第28 卷第3期
2 00 6 年 3 月
电 子 与 信 息 学 报
Jo u rn a l o f E le e tro n ie s & In fo rm at io n Te ehn o lo gy
从 , 1. 2 8N o . 3
M a
r
.
2 0 0 6
一种新型的无损视频压缩算法
夏 杰 侯朝焕
(中国科学院声学研究所 北京 100 08 0)
摘 要 多次使用有损压缩技术压缩数字视频 , 会导致视频的质量大幅下降 , 从而降低了数字视频的可再利用率 ,
为此设计了一种新型的无损视频压缩算法 。 该算法的特点在于 : (l)提出了一种改进的基于上下文树的算术编码来
压缩运动补偿后的误差帧 。 (2 )针对改进的算术编码 , 优化基于宏块的运动估计与补偿算法 , 以提高无损视频压缩
算法的压缩率。 对于压缩运动补偿后误差帧的算法 , 与静态图像无损压缩算法 JP E G 一LS 和 CA LI C 相比
明 , 该文
设计的无损视频压缩算法的压缩率超过 JP E G 一L S 算法最高为 23 . 3% , 超过 CA LI C 算法最高为 19 .3 % 。
关键词 无损视频压缩 , 算术编码 , 运动估计与补偿
中图分类号 : TN g lg . 8 文献标识码 : A 文章编号 : 1009 一5 896 (20 06)03 一0 38 5 一0 5
L o ssless Vi d
eo C o m Pr essio n Syste m D esig n a tio n
X ia Jie H o u C ha o
·
hu a n
(加占功翻te oj 刁c 口us l祀s , Ch ~
e A c Q de 坦F of sc ien ce
,
Be夕才ng 1000 80 , Ch in a )
A b str a e t It w ill e re at e the Pro ble m o f g re a t de g r ad at io n in v ide o qu a lity
,
w he n the d ig ita l v id e o is e o m Pre s se d by u s in g
lo s sy v ide o e o m Pre ss io n a lg o rithm m o re tha n o n e e
.
T hat w ill re d u e e the rat e o f re u s in g the dig ita l v ide o
.
T hu s a n ew
lo s sle ss v ide o e o m Pre ss io n a lg o rith m ha s be e n Pro Po se d
.
T h is a lg o rithm fe at u re s in : (l) a n im Pro v ed e o n te xt
一
tre e ba s ed
a r ith m e tie eo d in g 15 Pro Po se d to e o m Pre ss the re s id u a lfra m
e afte r m o tio n e o m Pe n sa tio n
, a n d(2 )m a e ro
一
blo e k ha se d m o tio n
e stim at io n an d e o m Pe n sat io n m e tho d 15 o Pt im iz e d to im Pro v e the e o m Pre s sio n rat io o f lo ssle s s vide o e o m Pre ss io n
a lg o rith m
,
w ith e o n s ide rat io n to th e im Pro v e d ar ithm e tie e o d in g
.
W he n u s in g JPE G
一
L S a n d CA LIC
,
the e x istin g
stat e
一o f- the
一a rt in lo ssle ss e o m Pre ss io n o f s till im a g e s
,
to e n eo de tho se m o tio n
一e o m Pe n sa te d e rr o r- fr a m e s o r re s id u e fr a m e s
to fo rm
u lat e be n c hm a rks
,
the e x Pe rim e n ts illu strat e that the Pro Po se d a lg o rithm o ut Pe rfo rm
s JPE G
一
L S by uP to 2 3
.
3%
, a n d
CA LIC by uP to 19 3 %
.
