示例所述的对视频码流进行编码的方法。类似地，提供了一种解码器。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示例所述的对视频码流进行解码的方法。提供了一种解码器。所述解码器包括：一个或多个处理器；非瞬时性计算机可读存储介质，耦合到所述一个或多个处理器并存储供所述一个或多个处理器执行的程序，其中，当所述程序由所述一个或多个处理器执行时，所述解码器用于执行根据任一上述示例所述的对视频码流进行解码的方法。

此外，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上执行时，所述程序代码用于执行根据任一上述示例所述的方法。类似地，提供了一种包括程序代码的非瞬时性计算机可读介质。当所述程序代码由计算机设备执行时，使得所述计算机设备执行根据任一上述示例所述的方法。

此外，提供了一种非瞬时性存储介质。所述非瞬时性存储介质包括经编码码流，所述码流是通过将视频信号或图像信号的当前图像划分成多个块生成的，所述码流包括多个语法元素；所述多个语法元素包括SPS中的第一语法元素，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；当所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，所述码流还包括所述SPS中的第二语法元素，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

以下附图和说明书详细阐述了一个或多个实施例。其它特征、目的和优点在说明书、附图和权利要求书中是显而易见的。

附图说明

下面参考所附附图和示意图更详细地描述本发明实施例。

图1A为用于实现本发明实施例的视频译码系统的一个示例的框图。

图1B为用于实现本发明实施例的视频译码系统的另一个示例的框图。

图2为用于实现本发明实施例的视频编码器的一个示例的框图。

图3为用于实现本发明实施例的视频解码器的一种示例性结构的框图。

图4为编码装置或解码装置的一个示例的框图。

图5为编码装置或解码装置的另一个示例的框图。

图6示出了光栅扫描顺序的一个示例。

图7示出了分块、条带和子图像的一个示例。

图8为实现内容分发服务的内容供应系统3100的一种示例性结构的框。

图9为终端设备的一种示例性结构的框图。

图10示出了图像分割的一个示例。

图11示出了关于可适性视频编码(scalable video coding)的各层和各子层的示例。

图12示出了图像分割的另一个示例。

图13示出了图像分割的另一个示例。

图14示出了一个实施例提供的一种对视频码流进行解码的方法。

图15示出了一个实施例提供的一种对视频码流进行编码的方法。

图16示出了一个实施例提供的一种对视频码流进行解码的方法。

图17示出了一个实施例提供的一种对视频码流进行编码的方法。

在下文，如果没有另外明确说明，相同的附图标记指代相同特征或至少在功能上等效的特征。

具体实施方式

在以下描述中，参考了构成本发明一部分的附图，这些附图通过说明的方式示出了本发明实施例的具体方面或可以使用本发明实施例的具体方面。应当理解的是，本发明实施例可以在其它方面中使用，并且可以包括附图中未描绘的结构变化或逻辑变化。因此，以下详细描述不以限制性意义来理解，且本发明的范围由所附权利要求书界定。

例如，应当理解的是，与描述方法有关的公开内容可以对用于执行所述方法的对应设备或系统也同样适用，反之亦然。例如，如果描述一个或多个具体方法步骤，则对应的设备可以包括功能单元等一个或多个单元，来执行所描述的一个或多个方法步骤(例如，一个单元执行一个或多个步骤，或多个单元分别执行多个步骤中的一个或多个)，即使附图中未明确描述或示出这类一个或多个单元。另一方面，例如，如果根据一个或多个单元(例如功能单元)来描述具体装置，则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，一个步骤执行一个或多个单元的功能，或者多个步骤分别执行多个单元中的一个或多个单元的功能)，即使附图中未明确描述或示出这类一个或多个步骤。此外，应当理解的是，除非另外明确说明，本文中所描述的各示例性实施例和/或方面的特征可以相互组合。

视频译码(coding)通常是指处理形成视频或视频序列的图像序列。在视频编码领域，术语“帧(frame)”与“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。视频编码在源侧执行，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的数据量(从而更高效地存储和/或传输)。视频解码在目的地侧执行，通常包括相对于编码器作逆处理，以重建视频图像。实施例涉及的视频图像(或通常称为图像)的“译码”应理解为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也合称为编解码(编码和解码)。

在无损视频译码情况下，可以重建原始视频图像，即经重建视频图像与原始视频图像具有相同的质量(假设存储或传输期间没有传输损耗或其它数据丢失)。在有损视频译码情况下，通过量化等执行进一步压缩，以减少表示视频图像的数据量，而解码器侧无法完全重建视频图像，即经重建视频图像的质量比原始视频图像的质量低或差。

几种视频编码标准属于“有损混合型视频编解码器”组(即，将样本域中的空间和时间预测与变换域中用于应用量化的2D变换译码相结合)。视频序列中的每个图像通常分割成不重叠块的集合，通常在块级进行译码。换句话说，编码器侧通常在块(视频块)级处理亦即编码视频，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)中减去预测块以获取残差块，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，而解码器侧将相对于编码器的逆处理部分应用于经编码或经压缩块，以重建用于表示的当前块。此外，编码器复制解码器处理循环，使得编码器和解码器生成相同的预测(例如帧内预测和帧间预测)和/或重建，以对后续块进行处理，即译码。

在以下视频译码系统10的实施例中，视频编码器20和视频解码器30根据图1至图3进行描述。

图1A为示例译码系统10的示意性框图，例如可以利用本申请中技术的视频译码系统10(或简称为译码系统10)。视频译码系统10中的视频编码器20(或简称为编码器20)和视频解码器30(或简称为解码器30)为两个示例，即可以用于根据本申请中描述的各种示例执行各种技术的设备。

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等，以对经编码图像数据13进行解码。

源设备12包括编码器20，并且可以另外(即可选地)包括图像源16、预处理器(或预处理单元)18(例如图像预处理器18)和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用于捕获真实世界图像的摄像机等图像捕获设备，和/或任何类型的用于生成计算机动画图像的计算机图形处理器等图像生成设备，或者任何类型的用于获取和/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/或其任意组合(例如增强现实(augmentedreality，AR)图像)的其它设备。图像源可以为任何类型的存储任一上述图像的存储器(memory/storage)。

为了区分预处理器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并对图像数据17执行预处理，以获取预处理图像19或预处理图像数据19。预处理器18执行的预处理可以包括修剪(trimming)、颜色格式转换(例如从RGB转换为YCbCr)、调色或去噪等。可以理解的是，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(结合图2等描述更多细节)。

源设备12中的通信接口22可以用于接收经编码图像数据21，并通过通信信道13将经编码图像数据21(或对经编码图像数据21进一步处理后得到的数据)发送给另一设备(例如目的地设备14)或任何其它设备，以便进行存储或直接重建。

目的地设备14包括解码器30(例如视频解码器30)，并且可以另外(即可选地)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(例如经编码图像数据存储设备)等任何其它源接收经编码图像数据21(或对经编码图像数据21进一步处理后得到的数据)，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可以用于经由源设备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)或者经由任何类型的网络(例如，有线网络、无线网络或其任何组合，或者任何类型的私网和公网或其任何类型的组合)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可以用于将经编码图像数据21封装成合适的格式(例如数据包)，和/或通过任何类型的传输编码或处理方式来处理经编码图像数据，以便通过通信链路或通信网络进行传输。

例如，与通信接口22对应的通信接口28可以用于接收传输数据，并通过任何类型的对应传输解码或处理和/或解封装方式来处理传输数据，以获取经编码图像数据21。

通信接口22和通信接口28都可以配置为图1A中从源设备12指向目的地设备14的通信信道13的箭头所指示的单向通信接口，或者配置为双向通信接口，并且可以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/或数据传输(例如经编码图像数据传输)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(下文结合图3或图5等描述更多细节)。

目的地设备14中的后处理器32用于对经解码图像数据31(还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)。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(trimming)或重采样，或者任何其它处理，以便提供经解码图像数据31由显示设备34等显示，等等。

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，以便向用户或观看者等显示图像。显示设备34可以为或可以包括任何类型的用于表示经重建图像的显示器，例如集成或外部显示器或显示屏。例如，显示器可以包括液晶显示器(liquid crystaldisplay，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(liquid crystal on silicon，LCoS)显示器、数字光处理器(digital light processor，DLP)或任何类型的其它显示器。

虽然图1A中将源设备12和目的地设备14示为单独的设备，但是设备实施例也可以同时包括这两种设备或同时包括这两种设备的功能，即源设备12或对应的功能以及目的地设备14或对应的功能。在这些实施例中，可以使用相同硬件和/或软件，或使用单独的硬件和/或软件，或其任意组合来实施源设备12或对应的功能以及目的地设备14或对应的功能。

本领域技术人员基于描述明显可知，图1A所示的源设备12和/或目的地设备14内的不同单元或功能的存在和(精确)功能划分可能根据实际设备和应用有所不同。

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)或者编码器20和解码器30可以通过图1B所示的处理电路来实现，例如，一个或多个微处理器、一个或多个数字信号处理器(digital signal processor，DSP)、一个或多个专用集成电路(application-specific integrated circuit，ASIC)、一个或多个现场可编程门阵列(field-programmable gate array，FPGA)、一个或多个离散逻辑、一个或多个硬件、一个或多个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，以包含参照图2中的编码器20描述的各种模块和/或本文描述的任何其它编码器系统或子系统。解码器30可以通过处理电路46实现，以包含参照图3中的解码器30描述的各种模块和/或本文描述的任何其它解码器系统或子系统。处理电路可以用于执行下文描述的各种操作。如图5所示，如果上述技术部分在软件中实现，则一种设备可以将该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在硬件中执行这些指令，以执行本发明中的技术。视频编码器20或视频解码器30可以作为组合编码器/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，笔记本或膝上型电脑、手机、智能手机、平板或平板电脑、摄像机、台式电脑、机顶盒、电视、显示设备、数字媒体播放器、视频游戏机、视频流设备(例如内容业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可以用于无线通信。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所示的视频编码及解码系统10仅为示例，本申请中的技术可以适用于不必包含编码和解码设备之间的任何数据通信的视频编码设置(例如，视频编码或视频解码)。在其它示例中，数据从本地存储器检索、通过网络流式传输等。视频编码设备可以对数据进行编码并且将数据存储到存储器中，和/或视频解码设备可以从存储器检索数据并且对数据进行解码。在一些示例中，由并不相互通信而是仅编码数据到存储器和/或从存储器检索数据且解码数据的设备执行编码和解码。

为便于描述，本文(例如)参考由ITU-T视频编码专家组(Video Coding ExpertsGroup，VCEG)和ISO/IEC运动图像专家组(Motion Picture Experts Group，MPEG)的视频编码联合协作团队(Joint Collaboration Team on Video Coding，JCT-VC)开发的高效视频编码(High-Efficiency Video Coding，HEVC)或下一代视频编码标准即通用视频编码(Versatile Video Coding，VVC)的参考软件来描述本发明实施例。本领域普通技术人员理解本发明实施例不限于HEVC或VVC。

编码器和编码方法

图2为用于实现本申请中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、逆变换处理单元212、重建单元214、环路滤波器单元220、解码图像缓冲区(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型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的前向信号路径，而反量化单元210、逆变换处理单元212、重建单元214、缓冲区216、环路滤波器220、解码图像缓冲区(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的后向信号路径，其中，视频编码器20的后向信号路径对应于解码器(参见图3中的视频解码器30)的信号路径。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、解码图像缓冲区(decoded picturebuffer，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可以用于通过输入端201等接收图像17(或图像数据17)。图像17可以是组成视频或视频序列的一系列图像中的图像。接收到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)。为简单起见，以下描述使用图像17。图像17还可以称为当前图像或待译码图像(尤其是在视频译码中为了将当前图像与同一视频序列(也就是同样包括当前图像的视频序列)中的其它图像(例如先前的经编码和/或经解码图像)区分开)。

(数字)图像是或可以视为由具有强度值的样本(sample)组成的二维阵列或矩阵。阵列中的样本也可以称为像素(pixel/pel)(图像元素的简称)。阵列或图像在水平方向和垂直方向(或轴线)上的样本数量限定了图像的大小和/或分辨率。为了表示颜色，通常采用3个颜色分量，即图像可以表示为或可以包括3个样本阵列。在RBG格式或颜色空间中，一个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颜色空间表示，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2个色度分量。亮度(luminance，简写为luma)分量Y表示亮度或灰度级强度(例如在灰度等级图像中两者相同)，而2个色度(chrominance，简写为chroma)分量Cb和Cr表示色度或颜色信息分量。因此，YCbCr格式的图像包括由亮度样本值(sample value)(Y)组成的亮度样本阵列和2个由色度值(Cb和Cr)组成的色度样本阵列。RGB格式的图像可以转换或变换为YCbCr格式，反之亦然。该过程也称为颜色变换或转换。如果图像是黑白的，则该图像可以仅包括亮度样本阵列。相应地，例如，图像可以为黑白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2个对应的色度样本阵列。

视频编码器20的实施例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(通常不重叠的)图像块203。这些块也可以称为根块、(H.264/AVC中的)宏块，或(H.265/HEVC和VVC中的)编码树块(coding tree block，CTB)或编码树单元(coding treeunit，CTU)。图像分割单元可以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，或者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多个对应块。

在其它实施例中，视频编码器可以用于直接接收图像17中的块203，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类似，图像块203同样是或可以视为具有强度值(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的尺寸小。换句话说，根据所应用的颜色格式，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彩色图像情况下的亮度阵列或色度阵列)或3个样本阵列(例如彩色图像17情况下的1个亮度阵列和2个色度阵列)或任何其它数量和/或类型的阵列。块203在水平方向和垂直方向(或轴线)上的样本数量限定了块203的大小。相应地，一个块可以为M×N(M列×N行)的样本阵列，或M×N的变换系数阵列等。

图2所示的视频编码器20的实施例可以用于逐块对图像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通过条带(slice)(也称为视频条带)对图像进行分割和/或编码。一个图像可以分割成一个或多个(通常不重叠的)条带或通过一个或多个(通常不重叠的)条带进行编码，每个条带可以包括一个或多个块(例如CTU)。

图2所示的视频编码器20的实施例还可以用于通过分块(tile)组(还称为视频分块组)和/或分块(还称为视频分块)对图像进行分割和/或编码。一个图像可以分割成一个或多个(通常不重叠的)分块组或通过一个或多个(通常不重叠的)分块组进行编码；每个分块组可以包括一个或多个块(例如CTU)或一个或多个分块等；每个分块可以为矩形等，并且可以包括一个或多个完整或部分块(例如CTU)等。

残差计算

残差计算单元204可以用于通过以下方式根据图像块203和预测块265(后续详细介绍了预测块265)来计算残差块205(还称为残差205)以获取样本域中的残差块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。

变换

变换处理单元206可以用于在残差块205的样本值上应用离散余弦变换(discretecosine transform，DCT)或离散正弦变换(discrete sine transform，DST)等变换，以获取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(例如为H.265/HEVC指定的变换)的整数近似。与正交DCT变换相比，这种整数近似通常由某一因子按缩放。为了维持经正变换和逆变换处理的残差块的范数，应用其它缩放因子作为变换过程的一部分。缩放因子通常是根据某些约束条件选择的，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、精度与实现成本之间的权衡等。例如，通过逆变换处理单元212等为逆变换(以及视频解码器30通过逆变换处理单元312等为对应的逆变换)指定具体的缩放因子；相应地，编码器20可以通过变换处理单元206等为正变换指定对应的缩放因子。

视频编码器20(相应地，变换处理单元206)的实施例可以用于直接输出或通过熵编码单元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)，使得视频解码器30可以接收并使用变换参数进行解码，等等。

量化

量化单元208可以用于通过应用标量量化或矢量量化等来量化变换系数207，以获取经量化系数209。经量化系数209也可以称为经量化变换系数209或经量化残差系数209。

量化过程可以减小与部分或全部变换系数207相关的位深度。例如，n位变换系数可以在量化期间向下取整到m位变换系数，其中，n大于m。量化程度可以通过调整量化参数(quantization parameter，QP)进行修改。例如，对于标量量化，可以进行不同程度的缩放来实现较细或较粗的量化。较小量化步长对应较细量化，而较大量化步长对应较粗量化。可以通过量化参数(quantization parameter，QP)指示合适的量化步长。例如，量化参数可以是一组预定义的合适量化步长的索引。例如，较小的量化参数可以对应精细量化(较小量化步长)，较大的量化参数可以对应粗糙量化(较大量化步长)，反之亦然。量化可以包括除以量化步长，而由反量化单元210等执行的对应和/或反解量化可以包括乘以量化步长。根据HEVC等一些标准的实施例可以使用量化参数来确定量化步长。一般而言，可以基于量化参数使用包括除法的等式的定点近似来计算量化步长。可以引入额外缩放因子来进行量化和解量化，以恢复可能由于在用于量化步长和量化参数的等式的定点近似中使用的缩放而修改的残差块的范数。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。可选地，可以使用自定义量化表并在码流等中由编码器向解码器指示(signal)。量化是有损操作，其中，量化步长越大，损耗越大。

视频编码器20(对应地，量化单元208)的实施例可以用于直接输出或通过熵编码单元270进行编码后输出量化参数(quantization parameter，QP)，使得视频解码器30可以接收并使用量化参数进行解码，等等。

反量化

反量化单元210用于通过以下方式对经量化系数应用量化单元208的反量化，以获取经解量化系数211：例如，根据或使用与量化单元208相同的量化步长，应用与量化单元208应用的量化方案相反的反量化方案。经解量化系数211也可以称为经解量化残差系数211，对应于变换系数207，但是由于量化造成的损耗，通常与变换系数不相同。

逆变换

逆变换处理单元212用于应用变换处理单元206应用的变换的逆变换，例如，逆离散余弦变换(discrete cosine transform，DCT)或逆离散正弦变换(discrete sinetransform，DST)或其它逆变换，以获取样本域中的经重建残差块213(或对应的经解量化系数213)。经重建残差块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)用于通过以下方式将变换块213(即经重建残差块213)添加到预测块265，以获取样本域中的经重建块215：例如，逐个样本将经重建残差块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)用于对经重建块215进行滤波，获得经滤波块221，或通常用于对经重建样本进行滤波，以获取经滤波样本值。例如，环路滤波器单元用于顺利进行像素转变或以其它方式提高视频质量。环路滤波器单元220可以包括一个或多个环路滤波器，例如去块效应滤波器、样本自适应偏移(sample-adaptiveoffset，SAO)滤波器或一个或多个其它滤波器，例如双边滤波器、自适应环路滤波器(adaptive loop filter，ALF)、锐化或平滑滤波器、协同滤波器或其任意组合。虽然环路滤波器单元220在图2中示为环内滤波器，但在其它配置中，环路滤波器单元220可以实施为环后滤波器。经滤波块221也可以称为经滤波的经重建块221。

视频编码器20(对应地，环路滤波器单元220)的实施例可以用于直接输出或通过熵编码单元270进行编码后输出环路滤波器参数(例如样本自适应偏移信息)，使得解码器30可以接收和使用相同的环路滤波器参数或相应的环路滤波器进行解码，等等。

解码图像缓冲区

解码图像缓冲区(decoded picture buffer，DPB)230可以是存储参考图像或通常存储参考图像数据的存储器，这些参考图像或参考图像数据用于由视频编码器20对视频数据进行编码。DPB 230可以由多种存储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。解码图像缓冲区(decoded picture buffer，DPB)230可以用于存储一个或多个经滤波块221。解码图像缓冲区230还可以用于存储同一当前图像或不同图像(例如先前的经重建图像)中的其它先前经滤波块(例如先前经滤波的经重建块221)，并可以提供先前完整的经重建(即经解码)图像(和对应的参考块和样本)和/或部分重建的当前图像(和对应的参考块和样本)，以进行帧间预测等。解码图像缓冲区(decoded picture buffer，DPB)230还可以用于：如果经重建块215未由环路滤波器单元220进行滤波等，存储一个或多个未经滤波的经重建块215或通常存储未经滤波的经重建样本，或者用于存储对经重建块或样本进行进一步处理后得到的任何其它块或样本。

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，并且用于从解码图像缓冲区230或其它缓冲区(例如行缓冲区，图中未显示)接收或获取原始块203(当前图像17的当前块203)等原始图像数据以及经重建图像数据(例如同一(当前)图像和/或一个或多个先前的经解码图像的经滤波和/或未经滤波的经重建样本或块)。经重建图像数据用作帧间预测或帧内预测等预测使用的参考图像数据，以获取预测块265或预测值265。

模式选择单元260可以用于为当前块预测模式(包括不分割)确定或选择一种分割方式以及确定或选择一种预测模式(例如帧内或帧间预测模式)，并生成对应的预测块265，预测块265用于对残差块205进行计算和对经重建块215进行重建。

模式选择单元260的实施例可以用于选择分割方式和预测模式(例如，从模式选择单元260支持或可用的那些模式中选择)。所述预测模式提供最佳匹配或者说最小残差(最小残差意味着传输或存储中更好的压缩)，或提供最小信令开销(最小信令开销意味着传输或存储中更好的压缩)，或同时考虑或平衡以上两者。模式选择单元260可以用于根据率失真优化(rate distortion optimization，RDO)确定分割方式和预测模式，即选择提供最小率失真的预测模式。本文中的“最佳”、“最小”、“最优”等术语不一定指总体上“最佳”、“最小”、“最优”等，但也可以指满足终止或选择标准的情况，例如，超过或低于阈值的值或其它约束条件可能导致“次优选择”，但会降低复杂度且减少处理时间。

换句话说，分割单元262可以用于通过以下方式将块203分割成较小的块分区(partition)或子块(再次形成块)：例如，迭代地使用四叉树(quad-tree，QT)分割、二叉树(binary-tree，BT)分割或三叉树(triple-tree，TT)分割或其任意组合；并且用于对每个块分区或子块执行预测等，其中，模式选择包括选择分割块203的树结构，预测模式应用于每个块分区或子块。

下文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(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可以将当前块203分割(或划分)成更小的分区，例如正方形或矩形大小的较小块。这些小块(还可以称为子块)可以进一步分割成甚至更小的分区。这还称为树分割或分层树分割。在根树级别0(层次级别0、深度0)等的根块可以递归地分割成两个或两个以上下一个较低树级别的块，例如树级别1(层次级别1、深度1)的节点。这些块可以又分割成两个或两个以上下一个较低级别的块，例如树级别2(层次级别2、深度2)等，直到分割结束(因为满足结束标准，例如达到最大树深度或最小块大小)。未进一步分割的块还称为树的叶块或叶节点。分割成两个分区的树称为二叉树(binary-tree，BT)，分割成3个分区的树称为三叉树(ternary-tree，TT)，分割成4个分区的树称为四叉树(quad-tree，QT)。

如上所述，本文使用的术语“块”可以是图像的一部分，特别是正方形或矩形部分。参考HEVC和VVC等，块可以为或可以对应于编码树单元(coding tree unit，CTU)、编码单元(coding unit，CU)、预测单元(prediction unit，PU)和变换单元(transform unit，TU)，和/或对应于多个对应块，例如编码树块(coding tree block，CTB)、编码块(codingblock，CB)、变换块(transform block，TB)或预测块(prediction block，PB)。

例如，编码树单元(coding tree unit，CTU)可以是或可以包括具有3个样本阵列的图像中的亮度样本组成的1个CTB以及该图像中的色度样本组成的2个对应CTB，或者可以是或可以包括黑白图像或使用3个单独颜色平面和语法结构进行译码的图像中的样本组成的1个CTB。这些语法结构用于对上述样本进行译码。对应地，编码树块(coding treeblock，CTB)可以为N×N的样本块，其中，N可以设为某个值，使得一个分量被分成多个CTB，这就是一种分割方式。编码单元(coding unit，CU)可以是或可以包括具有3个样本阵列的图像中的亮度样本组成的1个编码块以及该图像中的色度样本组成的2个对应编码块，或者可以是或可以包括黑白图像或使用3个单独颜色平面和语法结构进行译码的图像中的样本组成的1个编码块。这些语法结构用于对上述样本进行译码。相应地，编码块(codingblock，CB)可以为M×N的样本块，其中，M和N可以设为某个值，使得一个CTB划分成多个编码块，这就是一种分割方式。

在实施例中，例如根据HEVC，编码树单元(coding tree unit，CTU)可以通过表示为编码树的四叉树结构划分成多个CU。在CU级决定是否使用帧间(时间)预测或帧内(空间)预测对图像区域进行译码。每个CU可以根据PU划分类型进一步划分成1个、2个或4个PU。一个PU内进行相同的预测过程，并以PU为单位向解码器发送相关信息。在根据PU划分类型进行预测过程获取残差块之后，可以根据与CU的编码树类似的其它四叉树结构将CU分割成变换单元(transform unit，TU)。

在实施例中，例如根据当前开发的称为通用视频编码(Versatile Video Coding，VVC)的最新视频编码标准，使用组合的四叉树和二叉树(quad-tree and binary-tree，QTBT)分割等来分割编码块。在QTBT块结构中，一个CU可以为正方形或矩形。例如，编码树单元(coding tree unit，CTU)首先通过四叉树结构进行分割。四叉树叶节点进一步通过二叉树或三叉(ternary/triple)树结构进行分割。分割树叶节点称为编码单元(coding unit，CU)，这种分割(segmentation)用于预测和变换处理，无需任何进一步分割。这表示CU、PU和TU在QTBT编码块结构中具有相同的块大小。与此同时，三叉树分割等多重分割可以与QTBT块结构一起使用。

在一个示例中，视频编码器20中的模式选择单元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)预测模式集合内确定或选择最佳或最优的预测模式。预测模式集合可以包括帧内预测模式和/或帧间预测模式等。

帧内预测

帧内预测模式集合可以包括35种不同的帧内预测模式，例如，HEVC等中定义的DC(或均值)模式和平面模式等非方向性模式或者方向性模式，或者可以包括67种不同的帧内预测模式，例如，VVC等中定义的DC(或均值)模式和平面模式等非方向性模式或者方向性模式。

帧内预测单元254用于根据帧内预测模式集合内的帧内预测模式，使用同一当前图像的相邻块的经重建样本来生成帧内预测块265。

帧内预测单元254(或通常称为模式选择单元260)还用于将帧内预测参数(或通常称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，以包含在经编码图像数据21中，使得视频解码器30可以接收并使用预测参数进行解码，等等。

帧间预测

(可能的)帧间预测模式集合取决于可用参考图像(即(例如)上述存储在DBP 230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/半像素插值和/或四分之一像素插值。

除上述预测模式之外，还可以使用跳过模式和/或直接模式。

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中未示出)。运动估计单元可以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，或者至少一个或多个先前的经重建块(例如一个或多个其它/不同的先前经解码图像231的经重建块)，以进行运动估计。例如，视频序列可以包括当前图像和先前经解码图像231，或换句话说，当前图像和先前经解码图像231可以为一系列图像的一部分或组成一系列图像，这一系列图像组成视频序列。

例如，编码器20可以用于从多个其它图像中的同一或不同图像的多个参考块中选择一个参考块，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。这种偏移还称为运动矢量(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，以获取帧间预测块265。由运动补偿单元执行的运动补偿可以包括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，还可以包括执行插值以获取子像素精度。插值滤波可以根据已知像素样本生成其它像素样本，从而可能增加可以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对应的运动矢量，运动补偿单元可以在其中一个参考图像列表中定位运动矢量指向的预测块。