K ey w o r d s L o s s le ss v ide o e o m Pre ss io n
,
A rithm e tie e o d in g
,
M o tio n e stim a tio n a n d e o m Pe n sat io n
1 引言
由于有限的网络带宽和人类视觉系统的不敏感性 , 有损
压缩技术成为了数字视频压缩研究领域的主流 , 其中的代表
是 M PE G 系列fl. 2] 和 H. 26 x 系列131 视频压缩
。 有损压缩技
术利用舍弃一些人类视觉不敏感的视频图像信息 , 来获取较
高的压缩比率。 但是当我们多次使用有损压缩技术压缩数字
视频时 , 可能丢失非常大的信息量 , 从而导致压缩后的视频
质量非常低 , 这就大大降低了数字视频的可再利用率。 无损
视频压缩技术则可以在压缩过程中保持完整的视频信息 , 从
而避免了压缩失真 。
无损视频压缩技术之所以没有得到应有的关注 , 其中的
原因包括 : (l) 无损视频压缩可以达到的压缩率远远赶不上
实际应用的需要 ; (2) 大部分的数字视频应用产品并不需要
解压的视频效果达到无损的级别 。 然而随着网络带宽的增加
和人们对高质量数字视频需求的提高 , 高质量数字视频的无
损压缩可能成为学术界和工业领域未来发展的方向。 在
e 一ci n e m a 中 , 高质量数字电影采用逐帧渐进式的播放模式 ,
而且每一帧都采用无压缩的三原色图像文件 。 在这样情况
下 , 无损视频压缩技术将会对高质量数字电影的存档 , 发行
和编辑等应用起到很大的帮助 。
本文在 MPE G Z 的基础上设计了一个新型的无损视频压
缩算法 , 提出了一种改进的基于上下文树的算术编码算法作
为无损压缩算法中的嫡编码算法部分 , 同时针对改进的嫡编
码算法 , 优化了MPE G 一2 中基于宏块的运动估计与补偿算法 ,
以提高无损视频压缩算法的压缩率 。
2 0 0午的一1 6 收到 , 2 0 0 5 一0 1一0 7 改回
国家 9 73
(G 一9 9 90 3 2 9 0 0 )和国家自然科学基金(6 0 0 2 8 一0 2 )资助课
题
2 无损视频压缩算法的结构
Moti on
一
JP E ol 4 1视频压缩标准中提供了无损压缩的模式 ,
38 6 电 子 与 信 息 学 报 第 2 8 卷
在整体上定义整个视频码流的数据格式 , 而每幅单帧的编码
则分别由无损图像压缩算法进行处理 , 标准中不使用任何视
频帧间编码算法 。 Mot io n 一JP E G 的框架虽然在硬件实现的成
本上有一定的优势 , 但是无法利用视频中包含的时间域上的
信息冗余也是相当大的损失 。 3D JPE G 一L s[ 5,6 ] 线性组合一系
列基于参考帧的时间预测算子和 JP E G 一L S1 7 一9] 中的空间预测
算子 , 形成新的预测算子去估计需要编码的像素 , 但是预测
效果依赖于线性系数的选择 , 同时基于图像压缩的框架不利
于与现有发展成熟的有损视频压缩算法进行互补 , 基于这个
原因, 我们研究无损视频压缩算法的策略是 , 在 目前最好的
有损视频压缩算法的基础上 , 通过移除有损视频压缩算法中
的有‘损子算法部分 , 使用新的无损子算法取代而设计新的无
损视频压缩算法 。 这样设计的另一个好处在于不同的子算
法 , 比如运动估计和嫡编码 , 可以在平等的基础下进行性能
比较 。 由于 M PE G 一4 和 M PE G 一2 在基本压缩算法上 , L匕如
运动估计 , D C T 和墒编码上采用类似的设计 , 所以我们采用
M PEG
一
2 作为基础设计新的无损视频压缩算法 。
给定一个数字视频序列 , 我们根据不同的场景 , 将视频
序列顺次分成若干个 G O P( 图像组), 每个 G OP 中视频帧的场
景基木一致 , 并且 C O P 之间的场景有明显的变化 。 由于场
景发生了变化 , 所以对于每个 G O P 中的第一个帧 , 算法直
接使用 JPE G 一LS 进行帧内编码 , 而不使用运动估计一与补偿 ,
类似 M PE G 一2 中的 I帧 。 对于 G O P 中的其余帧 , 算法则通
过由前一帧的运动预测和补偿 , 去除时间域上的信息冗余 ,
然后使用墒编码算法编码运动补偿的误差和运动向量 , 类似
M PE G
一
2 中的 P帧 。 图 l给出了新的无损视频压缩算法的整
体结构 。
无损视频压缩算法需要消除两种信息冗余 : 像素原始值
之间的信息冗余和预测后误差值之间的信息冗余 。 因此要优
化无损视频压缩算法 , 重点应该放在两方面 : (l )优化运动估
计和补偿子算法部分 , 更好地去除像素原始值之间的信息冗
余15, 6] , (2 )优化嫡编码子算法部分 , 更好地去除预测后误差值
之间的信息冗余 。 本文的重点集中于优化嫡编码子算法部
分 , 提出了一种改进的基于上下文树的算术编码 , 作为无损
视频压缩算法中的嫡编码子算法部分 , 来提高无损视频压缩
算法的压缩率 。 同时针对 M PE G 一2 框架中的基于宏块的运动
估计和补偿算法进行了优化 , 使之可以配合墒编码子算法部
分 , 从而发挥更好的效果 。
根据我们在有损视频压缩研究上的经验 , 在视频图像序
列采用 YU v 格式的情况下 , 运动估计和补偿可以取得更佳
的效果 。 所以我们依然在 YU V 格式上执行运动估计和补偿
算法 , 这一点和 M PEG 一2 一样 , 不同的是在我们的算法中 ,
颜色向量 U 和 V 的图像尺寸和 Y 向量的图像尺寸一保持一致 ,
以避免信息的丢失 。 预测后的运动向量分别储存于 X 分量帧
和 Y分量帧 , 这样可以更好地去除各运动分量帧内的空间信
息冗余 。
视频图像序列
二厂尸一
G O P I
IPPPPPP
!
_ G p卯 }I G o p 3 1
1 IPI, PFP只 ! 1 IPPPPPP !
GGG O P IIIII JPE G
一
LSSSSSSSSSSSSSSSSS
IIIPPPPPPPPPPPPPP 输出的比特特
PPPPPPP 运动 III句量量
XXXXXXXXXXXXXXX 分JJJ致帧帧
图 1 无损视频压缩算法的蔡体结构
3 改进的基于上下文树的算术编码
虽然在无损视频压缩方面的研究工作不多 , 但是对于嫡
编码的研究却非常广泛 , 尤其在文木压缩和静态图像压缩方
面 。 在己经发表的研究算法中 , 我们发觉这一领域最好的技
术可以
为 : (1 )基于树结构统计模型的算术编码 ; (2) 基于
简化统计模型的 G ol o m b 编码 。 前者代表了理论上最好的技
术 , 通过为误差建立复杂的统计模型 , 来获取更好的压缩效
率 , 但是需要花费更多的计算代价, c A LI cl ’0J是使用这一技
术的代表 。 后者代表了实际运用上的最好技术 , 通过为误差
建立简化的统计模型 , 可以在花费较低计算代价的情况 下取
得相对不差的压缩效率 , 从而更加适合于在硬件和软件上的
实现 , JP E G 一 LS 是使用这一技术的代表 。 由于无损视频压缩
算法的压缩效果很大程度上依赖于嫡编码 , 所以我们希望设
计一种嫡编码算法既能够保留基于树结构统计模型的算术
编码的压缩效率 , 同时又可以通过简化结构和缩小计算复杂
度来提高编码的速度 , 使之可以适应于实际应用的需要 。 基
于这个 目的 , 我们根据以下 3 个原则改进基木算术编码 l川
和基于树结构的统计模型砂21 。
(l )对于误差帧的每个误差像素 “ x ” , 使用其附近的 4 个
误差像素来建立上下文序列 , 具体结构如图 2 (a) 所显示 。 对
于边界上的误差像素 , 上下文序列的长度可以根据其所在的
位置进行调整 , 原则如下 : (a )第一行的第一个误差像素没有
上下文序列 : (b )其他所有第一行的误差像素的上下文序列中
只有 “ I ’, : (c )其他所有第一列的误差像素的上下文序列只有
“ 2 ” 和 “4 ” ; (4 )其他所有最后一列的误差像素的J: 下文序
列只有 “ l” , “ 2 ” 和 “ 3 ” 。 与 C A L IC 算法中使用的误差统
计模型相比较 , 我们仅仅选择了和 “ x ” 的 4 个相邻位置的
误差像素(C A LI c 算法中为 7 个)来建立上下文序列 。 虽然我