运动补偿单元还可以生成与块和视频条带相关的语法元素，以供视频解码器30在解码视频条带的图像块时使用。除条带和相应语法元素之外或作为条带和相应语法元素的替代，可以生成或使用分块组和/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(context adaptive VLC，CAVLC)方案、算术编码方案、二值化、上下文自适应二进制算术编码(context adaptive binary arithmetic coding，CABAC)、基于语法的上下文自适应二进制算术编码(syntax-based context-adaptivebinary 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)经量化系数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，以获取可以通过输出端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可以接收并使用这些参数进行解码，等等。可以将经编码码流21发送给视频解码器30，或者将其存储在存储器中稍后由视频解码器30发送或检索。

视频编码器20的其它结构变型可以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的情况下为某些块或帧直接量化残差信号。在另一种实现方式中，编码器20可以包括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为用于实现本申请中技术的视频解码器30的一个示例。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)，以获取经解码图像331。经编码图像数据或码流包括用于对该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、解码图像缓冲区(decoded picturebuffer，DBP)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可以是或可以包括运动补偿单元。在一些示例中，视频解码器30可以执行大体上与参照图2中的视频编码器100描述的编码过程互逆的解码过程。

如参照编码器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、解码图像缓冲区(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在功能上可以与反量化单元110相同，逆变换处理单元312在功能上可以与逆变换处理单元212相同，重建单元314在功能上可以与重建单元214相同，环路滤波器320在功能上可以与环路滤波器220相同，解码图像缓冲区330在功能上可以与解码图像缓冲区230相同。因此，对视频编码器20的相应单元和功能进行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(或通常称为经编码图像数据21)并对经编码图像数据21执行熵解码等，以获取经量化系数309和/或经解码编码参数(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/或其它语法元素中的任一个或全部。熵解码单元304可以用于应用与参照编码器20中的熵编码单元270描述的编码方案对应的解码算法或方案。熵解码单元304还可以用于将帧间预测参数、帧内预测参数和/或其它语法元素提供给模式应用单元360，并将其它参数提供给解码器30中的其它单元。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。除条带和相应的语法元素之外或作为条带和相应的语法元素的替代，还可以接收和/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可以用于从经编码图像数据21(例如由熵解码单元304等解析和/或解码)接收量化参数(quantization parameter，QP)(或通常称为与反量化相关的信息)和经量化系数，并根据这些量化参数对经解码量化系数309进行反量化，以获取经解量化系数311。经解量化系数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为视频条带(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，同样也确定需要应用的反量化的程度。

逆变换

逆变换处理单元312可以用于接收经解量化系数311(还称为变换系数311)，并对经解量化系数311进行变换，以获取样本域中的经重建残差块213。经重建残差块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(例如由熵解码单元304等解析和/或解码)从经编码图像数据21接收变换参数或对应的信息，以确定要应用于经解量化系数311的变换。

重建

重建单元314(例如加法器或求和器314)可以用于通过以下方式将经重建残差块313添加到预测块365以获取样本域中的经重建块315：例如，将经重建残差块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)用于对经重建块315进行滤波，以获取经滤波的块321，从而顺利进行像素转变或以其它方式提高视频质量等。环路滤波器单元320可以包括一个或多个环路滤波器，例如，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，例如双边滤波器、自适应环路滤波器(adaptive loop filter，ALF)、锐化或平滑滤波器、协同滤波器或其任意组合。虽然环路滤波器单元320在图3中示为环内滤波器，但在其它配置中，环路滤波器单元320可以实施为环后滤波器。

解码图像缓冲区

随后将一个图像中的经解码视频块321存储在解码图像缓冲区330中，解码图像缓冲区330存储经解码图像331作为参考图像，以便后续对其它图像进行运动补偿和/或输出或显示。

解码器30用于通过输出端312等输出经解码图像311，以向用户呈现或供用户查看。

预测

帧间预测单元344在功能上可以与帧间预测单元244(特别是与运动补偿单元)相同，帧内预测单元354在功能上可以与帧间预测单元254相同，并根据(例如由熵解码单元304等解析和/或解码)从经编码图像数据21接收的分割方式和/或预测参数或相应的信息来执行划分或分割决策和执行预测。模式应用单元360可以用于根据经重建图像、块或相应的样本(经滤波或未经滤波)按块执行预测(帧内或帧间预测)，以获取预测块365。

当视频条带被译码为经帧内译码(I)条带时，模式应用单元360中的帧内预测单元354用于根据指示(signal)的帧内预测模式和来自当前图像的先前经解码块的数据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(即B或P)条带时，模式应用单元360中的帧间预测单元344(例如运动补偿单元)用于根据运动矢量和从熵解码单元304接收的其它语法元素为当前视频条带中的视频块生成预测块365。对于帧间预测，可以根据其中一个参考图像列表内的其中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0和列表1。除条带(例如视频条带)之外或作为条带的替代，相同或类似的过程可以应用于使用分块组(例如视频分块组)和/或分块(例如视频分块)的实施例或由这些实施例应用，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为当前视频条带中的视频块确定预测信息，并使用该预测信息为正在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来确定用于对视频条带中的视频块进行译码的预测模式(例如帧内或帧间预测)、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、用于条带的每个经帧间编码视频块的运动矢量、用于条带的每个经帧间译码视频块的帧间预测状态以及其它信息，以对当前视频条带中的视频块进行解码。除条带(例如视频条带)之外或作为条带的替代，相同或类似的过程可以应用于使用分块组(例如视频分块组)和/或分块(例如视频分块)的实施例或由这些实施例应用，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中所示的视频解码器30的实施例可以用于通过条带(还称为视频条带)对图像进行分割和/或解码。一个图像可以分割成一个或多个(通常不重叠的)条带或通过一个或多个(通常不重叠的)条带进行解码，每个条带可以包括一个或多个块(例如CTU)。

图3所示的视频解码器30的实施例可以用于通过分块组(还称为视频分块组)和/或分块(还称为视频分块)对图像进行分割和/或解码。一个图像可以分割成一个或多个(通常不重叠的)分块组或通过一个或多个(通常不重叠的)分块组进行解码；每个分块组可以包括一个或多个块(例如CTU)或一个或多个分块等；每个分块可以为矩形等并可以包括一个或多个完整或部分块(例如CTU)等。

视频解码器30的其它变型可以用于对经编码图像数据21进行解码。例如，解码器30可以在没有环路滤波单元320的情况下生成输出视频流。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的情况下针对某些块或帧直接反量化残差信号。在另一种实现方式中，视频解码器30可以包括组合成单个单元的反量化单元310和逆变换处理单元312。

应当理解的是，在编码器20和解码器30中，可以对当前步骤的处理结果做进一步处理，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、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内。如果运动矢量的表示位为bitDepth，则范围为–2^(bitDepth–1)～2^(bitDepth–1)–1，其中，“^”表示幂次方。例如，如果bitDepth设置为16，则范围为–32768～32767；如果bitDepth设置为18，则范围为–131072～131071。例如，推导出的运动矢量(例如，一个8×8块中的4个4×4子块的MV)的值被约束为使得这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来约束运动矢量的方法。

方法1：通过平滑运算来去除溢出的最高有效位(most significant bit，MSB)

ux＝(mvx+2^bitDepth)％2^bitDepth (1)

mvx＝(ux>＝2^bitDepth–1)？(ux–2^bitDepth):ux (2)

uy＝(mvy+2^bitDepth)％2^bitDepth (3)

mvy＝(uy>＝2^bitDepth–1)？(uy–2^bitDepth):uy (4)

其中，mvx为一个图像块或子块的运动矢量的水平分量；mvy为一个图像块或子块的运动矢量的垂直分量；ux和uy表示中间值。

例如，如果mvx的值为–32769，则使用公式(1)和(2)之后得到的值为32767。在计算机系统中，十进数以二进制补码的形式存储。–32769的二进制补码为1,0111,1111,1111,1111(17位)，这时丢弃MSB，那么得到的二进制补码为0111,1111,1111,1111(十进数为32767)，这与使用公式(1)和(2)之后得到的输出结果相同。

ux＝(mvpx+mvdx+2^bitDepth)％2^bitDepth (5)

mvx＝(ux>＝2^bitDepth–1)？(ux–2^bitDepth):ux (6)

uy＝(mvpy+mvdy+2^bitDepth)％2^bitDepth (7)

mvy＝(uy>＝2^bitDepth–1)？(uy–2^bitDepth):uy (8)

这些运算可以在对mvp和mvd求和的过程中执行，如公式(5)至公式(8)所示。

方法2：通过对值进行限幅去除溢出的MSB

vx＝Clip3(–2^bitDepth–1,2^bitDepth–1–1,vx)

vy＝Clip3(–2^bitDepth–1,2^bitDepth–1–1,vy)

其中，vx为一个图像块或子块的运动矢量的水平分量，vy为一个图像块或子块的运动矢量的垂直分量，x、y和z分别与MV限幅过程的3个输入值对应，函数Clip3的定义如下：

图4为本发明一个实施例提供的视频译码设备400的示意图。视频译码设备400适用于实现本文描述的公开实施例。在一个实施例中，视频译码设备400可以是解码器(例如图1A中的视频解码器30)或编码器(例如图1A中的视频编码器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(Rx)420，用于处理所述数据的处理器、逻辑单元或中央处理器(central processingunit，CPU)430，用于发送所述数据的发送单元(Tx)440和出端口450(或输出端口450)，用于存储所述数据的存储器460。视频译码设备400还可以包括与入端口410、接收单元420、发送单元440和出端口450耦合的光电(optical-to-electrical，OE)组件和电光(electrical-to-optical，EO)组件，用作光信号或电信号的出口或入口。

处理器430通过硬件和软件来实现。处理器430可以实现为一个或多个CPU芯片、一个或多个核(例如多核处理器)、一个或多个FPGA、一个或多个ASIC和一个或多个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实现上文描述的公开实施例。例如，译码模块470执行、处理、准备或提供各种译码操作。因此，将译码模块470包含在内为视频译码设备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到不同状态的转换。可选地，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、一个或多个磁带机以及一个或多个固态硬盘，并且可以用作溢出数据存储设备，以在选择程序来执行时存储这些程序以及存储在执行程序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-only memory，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(static random-access memory，SRAM)。

图5为一个示例性实施例提供的装置500的简化框图。装置500可以用作图1中的源设备12和/或目的地设备14。

装置500中的处理器502可以是中央处理单元。可选地，处理器502可以是现有的或今后将开发出的能够操作或处理信息的任何其它类型的设备或多个设备。虽然所公开的实现方式可以使用如图所示的处理器502等单个处理器来实施，但使用多个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包括至少一个程序，这个程序使得处理器502执行本文所述方法。例如，应用程序510可以包括应用1至应用N，还可以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可以是将显示器与触敏元件组合的触敏显示器，该触敏元件能够用于感测触摸输入。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，辅助存储器514可以直接耦合到装置500中的其它组件或可以通过网络被访问，并且可以包括单个集成单元(例如一个存储卡)或多个单元(例如多个存储卡)。因此，装置500可以通过多种配置实现。

参数集(Parameter Set)

参数集基本上都是相似的，并且具有相同的基本设计目标，即提高码率、增强抗误码能力和提供系统层接口。HEVC(H.265)中的参数集是有层次的，包括视频参数集(VideoParameter Set，VPS)、序列参数集(Sequence Parameter Set，SPS)和图像参数集(PictureParameter Set，PPS)，这些参数集与AVC和VVC中的对应参数集是相似的。每个条带(slice)参考一个激活的PPS、SPS和VPS，以访问用于解码该条带的信息。PPS包括应用于图像中所有条带的信息，因此图像中的所有条带都必须参考同一PPS。不同图像中的条带也可以参考同一PPS。类似地，SPS包括应用于同一编码视频序列(coded video sequence)中所有图像的信息。

虽然不同图像对应的PPS可能不同，但编码视频序列中的许多或所有图像通常都参考同一PPS。由于重用参数集能够避免多次发送共用信息，因此提高了码率。由于重用参数集可以使参数集内容通过更可靠的外部通信链路携带或使参数集内容经常在码流内重复以确保不会丢失，因此鲁棒性强。

可适性视频编码(scalable video coding)、层(layer)和视频参数集(VideoParameter Set，VPS)

可适性视频编码提供了一种在多个层中对视频进行译码的机制，每一层表示同一视频场景的质量表示。基本层(base layer，BL)是最低质量表示。一个或多个增强层(enhancement layer，EL)可以通过参考低层进行译码，并且提供高视频质量。对可适性经译码视频码流的各层的子集进行解码，所得视频的质量较低但仍然可接受。与不可适性视频码流相比，这样可以实现更优雅降级，在这种情况下，码率降低通常会导致视频质量进一步下降。

可适性视频序列中存在多种类型的可适性，包括时间可适性、空间可适性和质量可适性。图11示出了空间可适性和时间可适性的一个示例。在图11中，两个层以不同的分辨率进行译码。BL的分辨率较低，而EL的分辨率较高。空间可适性是通过提供解码器来解码BL和/或EL来实现的。

除空间可适性以外，时间可适性也在编码层(coding layer)内实现。在该示例中，每个编码层被分成两个时间子层，分别标记为时间ID 0和ID 1。时间可适性是通过提供解码器来解码时间子层0(时间ID等于0)或子层0和1来实现的。

每一层中的图像都分配有层ID，例如分配有语法元素nuh_layer_id。编码层视频序列(coded layer video sequence，CLVS)是nuh_layer_id值相同的一系列图像，这些图像在解码顺序中包括特殊的编码层视频序列起始(coding layer video sequencestarting，CLVSS)编码图像(coding picture)(例如帧内图像)，后面接着包括不是CLVSS图像的0个或0个以上图像，这些图像包括所有后续图像，直到但不包括任何是CLVSS图像的后续图像。

编码视频序列(coded video sequence，CVS)包括多个编码层视频序列(codedlayer video sequence，CLVS)中的一个。在图11的示例中，假设BL和EL中的第一个图像是CLVSS图像，而所有其它图像都不是CLVSS图像，则该CVS包括两个CLVS。

序列参数集(Sequence Parameter Set，SPS)

SPS包括应用于编码视频序列的一层的参数，并且在编码视频序列中不会随着图像的改变而改变。

在一些极端情况下，CLVS中的任何图像都可能不会使用SPS。

也可能存在不同CLVS共用SPS的情况。

在最新的VVC规范草案(即http://phenix.it-sudparis.eu/jvet/doc_end_user/ documents/19_Teleconference/wg11/JVET-S0152-v5.zip，为简单起见，下文称为VVC草案)中，SPS的定义如下所述：

序列参数集(sequence parameter set，SPS)：一种包括应用于0个或0个以上完整CLVS的语法元素的语法结构，0个或0个以上完整CLVS由在PPS中的语法元素的内容确定，该PPS由在每个图像头中的语法元素参考。

PPS和图像头的定义请参见VVC草案。

具体地，SPS包括关于指示解码图像缓冲区(即DPB)的信息。

下表的一些部分示出了VVC中在SPS中指示DPB的一部分的快照。

指示(signal)解码图像缓冲区(decoded picture buffer，DPB)信息

解码图像缓冲区

解码图像缓冲区(Decoded Picture Buffer，DPB)是用于存储经解码图像以供参考(例如作为帧间预测的参考图像)的缓冲区。在VVC草案中公开的一个示例中，突出显示了序列参数集(sequence parameter set，SPS)中的DBP参数的相关语法元素。

表1：SPS中的解码图像相关语法元素

sps_ptl_dpb_hrd_params_present_flag等于1表示：SPS中存在语法结构profile_tier_level()和语法结构dpb_parameters()，而且SPS中还可能存在语法结构general_hrd_parameters()和语法结构ols_hrd_parameters()。sps_ptl_dpb_hrd_params_present_flag等于0表示SPS中不存在这四种语法结构。

当sps_video_parameter_set_id大于0且存在OLS只包括nuh_layer_id等于SPS的nuh_layer_id的一层时，或者当sps_video_parameter_set_id等于0时，sps_ptl_dpb_hrd_params_present_flag的值必须等于1。

输出层集(output layer set，OLS)是一组层，其中一个或多个层被指定为输出层。输出层是被输出的输出层集中的一层。

语法结构profile_tier_level()、dpb_parameters()、general_hrd_parameters()和ols_hrd_parameters()对应的语法表可以参见VVC草案。

语法元素sps_max_sublayers_minus1表示可用时间子层的数量。当可用时间子层的数量大于1(例如，语法元素sps_max_sublayers_minus1的值大于0)时，语法元素sps_sublayer_dpb_params_flag的值在码流中指示。语法元素sps_sublayer_dpb_params_flag表示是为每个可用子层指示解码图像信息(当该语法元素的值等于1时)还是仅为最高时间子层指示解码图像信息(当该语法元素的值等于0时)。当sps_sublayer_dpb_params_flag的值不存在时，例如，当只有一个时间子层(sps_max_sublayers_minus1的值＝＝0)时，sps_max_sublayers_minus1的值被推断为0。

在一些示例中，语法元素sps_ptl_dpb_hrd_params_present_flag的值表示指示结构dpb_parameter()是否在SPS中指示。当语法元素sps_ptl_dpb_hrd_params_present_flag的值等于1时，指示的数据结构dpb_parameter()被调用，其中，可用时间子层的数量减1(sps_max_sublayers_minus1)和标志sps_sublayer_dpb_params_flag分别作为第一参数和第二参数。

在一个示例中，VVC草案中的指示结构dpb_parameter()定义如下：

表2：语法结构dpb_parameters的定义

语法结构dpb_parameters()为一个或多个OLS提供DPB大小、最大图像重排序编号和最大延迟的信息。

当VPS中包括语法结构dpb_parameters()时，语法结构dpb_parameters()应用于的OLS由VPS指定。当SPS中包括语法结构dpb_parameters()时，该语法结构应用于只包括参考SPS的所有层中的最低层的OLS，而且该最低层是独立层。

max_dec_pic_buffering_minus1[i]+1表示：当Htid等于i时，DPB的最大所需大小，以图像存储缓冲区为单位。max_dec_pic_buffering_minus1[i]的取值范围应为至MaxDpbSize–1(包括端值)，其中，MaxDpbSize如第A.4.2节所述。当i大于0时，max_dec_pic_buffering_minus1[i]必须大于或等于max_dec_pic_buffering_minus1[i–1]。当max_dec_pic_buffering_minus1[i](其中，i的范围为0至maxSubLayersMinus1–1，包括端值)不存在时，由于subLayerInfoFlag等于0，因此max_dec_pic_buffering_minus1[i]被推断为max_dec_pic_buffering_minus1[maxSubLayersMinus1]。

max_num_reorder_pics[i]表示：当Htid等于i时，OLS中解码顺序可以在OLS中的任何图像之前且输出顺序在该图像之后的图像的最大允许数量。max_num_reorder_pics[i]的取值范围应为至max_dec_pic_buffering_minus1[i](包括端值)。当i大于0时，max_num_reorder_pics[i]必须大于或等于max_num_reorder_pics[i–1]。当max_num_reorder_pics[i](其中，i的范围为0至maxSubLayersMinus1–1，包括端值)不存在时，由于subLayerInfoFlag等于0，因此max_num_reorder_pics[i]被推断为max_num_reorder_pics[maxSubLayersMinus1]。

mmax_latency_increase_plus1[i]不等于0用于计算MaxLatencyPictures[i]的值，MaxLatencyPictures[i]的值表示：当Htid等于i时，OLS中输出顺序可以在OLS中的任何图像之前且解码顺序在该图像之后的图像的最大数量。

当max_latency_increase_plus1[i]不等于0时，MaxLatencyPictures[i]的值表示如下：

MaxLatencyPictures[i]＝max_num_reorder_pics[i]+max_latency_increase_plus1[i]–1 (112)

当max_latency_increase_plus1[i]等于0时，不表示对应的限制。

max_latency_increase_plus1[i]的取值范围应为至2³²–2(包括端值)。当max_latency_increase_plus1[i](其中，i的范围为0至maxSubLayersMinus1–1，包括端值)不存在时，由于subLayerInfoFlag等于0，因此max_latency_increase_plus1[i]被推断为max_latency_increase_plus1[maxSubLayersMinus1]。

有关用于解释DPB参数的语法元素和变量(max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i])的更多详细信息，请参考VVC草案。

指示结构dpb_parameters指示一个子层的解码图像缓冲区信息或者指示每个子层的解码图像信息，由subLayerInfoFlag的值控制。当subLayerInfoFlag的值为0时，指示的是可用时间子层中的最高子层的解码图像缓冲区信息(i＝maxSubLayersMinus1)。当subLayerInfoFlag的值为1时，指示的是可用时间子层中的每个子层的解码图像缓冲区信息(i的取值范围为0至maxSubLayersMinus1，包括端值)。

语法元素sps_sublayer_dpb_params_flag的语义问题

在VVC草案中，sps_sublayer_dpb_params_flag的语义定义如下：

sps_sublayer_dpb_params_flag用于控制SPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]。当sps_sub_dpb_params_info_present_flag不存在时，sps_sub_dpb_params_info_present_flag的值被推断为0。

上述语义存在两个问题。第一，最后一句存在笔误。

当sps_sub_dpb_params_info_present_flag不存在时，sps_sub_dpb_params_info_present_flag的值被推断为0。

sps_sub_dpb_params_info_present_flag在其它地方未定义，所以最后一句必须修改如下：

当sps_sublayer_dpb_params_flag不存在时，sps_sublayer_dpb_params_flag的值被推断为0。

第二，由于max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]中的i的范围未定义，因此sps_sublayer_dpb_params_flag的语义不够准确。从表2可以看出，当i等于maxSubLayersMinus1(对应于表1中的sps_max_sublayers_minus1)时，无论sps_sublayer_dpb_params_flag等于0还是等于1，语法元素max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]都始终被指示。sps_sublayer_dpb_params_flag在这种情况下不控制max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]是否存在，这与当前的定义相矛盾。

在一些示例中，语法元素sps_sublayer_dpb_params_flag只用作dpb_parameters的第二参数。

对于以下实施例，假设笔误(第一个问题)已经纠正，并且所提出的实施例侧重于解决第二个问题，即sps_sublayer_dpb_params_flag的语义不准确。

实施例1

根据第一实施例，sps_sublayer_dpb_params_flag的语义修改如下：

sps_sublayer_dpb_params_flag用于控制SPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]，其中，当sps_max_sublayers_minus1大于0时，i的范围为0至sps_max_sublayers_minus1–1(包括端值)。当sps_max_sublayers_minus1等于0时，sps_sublayer_dpb_params_flag的值被推断为0，而max_dec_pic_buffering_minus1[0]、max_num_reorder_pics[0]和max_latency_increase_plus1[0]始终为参考SPS的唯一子层指示。

这样，sps_sublayer_dpb_params_flag的语义就更清晰。只有当存在多个子层(sps_max_sublayers_minus1大于0)时，sps_sublayer_dpb_params_flag才可以控制语法结构dpb_parameters()中是否存在minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]，其中，i的范围为0至sps_max_sublayers_minus1–1(包括端值)。否则(sps_max_sublayers_minus1等于0)，无论sps_sublayer_dpb_params_flag的值是什么，max_dec_pic_buffering_minus1[0]、max_num_reorder_pics[0]和max_latency_increase_plus1[0]都始终被指示。因此，语义也可能在实施例2中按照如下方式更改。

实施例2

sps_sublayer_dpb_params_flag用于控制SPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]，其中，当sps_max_sublayers_minus1大于0时，i的范围为0至sps_max_sublayers_minus1–1(包括端值)。当sps_max_sublayers_minus1等于0时，sps_sublayer_dpb_params_flag的值被推断为1，而max_dec_pic_buffering_minus1[0]、max_num_reorder_pics[0]和max_latency_increase_plus1[0]始终为参考SPS的唯一子层指示。

可选地，甚至删除sps_sublayer_dpb_params_flag值的推断规则，如实施例3所示。

实施例3

sps_sublayer_dpb_params_flag用于控制SPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]，其中，当sps_max_sublayers_minus1大于0时，i的范围为0至sps_max_sublayers_minus1–1(包括端值)。当sps_max_sublayers_minus1等于0时，max_dec_pic_buffering_minus1[0]、max_num_reorder_pics[0]和max_latency_increase_plus1[0]始终为参考SPS的唯一子层指示。

可选地，当sps_max_sublayers_minus1等于0时，存在一些其它解释，如实施例4所示。

实施例4

sps_sublayer_dpb_params_flag用于控制SPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]，其中，当sps_max_sublayers_minus1大于0时，i的范围为0至sps_max_sublayers_minus1–1(包括端值)。当sps_max_sublayers_minus1等于0时，sps_sublayer_dpb_params_flag的值无意义，而max_dec_pic_buffering_minus1[0]、max_num_reorder_pics[0]和max_latency_increase_plus1[0]始终为参考SPS的唯一子层指示。

修订实施例1至4中的构思1

数据结构dpb_parameter()不仅在SPS中调用，而且还可能在VPS中调用。以下是调用dpb_parameter()的VPS的快照。

表3：VPS中的语法结构dpb_parameters

表示VPS中的语法结构dpb_parameters()的数量。

vps_default_ptl_dpb_hrd_max_tid_flag等于1表示语法元素vps_ptl_max_tid[i]、vps_dpb_max_tid[i]和vps_hrd_max_tid[i]不存在并被推断为默认值vps_max_sublayers_minus1。vps_default_ptl_dpb_hrd_max_tid_flag等于0表示语法元素vps_ptl_max_tid[i]、vps_dpb_max_tid[i]和vps_ptl_max_tid[i]存在。当vps_default_ptl_dpb_hrd_max_tid_flag不存在时，vps_default_ptl_dpb_hrd_max_tid_flag的值被推断为1。

有关vps_ptl_max_tid[i]和vps_hrd_max_tid[i]的详细解释，请参见VVC草案。

vps_dpb_max_tid[i]表示VPS中的第i个语法结构dpb_parameters()中可能存在DPB参数的最高子层表示的TemporalId。vps_dpb_max_tid[i]的取值范围应为至vps_max_sublayers_minus1(包括端值)。当vps_dpb_max_tid[i]不存在时，vps_dpb_max_tid[i]的值被推断为vps_max_sublayers_minus1。

vps_sublayer_dpb_params_present_flag用于控制VPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[]、max_num_reorder_pics[]和max_latency_increase_plus1[]。当vps_sub_dpb_params_info_present_flag不存在时，vps_sub_dpb_params_info_present_flag被推断为0。

vps_sublayer_dpb_params_present_flag的语义与sps_sublayer_dpb_params_flag的语义具有类似的问题，如上所述。

语法元素阵列max_dec_pic_buffering_minus1[]、max_num_reorder_pics[]和max_latency_increase_plus1[]的大小在语义中未定义。从表2中可以看出，当只有一个子层(对应于表4中的vps_dpb_max_tid[i]等于0)时，无论vps_sublayer_dpb_params_present_flag等于0还是1，语法元素max_dec_pic_buffering_minus1[]、max_num_reorder_pics[]和max_latency_increase_plus1[]都始终被指示。vps_sublayer_dpb_params_present_flag在这种情况下不控制max_dec_pic_buffering_minus1[]、max_num_reorder_pics[]和max_latency_increase_plus1[]是否存在，这与当前的定义相矛盾。