们使用了较少的上下文 , 但是这 4 个误差像素与 “ x ” 的关
联最大 , 并且没有像在 C A LI C 算法中那样 , 被量化后才用
于产生上下文 , 所以我们实际使用的上下文的数目超过了
CA LI c 算法(5 76 X 8) , 这样可以更加准确地估计误差的统计
模型 。
(2 )通过计算 “ x ” , “ lx ” , “ 1 2 x ” , “ 123 x ” , 和 “ 12 3 4 x ”
第 3 期 夏 杰等: 一种新型的无损视频压缩算法 3 87
在误差帧中出现的次数 , 来建立误差值 “ x ” 基于不同上下
文的条件概率统计模型 。
p (x l’)二艺n l(x )炸云n l(y )
n 12 (x )
丫 二 P( 川 n =l
J‘. 日J 〔 七
P(x }12 )“ 艺, 、n lZ (, ) 艺、 , p (
x }12 ) = I
P(x {12 3) =
n 12 3(x )
(1)
艺, , n . 2 3(y) 艺、 : p (
x 112 3) = l
八二 . 12 34 ) = 一丛巡些一 丫 二尸(: , , 23 4、一 ,
2
一二 n : 2 、4 (夕) ~ ·。 。一了“
其中 。, (x )代表了 : 与上下文序列 : 一起出现的次数 , 若代
表所有可能的误差值 。 所有的条件概率统计模型按照相应的
上下文组织在一个类似文献[1 21 的树形数据结构内 , 我们称
之为上下文树 。 由于上下文序列最多只能由 4 个误差像素构
成 , 所以上下文树中最多只包含 4 层子节点 , 每个子节点代
表了 1 个基于在这个节点之前所出现的所有上下文的误差值
的条件概率统计模型 。 图 2 (b) 展示了一个典型的上下文树的
例子 。 为了减少计算的代价和算法的复杂度 , 我们没有像文
献〔12] 一样 , 为每个误差值 “x ” 建立全部的四个上下文节点 :
“ lx ”
, “ 12 x ”
, “ 12 3 x ”
, 和 “ 123 4x ” , 因为在误差帧中 , 唯
一路径上的上下文节点的频率计数是完全一样的 , 所以我们
可以合并这些节点成为一个节点 , 并建立一个分支连接这个
节点到上下文树相应的位置 , 因此每个分支代表了这些频率
计数相同的上下文 。 图 2 (b) 中的树可以简化成图 2 (c) 中的结
构 。
(3) 在上下文树中的每个节点上我们只对在该节点出现
的误差值进行频率计数和保存 , 而不是对所有可能的误差值
进行频率计数 , 因此每个节点的统计模型中都含有一个“ U S ”
(u nk o w n
一
sym bo l)符号来编码在统计模型中新 出现 的误差
值 。
(a)
卿
图 2
(a ) 上下文结构 (b) 上下文树的典型例子 (c )简化的上下文树
基于以上 3 个原则 , 对于视频序列中的每一个尸 帧 , 我
们都建立一个上下文树来编码运动补偿后误差帧中的误差
像素 。 首先对于一个需要编码的误差像素 “ x ” , 从上下文树
的根节点起开始搜索 , 依次匹配 “ x ” 的上下文序列 “ 12 34 ” ,
直到出现第一个无法匹配的上下文 。 这时 , 在上下文树中的
搜索停止位置可以分为 4 种情况 : (a) 搜索停止在 roo t节点 ,
上下文序列中没有一个上下文得到匹配 : (b) 搜索停止在一个
己经存在的非 : oo t节点 , 上下文序列全部得到匹配 ; (c) 搜索
停止
在一个已经存在的非 roo t节点 , 上下文序列部分得到匹配 ;
(d )搜索停止在上下文树中的一个分支上 。
对于情况(a ), 根据 roo t 节点的统计模型编码误差像素
“x ” , 如果 ro ot 节点下没有误差像素 ‘,x ” 的频率计数 , 则
编码一个 “ U S ” 符号 , 同时将误差像素值 “ x ” 输入到一个
文件 us fi le 中保存 。 初始化一个 “ 123 4x ” 的节点 , 同时将整
个上下文序列 “ 1234 ” 作为一个分支连接 r on t节点和新产生
的 “ 123 4x ” 节点 , 然后 ro ot 节点统计模型中误差像素值 “ x ”
的频率计数加 1 。
在使用误差值 “x’’初始化一个节点 尸的统计模型时 , 只
保存 ,’x ” 和 “ U S ” 两个值的频率计数 , 且分别记为 1 。
对于情况(b ), 假设搜索停止在一个节点 尸上 , 如果在节
点 尸 的统计模型中 , 各个误差值的频率计数的总和大于一个
预定的闽值 Thr e sho ld( 表明该节点 己经发展成熟), 则根据节
点尸 的统计模型编码误差像素 “ x ” 。 否则上移到节点尸 的父
节点厂 , 如果在节点厂的统计模型中 , 各个误差值的频率
计数的总和大于 T h re sho ld , 则根据节点厂的统计模型编码
误差像素 “ x ” 。 否则依次类推 , 直到达到 roo t节点 。 在编码
过程中 , 如果需要编码的节点下没有误差像素 “ x ” 的频率
计数 , 则编码一个 “ U S ” 符号 , 同时将误差像素值 “ x ” 输
入到一个文件 us . fil e 中保存。 从节点 尸到 : oo t 节点路径上的
所有节点统计模型中误差像素值 “ x ” 的频率计数加 l。
对于情况(c ), 假设搜索停止在一个节点 尸上 , 匹配的上
下文序列为 “ 12 ” , 未匹配的序列为 “ 34 ” , 使用情况(b) 的算
法在节点 尸上编码误差像素 “ x ” , 然后初始化一个 “ 123 4x ”
的节点 , 同时将未匹配的上下文序列 “ 34 ” 作为一个分支连
接节点 尸和新产生的 “ 1 2 3 4x ” 节点 。
对于情况(d ) , 假设搜索停止在一个分支 B “ 2 34 ” 上 ,
未匹配的上下文序列为 “4’ ” ,使用情况(b) 的算法在分支 B
的父节点 “ lx ” 上编码误差像素 “ x ” 。 由于分支 B 产生了新
的分支 , 所以分支 B 将分裂为两个分支 : “ 23 ” 和 “ 4 ’, 。 同时
产生一个节点 “ 12 3 x ” 作为分支 “ 2 3 ” 和 “ 4 ” 的连接点 ,
其统计模型直接从父节 点 “ 1x ” 继承 。 然后初始化一个
“ 1 234’x ” 的节点 , 同时将未匹配的上下文序列 “ 4’ ” 作为
一个分支连接节点 “ 一2 3x ” 和 “ 1 2 34 , x ” 。
最后完成单幅误差帧的编码后 , 剩余的 us .fi le 使用基木
算术编码 [1l 1 直接编码 , 同时 x 和 y 运动分量帧分别采用 与
编码误差帧相同的方法进行压缩编码 。
在该算法中 , 我们仅使用发展成熟的节点来编码误差
值 , 这样可以解决由于上下文数目过多而产生的上下文稀释
问题 , 同时在更新上下文树的时候 , 没有通过量化误差值来
削减上下文的数 目, 可以使建立起来的上下文树更加符合误
差分布的实际统计规律 , 从而取得更高的压缩率 。
3 8 8
第 2 8 卷
4 优化的基于宏块的运动估计和补偿算法
M PE G
一
2 框架中 P 帧的运动估计和补偿算法是基于 16
x 16 的宏块实现的 , 对于当前帧的每个宏块 , 从前一参考帧
中寻找最相似的宏块 , 进行求差运算 , 从而得到误差值 , 宏
块的偏移量则是该宏块的运动向量 。 对于以 (x , 力 为起点的
宏块 , 运动向量(Vx , 称)和是通过下列公式获得的 :
15 15
sA D (Px
,弓)=艺艺}月一 (Px + ‘,弓+ j)一月(x + ‘, , + 川 (2)
j = o j= 0
间相邻像素的误差值变化不会太大 , 从而降低了对这些像素
误差值的编码代价 , 而且从整幅误差帧的角度来看 , 误差值
的全局关联性得到了一定的保证 , 从而降低了上下文树中节
点的数 目 , 节约了运算时间 。 权值 盯 的引入就是为了取得全
局关联性和局部关联性的平衡点 , 通过实验 , 我们发现权值
口取值为 0. 4 适用于很多情况 。
实验结果与分析
(x’ , y’) =( 凡,弓)满足 :
{尺 一 x l< 1 1,
1弓一 川< 11 , K 一 x ’一 x, 价= 厂一 y (3)
sA D( 凡助为最小值 {
其中月和式_ . 分别是第 t帧和第 卜 1 帧 。