实施例9

在一个示例中，vps_sublayer_dpb_params_present_flag的语义修改如下：

vps_sublayer_dpb_params_present_flag用于控制VPS中的语法结构dpb_parameters()中是否存在语法元素max_dec_pic_buffering_minus1[j]、max_num_reorder_pics[j]和max_latency_increase_plus1[j]，其中，当VPS中的vps_dpb_max_tid[i]大于0时，i的范围为0至vps_dpb_max_tid[i]–1(包括端值)。当vps_sub_dpb_params_info_present_flag不存在时，vps_sub_dpb_params_info_present_flag被推断为0。

需要说明的是，j而不是i用于表示语法元素阵列max_dec_pic_buffering_minus1[]、max_num_reorder_pics[]和max_latency_increase_plus1[]的范围，以避免与vps_dpb_max_tid[i]中的i相混淆。

备注、问题2及对应的技术方案、dependentFlag等。

当执行的是帧间预测时，参考图像可以是同一层中的解码图像，也可以是低层中的参考图像。在后一种情况下，低层中的参考图像称为层间参考图像(inter-layerreference picture，ILRP)，包括一个或多个ILRP的低层称为参考层(或依赖层)。

为了支持层间预测，根据VPS中指示的语法元素使用了几个中间变量。例如，在VVC草案的等式37中，变量dependencyFlag[i][j]、NumDirectRefLayers[i]、DirectRefLayerIdx[i][d]、NumRefLayers[i]、RefLayerIdx[i][r]和LayerUsedAsRefLayerFlag[j]的推导过程定义如下：

变量dependencyFlag[i][j]、NumDirectRefLayers[i]、DirectRefLayerIdx[i][d]、NumRefLayers[i]、RefLayerIdx[i][r]和LayerUsedAsRefLayerFlag[j]的推导如下：

dependencyFlag[i][j]等于1表示索引为j的层是索引为i的层的参考层。dependencyFlag[i][j]等于0表示索引为j的层不是索引为i的层的参考层。

索引为i的层与其参考层j之间的依赖关系可以是直接的，也可以是间接的。如果第j层是第i层的直接依赖层，则依赖关系使用VPS中的语法元素vps_direct_ref_layer_flag[i][j](其中，i的范围为0至vps_max_layers_minus1，j的范围为0至i–1)指示。如表4所示，删除了与本发明无关的语法元素：

上面的语法表示出了当并非所有层都是独立层时，VPS如何指示层间依赖关系。

vps_max_layers_minus1表示参考VPS的每个CVS中的最大允许层数。层依赖关系信息只从第二最低层(即i＝1)开始指示；当并非所有层都是独立层时，层依赖关系信息由语法元素vps_all_independent_layers_flag指示。

vps_all_independent_layers_flag等于1表示VPS指定的所有层都是独立译码的，不需要使用层间预测。vps_all_independent_layers_flag等于0表示VPS指定的一个或多个层可以使用层间预测。当vps_all_independent_layers_flag不存在时，vps_all_independent_layers_flag的值被推断为1。

在VVC中，最低层(即对应于vps_independent_layer_flag[0])始终是独立层。因此，语法元素vps_independent_layer_flag[i]从第二最底层(即vps_independent_layer_flag[1])开始指示，而且该语法元素的语义相当简单。

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，而且VPS中存在语法元素vps_direct_ref_layer_flag[i][j](其中，j的范围为0至i–1，包括端值)。当vps_independent_layer_flag[i]不存在时，vps_independent_layer_flag[i]的值被推断为1。

只有当一层不是独立层(即vps_independent_layer_flag[i]为0)时，该层的直接依赖层才由vps_direct_ref_layer_flag[i][j](其中，j的范围为0至i–1)指示。

vps_direct_ref_layer_flag[i][j]的语义定义如下：

vps_direct_ref_layer_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_ref_layer_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_ref_layer_flag[i][j](其中，i和j的范围是0至vps_max_layers_minus1，包括端值)不存在时，vps_direct_ref_layer_flag[i][j]被推断为0。当vps_independent_layer_flag[i]等于0时，j至少有一个值必须在0至i–1(包括端值)的范围内，使得vps_direct_ref_layer_flag[i][j]的值等于1。

当一层是依赖层(即该层的vps_independent_layer_flag[i]等于0)时，vps_direct_ref_layer_flag[i][j]的语义中的约束条件表示该层的低层j(范围为0至i–1，包括端值)中的至少一层必须是层i的参考层。

在间接依赖关系的情况下，当层i直接依赖于层k(k<i)，而层k又依赖于层j(j<k)时，有可能发生一种情况。在这种情况下，索引为i的层依赖于层j，对应的dependencyFlag[i][j]等于1。

推导过程的问题是：由于只有一层只能依赖于低层，因此可以简化推导过程中查找依赖低层j的循环。不需要在VPS中的所有层上循环，而只需要在低于当前层i的层上循环。

实施例5

在一个示例中，变量dependencyFlag[i][j]、NumDirectRefLayers[i]、DirectRefLayerIdx[i][d]、NumRefLayers[i]、RefLayerIdx[i][r]和LayerUsedAsRefLayerFlag[j]的推导过程修改如下：

实施例6

在另一个示例中，变量dependencyFlag[i][j]、NumDirectRefLayers[i]、DirectRefLayerIdx[i][d]、NumRefLayers[i]、RefLayerIdx[i][r]和LayerUsedAsRefLayerFlag[j]修改如下：

实施例7

只有循环for(k＝0；k<i；k++)被修改为for(k＝j+1；k<i；k++)。

实施例8

相应地，vps_direct_ref_layer_flag[i][j]的语义修改如下：

vps_direct_ref_layer_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_ref_layer_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_ref_layer_flag[i][j](其中，i的范围为1至vps_max_layers_minus1，j的范围为0至i–1，都包括端值)不存在时，vps_direct_ref_layer_flag[i][j]被推断为0。当vps_independent_layer_flag[i]等于0时，j至少有一个值必须在0至i–1(包括端值)的范围内，使得vps_direct_ref_layer_flag[i][j]的值等于1。

还有几个其它变量语法元素表示与vps_direct_ref_layer_flag[i][j]类似的依赖关系，它们的范围必须通过相同的方式修改。

根据上文的描述，本文提供了一种对视频码流进行解码的方法和一种对视频码流进行编码的方法。相应地，本文提供了一种用于对(经译码)视频码流进行解码的装置和一种用于对视频码流进行解码的装置。

图14示出了一种由解码设备实现的对视频码流进行解码的方法。序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素。所述方法包括：从所述SPS中(例如，通过解析所述码流)获取1410第一语法元素(例如，上文描述的sps_ptl_dpb_hrd_params_present_flag)的值，其中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构。所述方法还包括：至少当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中(例如，通过解析所述码流)获取1420第二语法元素(例如，上文描述的sps_sublayer_dpb_params_flag)的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素(例如，上文详述描述的max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]中的一个)，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

需要说明的是，所述码流可以通过无线网络或有线网络获得。所述码流可以使用同轴电缆、光纤电缆、双绞线、数字用户线(digital subscriber line，DSL)，或红外、无线电、微波、Wi-Fi、蓝牙、LTE或5G等无线技术从网站、服务器或其它远程源发出。

所述码流是一系列比特，以网络抽象层(network abstraction layer，NAL)单元流或字节流为形式，并构成一系列接入单元(access unit，AU)的表示，这些接入单元构成一个或多个编码视频序列(coded video sequence，CVS)。

在一个具体示例中，码流格式表示网络抽象层(network abstraction layer，NAL)单元流与字节流之间的关系，网络抽象层单元流或字节流称为码流。

码流可以有两种格式：NAL单元流格式和字节流格式。NAL单元流格式在概念上是更“基本的”类型。NAL单元流格式包括称为NAL单元的一系列语法结构。这个序列是按照解码顺序排序的。对NAL单元流中的NAL单元的解码顺序(和内容)使用一些约束条件。

按照解码顺序对NAL单元进行排序，并在每个NAL单元前添加开始码前缀和0个或0个以上零值字节以形成字节流，由此可以根据NAL单元流格式构建字节流格式。在字节流中搜索唯一的开始码前缀模式的位置，由此可以从字节流格式中提取NAL单元流格式。

图15示出了一种由编码设备实现的对视频码流进行编码的方法。序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素。所述方法包括：确定1510所述SPS中是否存在解码图像缓冲区(decoded picturebuffer，DPB)参数语法结构；通过确定所述SPS中是否存在所述DPB参数语法结构，将第一语法元素(例如，上文描述的sps_ptl_dpb_hrd_params_present_flag)的值编码1520到所述SPS中，其中，所述第一语法元素的值用于表示所述SPS中是否存在所述DPB参数语法结构此外，图15所示的方法包括：当在步骤1510中确定(例如，只有当确定)所述SPS中存在所述DPB参数语法结构时，确定1530所述DPB参数语法结构中是否存在DPB语法元素(例如，上文详细描述的max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]中的一个)，其中，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层；通过确定所述DPB参数语法结构中是否存在所述DPB语法元素，将第二语法元素(例如，上文描述的sps_sublayer_dpb_params_flag)的值编码1540到所述SPS中，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中存在所述DPB语法元素。

上文描述的方法可以分别应用于视频解码装置或视频编码装置(产生码流)中，如下所述。

如图16所示，本文根据一个实施例提供的一种视频解码装置1600包括获取单元1610(例如，包括解析器)和确定单元1620。如图17所示，本文根据一个实施例提供的一种视频编码装置1700包括确定单元1710和编码单元1720。

图16所示的视频解码装置1600中包括的获取单元1610用于从SPS中获取第一语法元素(例如，上文描述的sps_ptl_dpb_hrd_params_present_flag)的值，其中，所述SPS被译码在所述视频码流中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构。图16所示的视频解码装置1600中包括的确定单元1620用于确定所述第一语法元素的值是否表示所述SPS中存在所述DPB参数语法结构。进一步地，获取单元1610用于：至少当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中获取第二语法元素(例如，上文描述的sps_sublayer_dpb_params_flag)的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素(例如，上文详细描述的max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]中的一个)，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

图17所示的视频编码装置1700中包括的确定单元1710用于确定SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构。图17所示的视频编码装置1700中包括的编码单元1720用于：通过确定所述SPS中是否存在所述DPB参数语法结构，将第一语法元素(例如，上文描述的sps_ptl_dpb_hrd_params_present_flag)的值编码到所述SPS中，其中，所述第一语法元素的值用于表示所述SPS中是否存在所述DPB参数语法结构。进一步地，确定单元1710用于：当确定(例如，只有当确定)所述SPS中存在所述DPB参数语法结构时，确定所述DPB参数语法结构中是否存在DPB语法元素(例如，上文详细描述的max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和max_latency_increase_plus1[i]中的一个)，其中，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。进一步地，编码单元1720用于：通过确定所述DPB参数语法结构中是否存在所述DPB语法元素，将第二语法元素(例如，上文描述的sps_sublayer_dpb_params_flag)的值编码到所述SPS中，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在所述DPB语法元素。

图16中所示的视频解码装置1600可以是图1A、图1B和图3所示的解码器30和图9所示的视频解码器3206，还可以包括在其中。此外，解码设备1700可以包括在图4所示的视频译码设备400、图5所示的装置500和图8所示的终端设备3106中。图17所示的编码设备1700可以是图1A、图1B和图3所示的编码器20，还可以包括在其中。进一步地，编码设备1700可以包括在图4所示的视频译码设备400、图5所示的装置500和图8所示的捕获设备3102中。

具体地，所述SPS包括子图像指示的信息。

下表的一些部分示出了ITU JVET-Q2001-v13中的在SPS中指示子图像的一部分的快照，下载链接如下：

http://phenix.it-sudparis.eu/jvet/doc_end_user/documents/17_Brussels/wg11/JVET-Q2001-v13.zip.在本申请的其余部分，为了简单起见，本文件称为VVC草案8。

SPS中的一些语法元素指示每个子图像的位置信息和控制标志。第i个子图像的位置信息包括：

·subpic_ctu_top_left_x[i]，表示子图像i在图像中的左上坐标的水平分量；或者

·subpic_ctu_top_left_y[i]，表示子图像i在图像中的左上坐标的垂直分量；或者

·subpic_width_minus1[i]，表示子图像i在图像中的宽度；或者

·subpic_height_minus1[i]，表示子图像i在图像中的高度。

一些语法元素表示图像内的子图像的数量，例如sps_num_subpics_minus1。

将图像分割成CTU、条带、分块和子图像

将图像分割成CTU

图像被分割成一系列编码树单元(coding tree unit，CTU)。术语“CTU”有时能够与编码树块(coding tree block，CTB)互换。在一个示例中，术语“CTU”与ITU-T H.265中的CTU具有相同的定义。对于具有3个样本阵列的一个图像，1个CTU包括1个N×N的亮度样本块和2个对应的色差样本块。图6示出了图像分割成CTU的一个示例。CTU的大小必须相同，但位于图像边界的CTU除外(可能存在不完整的CTU)。

将图像分割成分块

在一些示例中，当使用的是分块时，图像被分成由垂直边界和/或水平边界分隔的矩形CTU组。垂直分块边界和水平分块边界分别从上到下以及从图像左边界到图像右边界与图像相交。与水平分块边界和垂直分块边界的位置相关的指示信息被译码在码流中。

图7举例示出了将图像分割成9个分块。在该示例中，分块边界用粗体虚线标记。

当垂直划分图像的分块超过1个时，CTU的扫描顺序随着图像中的CTU的光栅扫描顺序的改变而改变。扫描CTU的规则如下：

1.分块按照光栅扫描顺序从左到右、从上到下扫描，称为分块扫描顺序。这表示，从左上分块开始，首先从左到右扫描同一分块行中的所有分块。然后，从第二个分块行(下面一个分块行)中的第一个分块开始，从左到右扫描第二个分块行中的所有分块。重复上述过程，直到所有分块扫描完。