该宏块 中的每一个像 素 (i , 力 运动补偿 后的误差值
E (i
,
j)为
E (i
,
j) = 式(i, j)一月一、(i + Vx , j + 称) (4 )
改进的基于上下文树的算术编码算法侧重于提取误差
帧中空间信息冗余 , 误差值之间关联性越大 , 越容易获取更
大的压缩率 。 根据式(3) , MPE G 一2 框架中运动估计和补偿算
法使用的宏块预测标准是最小化误差绝对一值之和(S A D ), 但
是在满足最小化 SA D 标准的预测结果中 , 有些宏块的预测
误差值之间的波动比较大 , 反映出相邻像素误差值之间的关
联性被减弱了 , 在这种情况下会降低使用改进的基于上下文
树算术编码算法的性能 。 因此我们在 SA D 的计算公式中引
入 一个反映宏块预测误差值之间关联性的参考变量 CO R , 使
得预测误差值可以更好地被压缩 。 新的 sA D 倒ew SA D )的计
算公式如下 :
N ew SA D = S A D + 口 · CO R .
C o R = 艺艺}E (‘, j. )一厄}, 云二止
2 56
艺艺E (i , j) (5)
i, o j = 0 i= O J= 0
其中E (i , 力 是宏块中预测后的误差值 , 口是相应的权值 。
优化后的宏块预测标准就变为最小化 N ew SA D 。 从式(5)
中可以发现 , 在运动估计的过程中 , 我们依然需要将预测误
差值尽可能地保持在一定的范围内 , 这样不仅可以使宏块之
我们使用 5 个标准的 M PEG 一2 测试视频 : M o b ile ,
F一o w e卜o a rde n , su s ie , Mo m , 几a b le 一介n n is 和 l个使用摄像机
拍摄的视频 : O S U 一2 , 进行了两组对比实验 , 来验证设计的无
损视频压缩算法的优越性 。 在第 l 组实验 中 , 比较在
Mo tio n
一
JP EG 的框架下 , 分别使用 JPEG 一 LS 和 C A LIC 两种
目前最好的无损图像压缩算法产生视频每一帧内容的码流
的无损视频压缩算法 , 与使用我们设计的基于M PE G 一2 框架
的无损视频压缩算法 1(嫡编码子算法部分采用基木算术编码
11 ’〕以及保留 MPE G 一2 中原有的运动估计与补偿算法)分别压
缩测试视频的结果 , 从中我们发现 M P E G 一2 框架下使用帧间
基于宏块 的运动估计 与预测 算法的压缩效 果明显好于
M o tio n
一
JPEG 框架下 JPE G 一L S 和 CA L IC 中仅使用的帧内空
间预测的算法 , 表 l 列出了第 1 组实验的详细结果 。
在第 2 组实验中 , 我们将无损视频压缩算法 l的嫡编码
部分替换为提出的基于上下文树的算术编码 , 同时使用优化
的运动估计与补偿算法形成无损视频压缩算法 2 。 而参照算
法变为 : 参照算法 l使用 JP E G 一L S 来压缩运动补偿后的误差
帧 ; 参照算法 2 使用和 C A LI C 来压缩运动补偿后的误差帧 。
通过对比实验 , 从中我们发现提出的基于上下文树的算术编
码可以更加准确的估计预测误差的统计模型 , 从而压缩率超
过使用 JP EG 一LS 的参照算法最多为 20 . 1% ,超过使用 CA LI C
的参照算法最多为 18 % , 表 2 列出了第 2 组实验的详细结果 。
在算法实现的复杂度方面 , 相比于基本算术编码 l” ] , 计
算量主要增加在庞大的上下文树中搜索 , 找到合适的节点 。
通过在每个节点的对象中加入一个长度为 2 56 , 初始值为空
的指针数组 , 将子节点的指针放入数组中以子节点包含的上
下文序列第一个数值的位置中 , 这样匹配字符时就可以直接
表 l 无损视频压缩算法对比实验的结果(压缩比)
视视频名称称 视频尺寸寸 Mo tio n 一JPE G + JPE G 一LSSS M o tio n 一JPEG + C AL ICCC 无损视频压缩算法 lll
MMM o bileee 72 0 X 5 7 666 1 6 9 : lll 1
.
7 1: lll 2
‘
2 3 : 111
FFFlo w er
一
G a rd ennn 3 52 X 2 4 000 1 3 0 : lll 1
.
3 3 : lll 1
.
7 8 : lll
SSS u sieee 72 0 X 4 8 000 2
,
15 : lll 2
.
18 : lll 3 0 1: 111
MMM o mmm 36 0 X 2 4 000 2
.
24 : lll 2
.
2 4 : lll 2 j 3 : lll
TTTa bl
e 一te n n isss 3 52 X 2 4 000 1
.
33 : lll 1
.
3 5 : 111 2 2 9 : III
OOO S U
一
222 3 2 0 X 2 4 000 1
.
84 :lll 1
.
8 5 : lll 2
.
0 3 : l
第 3 期 夏 杰等 : 一种新型的无损视频压缩算法 3 89
表 2 使用基 于上下文树的算术编码后无损视频压缩算法对比实验的结果
视视频名称称 视频尺寸寸 参照算法 lll 参照算法 222 无损视频压缩缩 对 比参照算法 111 对 比参照算法 222
算算算算算算法 222 的提高(% ))) 的提高(% )))
MMM o bileee 72 0 X 5 7 666 2
.
1 8 : lll 2
.
2 8 : lll 2
.
4 8 : lll 13
.
888 8
.
888
FFFlo w e r- G ar d ennn 35 2 X 2 4 000 1
.
8 1 :lll 1 9 1 : lll 1
.
9 9 : lll 9
.
999 4
.
222
SSSU S ieee 7 20 X 4 8 000 2 8 3 : 111 2 9 8 : lll 3
.
4 9 :lll 2 3
.
333 17
.
111
MMM o mmm 3 60 X 2 4 000 2
.
9 2 : lll 2乡6 : lll 3 . 5 3 :lll 2 0 . 111 19 . 333
TTTa bl
e 一te n n isss 3 5 2 X 2 4 000 2乃8 : 111 2 6 3 :lll 2 87 :lll 1 1 . 222 9 . 111
OOOS U
一
222 3 2 0 X * 24 000 2
.
1 1: lll 2
.
19 :lll 2
.
32 :lll 9
.
999 5
.
999
访问包含下一个上下文的节点 , 直到遇到空指针 。 对于压缩
一幅像素总数为 N 的误差帧来说 , 比较基本算术编码11 ’】, 计
算复杂度的增加为 0 (N ) 。 当然添加指针数组使每个节点的
对象大小增加了大概 5 12 个 byte , 考虑上节点对象包含的统
计概率数组的大小 , 在不做任何优化的情况下 , 每个节点在
内存中大约占据 1 . skby te 。 这样在最坏的情况下(编码每个节
点时都产生两个新的节点), 对于 35 2 X 24 0( CI F) 大小的误差
帧进行编码时 , 整个上下文树将有 2 X 35 2 X 240 个节点 , 大
约需要占据 25 0M 的内存空间 。 目前的个人 PC 己经可以忍
受这样的空间代价。
5 结束语
木文在 MPEG 一2 的基础上设计了无损视频压缩算法 , 提
出了一种改进的基于上下文树的算术编码来压缩运动补偿
后的误差帧, 同时针对改进的算术编码 , 优化基于宏块的运
动估计与补偿算法 , 以提高无损视频压缩算法的压缩率 。 从
实验结果发现 , 相比于 JP E G 一 LS 和 CA LI C 中使用的帧内预
测模型 , 基于宏块的帧间运动估计可以取得更好的预测结
果 , 使得补偿后的误差帧更加易于压缩 。 同时提出的基于上
下文树的算术编码可以更好估计补偿误差的概率分布 , 配合
优化后的运动估计与补偿算法 , 从而进一步提高无损视频压
缩算法的性能 。 进一步的工作可以把重点放在开发更好的运
动估计 与补偿算法 , 比如类似 H .2 64 中的基于可变尺寸块的
运动估计算法 , 或者基于对象的运动估计算法 , 来提高无损
视频压缩算法的性能 。
参 考 文 献
[2 ] 15 0 / IE C JT C I/ SC 2 9/ W G l lN 2 7 2 5
,
MPEG
一
4 0 ve rv iew
,
19 9 9
-
【3 ] TU 一T D r a ft , H 2 6 3 , V id eo C o d in g fo r L o w B it R ate
C o m m u n ie atio n
,
19 9 8
-
【4」 B ha sk ar an V , K o n stan tin id e s K . Im ag e a n d V id e o C o m Pre ssio n
Sta n d a rd s : A lg o rithm s a nd A rc h itee tu re s
.