2.对于一个分块，按照光栅扫描顺序扫描该分块中的CTU。对于每个CTU行，从左到右扫描CTU，从上到下扫描CTU行。图7示出了分块中CTU的扫描顺序，与CTU对应的数字表示扫描顺序。

分块可以实现图像分割，使得每个分块能够与同一图像中的其它分块独立解码，其中，解码是指熵解码、残差解码和预测解码。此外，使用分块可以将图像分割成类似大小的区域。因此，可以并行处理图像中的分块，这适合于每个处理核彼此相同的多核处理环境。

术语“处理顺序”和“扫描顺序”在本申请中使用如下：

处理是指在编码器或解码器中对CTU进行编码或解码。扫描顺序与图像中特定分区(partition)的索引有关。CTU在指定扫描顺序下的图像中按照递增顺序进行索引。分块中的CTU扫描顺序是指分块中的CTU如何进行索引，这可能与处理它们的顺序(即处理顺序)不同。

将图像分割成条带

条带可以实现图像分割，使得每个条带能够与同一图像中的其它条带独立解码，其中，解码是指熵解码、残差解码和预测解码。与分块的区别在于，条带可以具有任意形状，不一定是矩形(存在更多分割可能性)，条带分割的目的不是并行处理，而是增强抗误码能力和提高传输环境中的数据包大小匹配。

条带可以包括完整的图像，也可以包括图像的一部分。在ITU-T H.265中，条带在处理顺序中包括图像中的连续CTU。条带是根据起始CTU地址进行识别的，起始CTU地址在条带头或图像参数集或其它单元中指示。在一个示例中，当要求条带包括整数个分块时，条带可以根据起始分块地址进行识别。

在VVC草案8中，条带包括图像中的整数个分块或图像中的分块内的整数个连续CTU行。因此，垂直条带边界也是垂直分块边界。条带的水平边界可以不是分块边界，水平CTU边界可以包括在分块内。在一个示例中，当分块被划分成多个矩形条带时，每个条带包括分块内的整数个连续完整的CTU行。

在一些示例中，存在两种条带模式，即光栅扫描条带模式和矩形条带模式。在光栅扫描条带模式下，条带包括图像中的分块光栅扫描下的一系列分块。在矩形条带模式下，条带包括多个分块，这些分块共同构成图像中的矩形区域；或者，条带包括一个分块中的多个连续CTU行，这些CTU行共同构成图像中的矩形区域。矩形条带内的分块在与该条带对应的矩形区域内按照分块光栅扫描顺序进行扫描。

图像中的所有条带共同构成整个图像，即图像中的所有CTU都包括在图像中的其中一个条带内。类似的规则适用于分块和子图像。

将图像分割成子图像

子图像可以是图像中的矩形分区。子图像可以是整个图像，也可以是图像的一部分。子图像可以实现图像分割，使得每个子图像能够与整个视频序列中的其它子图像独立解码。在VVC草案8中，当子图像i的subpic_treated_as_pic_flag[i]指示为真(true)(例如，subpic_treated_as_pic_flag[i]的值为1)时，该子图像i能够与整个视频序列中的其它子图像独立解码。

子图像与分块或条带之间的区别在于，子图像创建了一个独立可解码的视频序列。对于分块和条带，独立解码是在视频序列的单个图像中执行的。

在VVC草案8中，子图像包括一个或多个条带，这些条带共同覆盖图像中的矩形区域。因此，每个子图像边界始终是条带边界，每个垂直子图像边界始终是垂直分块边界。

图10示出了分块、条带和子图像的一个示例。

在图8所示的一个示例中，图像被分割成216个CTU、4个分块、4个条带和3个子图像。sps_num_subpics_minus1的值为2，位置相关的语法元素具有以下值：

对于子图像0，

·subpic_ctu_top_left_x[0]未被指示，但被推断为0；

·subpic_ctu_top_left_y[0]未被指示，但被推断为0；

·subpic_width_minus1[0]的值为8；

·subpic_height_minus1[0]的值为11。

对于子图像1，

·subpic_ctu_top_left_x[1]的值为9；

·subpic_ctu_top_left_y[1]的值为0；

·subpic_width_minus1[1]的值为8；

·subpic_height_minus1[1]的值为5。

对于子图像2，

·subpic_ctu_top_left_x[2]的值为9；

·subpic_ctu_top_left_y[2]的值为6；

·subpic_width_minus1[2]未被指示，但被推断为8；

·subpic_height_minus1[2]未被指示，但被推断为5。

指示解码图像缓冲区(Decoded picture buffer，DPB)信息

解码图像缓冲区

解码图像缓冲区(Decoded Picture Buffer，DPB)是用于存储经解码图像以供参考(例如作为帧间预测的参考图像)的缓冲区。在VVC草案(例如ITU JVET-Q2001-v13)中公开的一个示例中，突出显示了序列参数集(sequence parameter set，SPS)中DBP参数的相关语法元素。

表6：SPS中的解码图像相关语法元素

sps_max_sublayers_minus1+1表示参考SPS的每个CLVS中可以存在的时间子层的最大数量。sps_max_sublayers_minus1的取值范围应为至vps_max_sublayers_minus1(包括端值)。

sps_ptl_dpb_hrd_params_present_flag等于1表示：SPS中存在语法结构profile_tier_level()和语法结构dpb_parameters()，而且SPS中还可能存在语法结构general_hrd_parameters()和语法结构ols_hrd_parameters()。sps_ptl_dpb_hrd_params_present_flag等于0表示SPS中不存在这四种语法结构。sps_ptl_dpb_hrd_params_present_flag的值必须等于vps_independent_layer_flag[GeneralLayerIdx[nuh_layer_id]]。

语法元素sps_max_sublayers_minus1表示可用时间子层的数量。当可用时间子层的数量大于1(例如，语法元素sps_max_sublayers_minus1的值大于0)时，语法元素sps_sublayer_dpb_params_flag的值在码流中指示。语法元素sps_sublayer_dpb_params_flag表示是为每个可用子层指示解码图像信息(当该语法元素的值等于1时)还是仅为最高时间子层指示解码图像信息(当该语法元素的值等于0时)当sps_sublayer_dpb_params_flag的值不存在时，例如，当只有一个时间子层(sps_max_sublayers_minus1的值＝＝0)时，sps_max_sublayers_minus1的值被推断为0。

在一个示例中，VVC草案(例如ITU JVET-Q2001-v13)中的指示结构dpb_parameter()定义如下：

表7：dpb_parameters的定义

(输出层集(output layer set，OLS)：包括一组指定层的一组层，其中，这一组层中的一个或多个层被指定为输出层)

MaxLatencyPictures[i]＝max_num_reorder_pics[i]+max_latency_increase_plus1[i]–1 (7-111)

当max_latency_increase_plus1[i]等于0时，不表示对应的限制。

实施例10

根据第十实施例，语法元素sps_sublayer_dpb_params_flag的值根据语法元素sps_ptl_dpb_hrd_params_present_flag的值被译码在码流中，如下所示：

表8：SPS中的语法元素

在本实施例中，当sps_max_sublayers_minus1的值大于0且sps_ptl_dpb_hrd_params_present_flag的值等于0时，语法元素sps_sublayer_dpb_params_flag的值不需要译码在码流中。

实施例11

根据第十一实施例，语法元素sps_sublayer_dpb_params_flag的值根据语法元素sps_ptl_dpb_hrd_params_present_flag的值被译码在码流中，如下所示：

表9：PPS中的语法元素

在本实施例中，当sps_max_sublayers_minus1的值大于0且sps_ptl_dpb_hrd_params_present_flag的值等于0时，语法元素sps_sublayer_dpb_params_flag的值不需要译码在码流中。此外，语法元素被重建，因此设计更清晰。语法元素sps_ptl_dpb_hrd_params_present_flag升级到表示语法元素sps_sublayer_dpb_params_flag和指示结构dpb_parameters()的指示。

实施例12

根据第十二实施例，语法元素sps_sublayer_dpb_params_flag的值根据语法元素sps_ptl_dpb_hrd_params_present_flag的值被译码在码流中，如下所示：

表10：PPS中的语法元素

相应地，指示结构pb_parameters修改如下：

在本实施例中，当sps_max_sublayers_minus1的值大于0且sps_ptl_dpb_hrd_params_present_flag的值等于0时，语法元素sps_sublayer_dpb_params_flag的值不需要译码在码流中。与实施例11相比，指示结构dpb_parameter()从第一个子层到最高子层分别由参数firstSubLayer和maxSubLayersMinus1指示。第一个子层的选择被提到上一级dpb_parameter()。通过这种方式，sps_sublayer_dpb_params_flag的语义更加清晰。

在VVC草案(例如ITU JVET-Q2001-v13)中公开的一个示例中，条带存在两种模式，即光栅扫描条带模式和矩形条带模式。但是，根据当前的定义，条带可以处于光栅扫描模式下或者处于矩形模式下。

条带的定义如下所述：

条带包括图像中的整数个完整分块或图像中的分块内的整数个连续完整的CTU行。因此，每个垂直条带边界始终也是垂直分块边界。条带的水平边界可能不是分块边界，而是包括分块内的水平CTU边界；当分块被划分成多个矩形条带时，就会出现这种情况，每个条带包括分块内的整数个连续完整的CTU行。

支持两种条带模式，即光栅扫描条带模式和矩形条带模式。在光栅扫描条带模式下，条带包括图像中的分块光栅扫描下的一系列完整分块。在矩形条带模式下，条带包括多个完整分块，这些分块共同构成图像中的矩形区域；或者，条带包括一个分块中的多个连续完整的CTU行，这些CTU行共同构成图像中的矩形区域。矩形条带内的分块在与该条带对应的矩形区域内按照分块光栅扫描顺序进行扫描。

光栅扫描条带的唯一约束条件是条带“包括图像中的分块光栅扫描下的一系列完整分块”。如图12所示，例如，图像中只有2个分块和1个条带。该条带可以处于光栅扫描条带模式下或者处于矩形条带模式下。这会混淆两种条带模式。

实施例13

建议进一步限制光栅扫描条带的定义，如下所述：

在光栅扫描条带模式下，条带包括图像中的分块光栅扫描下的一系列完整分块，该图像包括构成非矩形的至少一个条带。

例如，在光栅扫描条带的这种定义下，图13所示的图像是光栅扫描条带，但图12所示的图像只能使用矩形条带模式。

相应地，修改了分块结构的指示。

在一个示例中，分块信息在PPS中的指示如下所示：

no_pic_partition_flag等于1表示图像分割不应用于参考PPS的每个图像。no_pic_partition_flag等于0表示参考PPS的每个图像可以被分割成一个以上分块或条带。

码流一致性的要求为：no_pic_partition_flag的值对于由CLVS内的经编码图像(coded picture)参考的所有PPS必须是相同的。

码流一致性的要求为：当sps_num_subpics_minus1+1的值大于1时，no_pic_partition_flag的值必须不等于1。

pps_log2_ctu_size_minus5+5表示每个CTU的亮度编码树块大小。pps_log2_ctu_size_minus5必须等于sps_log2_ctu_size_minus5。

num_exp_tile_columns_minus1+1表示显式提供的分块列宽度的数量。num_exp_tile_columns_minus1的取值范围应为至PicWidthInCtbsY–1(包括端值)。当no_pic_partition_flag等于1时，num_exp_tile_columns_minus1的值被推断为0。

num_exp_tile_rows_minus1+1表示显式提供的分块行高度的数量。num_exp_tile_rows_minus1的取值范围应为至PicHeightInCtbsY–1(包括端值)。当no_pic_partition_flag等于1时，num_tile_rows_minus1的值被推断为0。

tile_column_width_minus1[i]+1表示第i个分块列的以CTB为单位的宽度，其中，i的范围为0至num_exp_tile_columns_minus1–1(包括端值)。tile_column_width_minus1[num_exp_tile_columns_minus1]用于推导索引大于或等于num_exp_tile_columns_minus1(如第6.5.1所述)的分块列的宽度。tile_column_width_minus1[i]的取值范围应为至PicWidthInCtbsY–1(包括端值)。当tile_column_width_minus1[0]不存在时，tile_column_width_minus1[0]的值被推断为PicWidthInCtbsY–1。

tile_row_height_minus1[i]+1表示第i个分块行的以CTB为单位的高度，其中，i的范围为0至num_exp_tile_rows_minus1–1(包括端值)。tile_row_height_minus1[num_exp_tile_rows_minus1]用于推导索引大于或等于num_exp_tile_rows_minus1(如第6.5.1节所述)的分块行的高度。tile_row_height_minus1[i]的取值范围应为至PicHeightInCtbsY–1(包括端值)。当tile_row_height_minus1[0]不存在时，tile_row_height_minus1[0]的值被推断为PicHeightInCtbsY–1。

rect_slice_flag等于0表示，每个条带内的分块处于光栅扫描顺序下，而且条带信息不在PPS中指示。rect_slice_flag等于1表示，每个条带内的分块覆盖图像中的矩形区域，而且条带信息在PPS中指示。当rect_slice_flag不存在时，rect_slice_flag被推断为1。当subpic_info_present_flag等于1时，rect_slice_flag的值必须等于1。

single_slice_per_subpic_flag等于1表示每个子图像只包括一个矩形条带。single_slice_per_subpic_flag等于0表示每个子图可以包括一个或多个矩形条带。当single_slice_per_subpic_flag等于1时，num_slices_in_pic_minus1被推断为sps_num_subpics_minus1。当single_slice_per_subpic_flag不存在时，single_slice_per_subpic_flag的值被推断为0。【编注(GJS)：考虑重命名该标志或以其它方式明确，以避免解释该标志只在每个图像中包括多个子图像时相关。】

当图像中的分块的数量大于1时，标志rect_slice_flag从码流中解析出，rect_slice_flag的值表示图像使用矩形条带模式(当该值等于1时)还是使用光栅扫描条带模式(当该值等于0时)。

相应地，在条带头中，

picture_header_in_slice_header_flag等于1表示条带头中存在PH语法结构。picture_header_in_slice_header_flag等于0表示条带头中不存在PH语法结构。

码流一致性的要求为：picture_header_in_slice_header_flag的值对于CLVS中的所有经编码条带必须是相同的。

当经编码条带的picture_header_in_slice_header_flag等于1时，码流一致性的要求为：CLVS中必须不存在nal_unit_type为PH_NUT的VCL NAL单元。

当picture_header_in_slice_header_flag等于0时，当前图像中的所有经编码条带都必须具有等于0的picture_header_in_slice_header_flag，而且当前PU必须具有PHNAL单元。

slice_subpic_id表示包括条带的子图像的子图像ID。如果slice_subpic_id存在，则变量CurrSubpicIdx的值被推导出，使得SubpicIdVal[CurrSubpicIdx]等于slice_subpic_id。否则(slice_subpic_id不存在)，CurrSubpicIdx被推导为0。slice_subpic_id的长度为(sps_subpic_id_len_minus1+1)个比特。

slice_address表示条带的条带地址。当slice_address不存在时，slice_address的值被推断为0。当rect_slice_flag等于1且NumSlicesInSubpic[CurrSubpicIdx]等于1时，slice_address的值被推断为0。

如果rect_slice_flag等于0，则以下内容适用：

-条带地址是光栅扫描分块索引。

-slice_address的长度为Ceil(Log2(NumTilesInPic))个比特。

-slice_address的取值范围应为至NumTilesInPic–1(包括端值)。

否则(rect_slice_flag等于1)，以下内容适用：

-条带地址是条带的子图像级条带索引。

-slice_address的长度为Ceil(Log2(NumSlicesInSubpic[CurrSubpicIdx]))个比特。

-slice_address的取值范围应为至NumSlicesInSubpic[CurrSubpicIdx]–1(包括端值)。

码流一致性的要求为以下约束条件适用：

-如果rect_slice_flag等于0或subpic_info_present_flag等于0，则slice_address的值必须不等于同一经编码图像的任何其它经编码条带NAL单元的slice_address的值。

-否则，slice_subpic_id和slice_address的一对值必须不等于同一经编码图像的任何其它经编码条带NAL单元的slice_subpic_id和slice_address的一对值。

-图像中的条带的形状应使得每个CTU在解码时应使其整个左边界和整个上边界包括图像边界或包括先前一个或多个经解码CTU的边界。

sh_extra_bit[i]可以等于1或0。符合本规范版本的解码器可以忽略sh_extra_bit[i]的值。它的值不影响解码器与本规范版本中指定的档次(profile)的一致性。

num_tiles_in_slice_minus1+1在存在时表示条带中的分块的数量。num_tiles_in_slice_minus1的取值范围应为至NumTilesInPic–1(包括端值)。

建议在PPS和条带头中修改上述指示机制，如下所述：

具体地，本文还(在新的示例中)提供了以下实施例。

1.一种由解码设备或编码设备实现的译码方法，其中，所述方法包括：

获取码流，其中，序列参数集(sequence parameter set，SPS)被译码在所述码流中；

根据所述码流获取第一语法元素sps_max_sublayers_minus1的值，其中，所述第一语法元素sps_max_sublayers_minus1的值用于表示参考所述SPS的编码层视频序列(coded layer video sequence，CLVS)中存在的时间子层的最大数量；

根据所述码流获取第二语法元素sps_ptl_dpb_hrd_params_present_flag的值，其中，所述第二语法元素sps_ptl_dpb_hrd_params_present_flag的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构(例如dpb_prameters)；

当所述第一语法元素sps_max_sublayers_minus1的值大于第一默认值(例如，所述第一默认值等于0)时，并且当所述第二语法元素sps_ptl_dpb_hrd_params_present_flag的值等于第二默认值(例如，所述第二默认值等于1)时，从所述码流中解析第三语法元素sps_sublayer_dpb_params_flag的值，其中，所述第三语法元素sps_sublayer_dpb_params_flag的值用于控制所述SPS中的所述DPB参数语法结构(例如dpb_prameters)中是否存在语法元素(例如，max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和/或max_latency_increase_plus1[i]，其中，当sps_max_sublayers_minus1大于0时，i的范围为0至sps_max_sublayers_minus1–1，包括端值)。

2.根据实施例1所述的方法，其中，所述方法还包括：

当所述第一语法元素sps_max_sublayers_minus1的值小于或等于所述第一默认值时，或者当所述第二语法元素sps_ptl_dpb_hrd_params_present_flag的值不等于所述第二默认值时，将所述第三语法元素sps_sublayer_dpb_params_flag的值设置为第三默认值(例如，所述第三默认值等于0或1)。

3.根据实施例1或2所述的方法，其中，所述第三语法元素sps_sublayer_dpb_params_flag的值被译码在所述SPS中。

4.一种由解码设备或编码设备实现的译码方法，其中，所述方法包括：

确定所述第二语法元素sps_ptl_dpb_hrd_params_present_flag的值是否等于第二默认值(例如，所述第二默认值等于1)；

当确定所述第二语法元素sps_ptl_dpb_hrd_params_present_flag的值等于所述第二默认值时，确定所述第一语法元素sps_max_sublayers_minus1的值是否大于第一默认值(例如，所述第一默认值等于0)；

当确定所述第一语法元素sps_max_sublayers_minus1的值大于所述第一默认值(例如，所述第一默认值等于0)时，从所述码流中解析第三语法元素sps_sublayer_dpb_params_flag的值，其中，所述第三语法元素sps_sublayer_dpb_params_flag的值用于控制所述SPS中的所述DPB参数语法结构(例如dpb_prameters)中是否存在语法元素(例如，max_dec_pic_buffering_minus1[i]、max_num_reorder_pics[i]和/或max_latency_increase_plus1[i]，其中，当sps_max_sublayers_minus1大于0时，i的范围为0至sps_max_sublayers_minus1–1，包括端值)。

5.根据实施例4所述的方法，其中，所述方法还包括：

当确定所述第一语法元素sps_max_sublayers_minus1的值小于或等于所述第一默认值时，或者当确定所述第二语法元素sps_ptl_dpb_hrd_params_present_flag的值不等于所述第二默认值时，将所述第三语法元素sps_sublayer_dpb_params_flag的值设置为第三默认值(例如，所述第三默认值等于0或1)。

6.根据实施例4或5所述的方法，其中，所述第三语法元素sps_sublayer_dpb_params_flag的值被译码在所述SPS中(在其它示例中，所述第三语法元素sps_sublayer_dpb_params_flag的值被译码在图像参数集(picture parameter set，PPS)中，或者所述第三语法元素sps_sublayer_dpb_params_flag的值被译码在视频参数集(video parameterset，VPS)中)。

7.根据实施例1至6中任一个所述的方法，其中，所述第一语法元素的值被译码在图像参数集(picture parameter set，PPS)中，或者所述第一语法元素的值被译码在视频参数集(video parameter set，VPS)中(在另一示例中，所述第二语法元素的值被译码在图像参数集(picture parameter set，PPS)中，或者所述第二语法元素的值被译码在视频参数集(video parameter set，VPS)中)。

8.根据实施例1至7中任一个所述的方法，其中，当sps_max_sublayers_minus1等于0时，max_dec_pic_buffering_minus1[0]、max_num_reorder_pics[0]和max_latency_increase_plus1[0]始终为参考所述SPS的唯一子层指示。

9.一种由解码设备或编码设备实现的译码方法，其中，所述方法包括：

只从索引小于i的至少一个层中确定索引为i的层的索引为j的间接参考层；

当对当前图像启用层间预测时，在所述索引为j的间接参考层中获取所述当前图像的参考图像；

使用所述索引为j的间接参考层中的所述参考图像预测所述当前图像。

10.根据实施例9所述的方法，其中，所述确定索引为i的层的间接参考层包括：确定在索引小于i且大于j的至少一层中只有索引为k的层是所述索引为i的层的直接参考层，其中，所述索引为j的间接参考层是所述索引为k的直接参考层的参考层。

11.根据实施例9所述的方法，其中，所述确定索引为i的层的间接直接参考层包括：确定在索引小于i的至少一层中只有索引为k的层是所述索引为i的层的直接参考层，其中，所述索引为j的间接参考层是所述索引为k的直接参考层的参考层。

12.一种由解码设备或编码设备实现的译码方法，其中，所述方法包括：

当确定在索引小于i且大于j的至少一层中只有索引为k的层是索引为i的层的直接参考层时，确定所述索引为i的层的索引为j的间接参考层，其中，所述索引为j的层是所述索引为k的直接参考层的参考层。

13.一种由解码设备或编码设备实现的译码方法，其中，所述方法包括：

获取码流，其中，图像参数集(picture parameter set，PPS)被译码在所述码流中；

根据所述码流获取当前图像(例如，所述当前图像包括形成非矩形的至少一个条带)中的分块列的数量NumTileColumns；

根据所述码流获取所述当前图像中的分块行的数量NumTileRows；

根据所述分块列的数量NumTileColumns和所述分块行的数量NumTileRows，获取变量NumTilesInPic的值；

当所述变量NumTilesInPic的值大于预设值(例如，所述预设值为3)时，从所述码流中解析语法元素rect_slice_flag的值，其中，所述语法元素rect_slice_flag的值用于表示是否在所述PPS中指示条带信息。

14.根据实施例13所述的方法，其中，所述方法还包括：

当所述变量NumTilesInPic的值小于或等于所述预设值时，将所述语法元素rect_slice_flag的值设置为第四默认值(例如，所述第四默认值等于1)。

15.根据实施例13或14所述的方法，其中，所述变量NumTilesInPic的值等于NumTileColumns*NumTileRows。

16.根据实施例13至15中任一个所述的方法，其中，所述方法还包括：

当所述语法元素rect_slice_flag的值等于第五默认值(例如，所述第五默认值等于0)时，并且当所述变量NumTilesInPic的值大于所述预设值时，从所述码流中解析当前条带的条带地址slice_address的值，其中，所述当前条带包括在所述当前图像中。

17.根据实施例16所述的方法，其中，所述条带地址的值被译码在所述当前条带的条带头中。

18.根据实施例13至17中任一个所述的方法，其中，所述方法还包括：

当所述语法元素rect_slice_flag的值等于所述第五默认值时，并且当所述变量NumTilesInPic的值大于所述预设值时，获取所述当前条带中包括的分块的数量num_tiles_in_slice_minus1。

19.根据实施例18所述的方法，其中，所述分块的数量num_tiles_in_slice_minus1被译码在所述当前条带的条带头中。

20.一种解码器(30)，其中，所述解码器(30)包括处理电路，所述处理电路用于执行根据实施例1至19中任一个项所述的方法。

21.一种包括程序代码的计算机程序产品，其中，当所述程序代码在计算机或处理器上执行时，所述程序代码用于执行根据实施例1至19中任一个所述的方法。

22.一种解码器，其中，所述解码器包括：

一个或多个处理器；

非瞬时性计算机可读存储介质，耦合到所述一个或多个处理器并存储由所述一个或多个处理器执行的程序，其中，当所述程序由所述一个或多个处理器执行时，所述解码器用于执行根据实施例1至19中任一个所述的方法。

23.一种包括程序代码的非瞬时性计算机可读存储介质，其中，当所述程序代码由计算机设备执行时，使得所述计算机设备执行根据实施例1至19中任一个所述的方法。

下面对上述实施例中所示的编码方法和解码方法的应用以及使用这些应用的系统进行解释说明。

图8为用于实现内容分发业务的内容供应系统3100的框图。内容供应系统3100包括捕获设备3102、终端设备3106，并且可选地包括显示器3126。捕获设备3102通过通信链路3104与终端设备3106通信。该通信链路可以包括上述通信信道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或者其任何种类的组合等。

捕获设备3102用于生成数据，并且可以通过上述实施例中所示的编码方法对数据进行编码。可选地，捕获设备3102可以将数据分发给流媒体服务器(图中未示出)，该服务器对数据进行编码并将经编码数据发送给终端设备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，或它们的任意组合等。例如，捕获设备3102可以包括如上所述的源设备12。当数据包括视频时，捕获设备3102中包括的视频编码器20实际上可以执行视频编码处理。当数据包括音频(即声音)时，捕获设备3102中包括的音频编码器实际上可以执行音频编码处理。对于一些实际场景，捕获设备3102通过将经编码视频数据和经编码音频数据一起复用来分发经编码视频数据和经编码音频数据。对于其它实际场景，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。捕获设备3102将经编码音频数据和经编码视频数据分发给终端设备3106。

在内容供应系统3100中，终端设备310接收并再生成经编码数据。终端设备3106可以是具有数据接收和恢复能力的设备，例如智能手机或平板电脑3108、计算机或笔记本电脑3110、网络视频录像机(network video recorder，NVR)/数字视频录像机(digitalvideo recorder，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，或能够对上述经编码数据进行解码的以上设备的任意组合等。例如，终端设备3106可以包括上文所述的目的地设备14。当经编码数据包括视频时，终端设备中包括的视频解码器30优先执行视频解码。当经编码数据包括音频时，终端设备中包括的音频解码器优先执行音频解码处理。

对于具有显示器的终端设备，例如智能手机或平板电脑3108、计算机或笔记本电脑3110、网络视频录像机(network video recorder，NVR)/数字视频录像机(digitalvideo recorder，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馈送给其显示器。对于不配备显示器的终端设备，例如STB 3116、视频会议系统3118或视频监控系统3120，在其中连接外部显示器3126以接收和显示经解码数据。

当该系统中的每个设备执行编码或解码时，可以使用如上述实施例中所示的图像编码设备或图像解码设备。

图9为终端设备3106的一种示例性结构的示意图。在终端设备3106从捕获设备3102接收到流后，协议处理单元3202分析该流的传输协议。该协议包括但不限于实时流协议(Real Time Streaming Protocol，RTSP)、超文本传输协议(Hyper Text TransferProtocol，HTTP)、HTTP直播流媒体协议(HTTP Live streaming protocol，HLS)、MPEG-DASH、实时传输协议(Real-time Transport protocol，RTP)、实时消息传输协议(RealTime Messaging Protocol，RTMP)，或其任何种类的组合等。

协议处理单元3202对流进行处理后，生成流文件。文件被输出给解复用单元3204。解复用单元3204可以将复用数据分成经编码音频数据和经编码视频数据。如上所述，对于其它实际场景，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，不通过解复用单元3204，将经编码数据发送给视频解码器3206和音频解码器3208。

通过解复用处理，生成视频基本流(elementary stream，ES)、音频ES和可选的字幕。视频解码器3206，包括上述实施例中说明的视频解码器30，通过上述实施例中所示的解码方法对视频ES进行解码以生成视频帧，并将此数据馈送给同步单元3212。音频解码器3208对音频ES进行解码以生成音频帧，并将此数据馈送给同步单元3212。可选地，在将视频帧馈送给同步单元3212之前可以将视频帧存储在缓冲区(图9中未示出)中。类似地，音频帧在送给同步单元3212之前可以存储在缓冲区(图9中未示出)中。

同步单元3212同步视频帧和音频帧，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。信息可以使用与经译码音频和可视数据的呈现有关的时间戳以及与数据流本身的发送有关的时间戳而以语法进行译码。

如果流中包括字幕，则字幕解码器3210对字幕进行解码，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包括在汽车系统等其它系统中。

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，本申请准确定义了整除运算和算术移位运算的结果，并且还定义了其它运算，例如幂运算和实值除法。编号和计数规范通常从0开始，例如，“第一个”相当于第0个，“第二个”相当于第1个，以此类推。

算术运算符

算术运算符的定义如下：

逻辑运算符

逻辑运算符的定义如下：

x&&y x和y的布尔逻辑“与”运算

x||y x和y的布尔逻辑“或”运算

！布尔逻辑“非”运算

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

关系运算符的定义如下：

> 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)的语法元素或变量时，值“na”被视为该语法元素或变量的不同值。值“na”被视为不等于任何其它值。

按位运算符

按位运算符的定义如下：

& 按位“与”运算。当对整数参数运算时，运算的是整数值的二进制补码表示。当对二进制参数运算时，如果它包括的比特比另一个参数少，则通过添加更多等于0的有效比特来扩展较短的参数。

| 按位“或”运算。当对整数参数运算时，运算的是整数值的二进制补码表示。当对二进制参数运算时，如果它包括的比特比另一个参数少，则通过添加更多等于0的有效比特来扩展较短的参数。

^ 按位“异或”运算。当对整数参数运算时，运算的是整数值的二进制补码表示。当对二进制参数运算时，如果它包括的比特比另一个参数少，则通过添加更多等于0的有效比特来扩展较短的参数。

x>>y 将x以二进制补码整数表示的形式向右算术移动y个二进制位。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 significantbit，MSB)的比特等于移位运算之前的x的MSB。

x<<y 将x以二进制补码整数表示的形式向左算术移动y个二进制位。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 significantbit，LSB)的比特等于0。

赋值运算符

算术运算符的定义如下：

＝赋值运算符

++ 递增，即x++相当于x＝x+1；当用于数组下标时，在自加运算前先求变量值。

–– 递减，即，x––等于x＝x–1；当用于数组下标时，在自减运算前先求变量值。

+＝自加指定值，即x+＝3相当于x＝x+3，x+＝(–3)相当于x＝x+(–3)。

–＝自减指定值，即x–＝3相当于x＝x–3，x–＝(–3)相当于x＝x–(–3)。

范围表示法

下面的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是整数，z大于y。

数学函数

数学函数的定义如下：

Asin(x)三角反正弦函数，对参数x进行运算，x在–1.0至1.0(包括端值)范围内，输出值在–π÷2至π÷2(包括端值)范围内，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)的范围内，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)返回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2.718281828……)。

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表示表达式中的优先顺序时，以下规则适用：

-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。

下表从最高到最低的顺序说明运算的优先级，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：运算优先级从最高(表格顶部)到最低(表格底部)排序

逻辑运算的文本描述

在文本中，用数学形式描述如下的逻辑运算语句：

可以用以下方式描述：

……如下/……以下内容适用：

-如果条件0，则语句0

-否则，如果条件1，则语句1

-……

-否则(关于其余条件的提示性说明)，则语句n

文本中的每个“如果……否则，如果……否则，……”语句都以“……如下”或“……以下内容适用”引入，后面紧跟着“如果……”。“如果……否则，如果……否则，……”的最后一个条件总有一个“否则，……”。中间有“如果……否则，如果……否则”语句可以通过使“……如下”或“……以下内容适用”与结尾“否则……”匹配来识别。

在文本中，用数学形式描述如下的逻辑运算语句：

可以用以下方式描述：

……如下/……以下内容适用：

-如果以下所有条件都为真，则语句0：

-条件0a

-条件0b

-否则，如果满足以下一个或多个条件，则语句1：

-条件1a

-条件1b

-……

-否则，语句n

在文本中，用数学形式描述如下的逻辑运算语句：

可以用以下方式描述：

当条件0时，语句0

当条件1时，语句1。

虽然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先前或连续图像的单个图像进行处理或译码。一般而言，如果图像处理译码限于单个图像17，则只有帧间预测单元244(编码器)和344(解码器)不可用。视频编码器20和视频解码器30的所有其它功能(还称为工具或技术)同样可以用于静止图像处理，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参照编码器20和解码器30等描述的功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则这些功能可以作为一个或多个指令或代码存储在计算机可读介质中或通过通信介质发送，且由基于硬件的处理单元执行。计算机可读介质可以包括与有形介质(例如，数据存储介质)对应的计算机可读存储介质，或者包括任何根据通信协议等便于将计算机程序从一个地方发送到另一个地方的通信介质。通过这种方式，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。数据存储介质可以是通过一个或多个计算机或一个或多个处理器访问的任何可用介质，以检索用于实现本发明所述技术的指令、代码和/或数据结构。计算机程序产品可以包括计算机可读介质。

作为示例而非限制，这类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、闪存或可以用于存储指令或数据结构形式的所需程序代码并且可以由计算机访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果指令通过同轴缆线、光纤缆线、双绞线和数字用户线(digital subscriber line，DSL)、或红外线、无线电和微波等无线技术从网站、服务器或其它远程源进行传输，则同轴缆线、光纤缆线、双绞线和DSL、或红外线、无线电和微波等无线技术也包含在上述介质的定义中。但是，应当理解的是，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，而是涉及非瞬时性有形存储介质。本文所使用的磁盘和光盘包括压缩光盘(compact disc，CD)、激光光盘、光学光盘、数字多功能光盘(digital versatile disc，DVD)和蓝光光盘，其中，磁盘通常以磁性方式再现数据，而光盘利用激光以光学方式再现数据。以上各项的组合也应包括在计算机可读介质的范围内。

指令可以通过一个或多个数字信号处理器(digital signal processor，DSP)、一个或多个通用微处理器、一个或多个专用集成电路(application specific integratedcircuit，ASIC)、一个或多个现场可编程逻辑阵列(field programmable logic array，FPGA)或其它同等集成或离散逻辑电路等一或多个处理器来执行。因此，本文所使用的术语“处理器”可以指上述结构中的任一种或适于实施本文所述技术的任何其它结构。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，或者并入组合编解码器中。而且，这些技术可以在一个或多个电路或逻辑元件中完全实现。

本发明中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，或者通过包括如上所述的一个或多个处理器的互操作硬件单元的集合来提供。

Claims

1.一种由解码设备实现的对视频码流进行解码的方法，其特征在于，序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素，所述方法包括：

从所述SPS中获取(1410)第一语法元素的值，其中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；

至少当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中获取(1420)第二语法元素的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第二语法元素的值获取所述DPB语法元素的值；

根据所述DPB语法元素的值重建所述视频序列。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第二语法元素的值获取所述DPB语法元素的值包括：

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述DPB语法元素的值重建所述视频序列包括：根据所述DPB语法元素的值配置DPB；使用所述DPB重建所述视频序列。

5.根据权利要求2或3所述的方法，其特征在于，所述根据所述DPB语法元素的值重建所述视频序列包括：通过确定所述使用的DPB满足所述DPB语法元素的值指定的要求，重建所述视频序列。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：

从所述SPS中获取第三语法元素的值，其中，所述第三语法元素的值用于确定所述视频序列中存在的时间子层的最大数量。

7.根据权利要求6所述的方法，其特征在于，所述从所述SPS中获取第二语法元素的值包括：

当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，根据所述第三语法元素的值确定所述视频码流中的所述时间子层的最大数量是否大于1；

当确定所述时间子层的最大数量大于1时，从所述SPS中获取所述第二语法元素的值。

8.一种由编码设备实现的对视频码流进行编码的方法，其特征在于，序列参数集(sequence parameter set，SPS)被译码在所述视频码流中并包括应用于视频序列的语法元素，所述方法包括：

确定(1510)所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；

通过确定所述SPS中是否存在所述DPB参数语法结构，将第一语法元素的值编码(1520)到所述SPS中，其中，所述第一语法元素的值用于表示所述SPS中是否存在所述DPB参数语法结构；

当确定所述SPS中存在所述DPB参数语法结构时，确定(1530)所述DPB参数语法结构中是否存在DPB语法元素，其中，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层；

通过确定所述DPB参数语法结构中是否存在所述DPB语法元素，将第二语法元素的值编码(1540)到所述SPS中，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在所述DPB语法元素。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：当确定所述DPB参数语法结构中存在所述DPB语法元素时，确定所述DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

10.根据权利要求8所述的方法，其特征在于，所述方法还包括：将所述DPB语法元素的值设置为所述DPB参数语法结构中的应用于所述最高时间子层的另一DPB语法元素的值；根据所述DPB语法元素的值重建所述视频序列。

11.根据权利要求9或10所述的方法，其特征在于，所述根据所述DPB语法元素的值重建所述视频序列包括：配置DPB以满足所述DPB语法元素的值；使用所述DPB重建所述视频序列。

12.根据权利要求8至11中任一项所述的方法，其特征在于，当确定所述SPS中存在所述DPB参数语法结构且所述视频码流中的时间子层的最大数量大于1时，确定所述DPB参数语法结构中存在DPB语法元素。

13.一种用于对经译码视频码流进行解码的装置(1600)，其特征在于，所述装置包括：

获取单元(1610)，用于从SPS中获取第一语法元素的值，其中，所述SPS被译码在所述视频码流中，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decodedpicture buffer，DPB)参数语法结构；

确定单元(1620)，用于确定所述第一语法元素的值是否表示所述SPS中存在所述DPB参数语法结构；

所述获取单元还用于：至少当确定所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，从所述SPS中获取第二语法元素的值，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。

14.一种用于对视频码流进行编码的装置(1700)，其特征在于，所述装置包括：

确定单元(1710)，用于确定SPS中是否存在解码图像缓冲区(decoded picturebuffer，DPB)参数语法结构，其中，所述SPS被编码在所述视频码流中；

编码单元(1720)，用于通过确定所述SPS中是否存在所述DPB参数语法结构，将第一语法元素的值编码到所述SPS中，其中，所述第一语法元素的值用于表示所述SPS中是否存在所述DPB参数语法结构；

所述确定单元(1710)还用于：当确定所述SPS中存在所述DPB参数语法结构时，确定所述DPB参数语法结构中是否存在DPB语法元素，其中，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层；

所述编码单元(1720)还用于：通过确定所述DPB参数语法结构中是否存在所述DPB语法元素，将第二语法元素的值编码到所述SPS中，其中，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在所述DPB语法元素。

15.一种编码器，其特征在于，所述编码器包括处理电路，所述处理电路用于执行根据权利要求8至12中任一项所述的方法。

16.一种解码器，其特征在于，所述解码器包括处理电路，所述处理电路用于执行根据权利要求1至7中任一项所述的方法。

17.一种包括程序代码的计算机程序产品，其特征在于，当所述程序代码在计算机或处理器上执行时，用于执行根据权利要求1至12中任一项所述的方法。

18.一种解码器，其特征在于，所述解码器包括：

一个或多个处理器；

非瞬时性计算机可读存储介质，耦合到所述一个或多个处理器并存储由所述一个或多个处理器执行的程序，其中，当所述程序由所述一个或多个处理器执行时，所述解码器用于执行根据权利要求1至7中任一项所述的方法。

19.一种编码器，其特征在于，所述编码器包括：

一个或多个处理器；

非瞬时性计算机可读存储介质，与所述一个或多个处理器耦合并存储供所述一个或多个处理器执行的程序，其中，当所述程序由所述一个或多个处理器执行时，所述编码器用于执行根据权利要求8至12中任一项所述的方法。

20.一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，当所述程序代码由计算机设备执行时，使得所述计算机设备执行根据权利要求1至12中任一项所述的方法。

21.一种非瞬时性存储介质，其特征在于，所述非瞬时性存储介质包括经编码码流，所述码流是通过将视频信号或图像信号的当前图像划分成多个块生成的，所述码流包括多个语法元素；所述多个语法元素包括SPS中的第一语法元素，所述第一语法元素的值用于表示所述SPS中是否存在解码图像缓冲区(decoded picture buffer，DPB)参数语法结构；当所述第一语法元素的值表示所述SPS中存在所述DPB参数语法结构时，所述码流还包括所述SPS中的第二语法元素，所述第二语法元素的值用于表示所述DPB参数语法结构中是否存在DPB语法元素，所述DPB语法元素被应用于所述视频序列中除最高时间子层之外的时间子层。