N o rw
e l卜 Klu w e r
A c a d em ie P ub lishe rs
,
19 9 7 : 15 一 19 5 .
[5 ] C
ar o tt i E S G
,
D e M a rt in J C
,
M eo A R
.
L o w
一
c o m Ple x ity Io s sless
v id eo e o d in g v ia a dap tiv e sPat io
一tem Po ra lPre d ie tio n
.
Pr o ee ed in g s
.
20 0 3 In te rn a tio n a l C o n fe re n ee o n Im ag e Pr o e ess in g
,
B a re e lo n a
,
2 0 0 3 : 19 7 一 2 00 .
[6 1 B
r un ello D
,
C a lv ag n o G
,
M ian G A
,
R in a ld o R
.
L o ssle ss
e o m Pre ssio n o f v id eo u sin g tem Po r al in fo r m a tio n
. 了石石E T) ℃n s . o n
Im ag
e Pro cess ing
,
2 0 0 3
,
1 2(2 ): 5 7 5 一 5 8 6 .
【7 ] W ein b e rg e r M J, Se ro u ssi G , Sa Piro G . T he LO CO ·1 lo s sless
im ag
e eo m P re ssio n a lg o rithm : Prin eiPle s a n d stan d ar d iz atio n in to
JPE G
·
LS
. 了E石石升 口n s . o n Im a g e Pr o e es s ing, 2 00 0 , 9(8 ): 13 0 9 一
1 32 4
.
ts] 15 0 / IE C 14 4 9 5
一
l
,
IT U R e eo m m e n d at io n T
.
8 7
,
In fo r m atio n
tee hn o lo gy—L o ssle ss an d n e ar 一lo ssle ss e o m Pre ssio n o f
e o n tin u o u s
一 to n e stillim a g es
,
19 9 9
.
【9 1 15 0 /IE C FCD 14 4 9 5 一2 , JPE G 一L S P art Z , 2 0 0 0 .
【10 ] W u X , M e m o n N . C o n tex t一b a se d a d aPtiv e lo ssle ss im ag e eo d in g .
IE E E Tr
a ns
.
o n
Co m m
u n ic a tio n s
,
19 9 7
,
4 5(4 ): 4 3 7 一 4 4 4
.
[1 1 ] W itt
e n I H
,
N ea l R M
,
C lea ry J G A rithm e tie eo d in g fo r d ata
eo m Pre ss io n
.
Co m m
u n iea tio ns of rh
e A CM, 19 8 7
,
3 0(6 ):
5 2 0 一 5 4 0 .
[12 ] W 亡inb erg e r M J , R issa n en J J, A rp s R B
.
A PPlie atio n s o f
u n iv er sal eo n te x t to lo ss les s eo m Pr e ssio n o f g r ey
一
le v e l im a g es
.
了石石石升口n s , o n lm ag e Pro c es si儿g , 19 9 6 , 5(4 ): 5 7 5 一 5 8 6 .
【l] M ite hell J L , Pe n n ebak e r W B , Fo g g C E , L eG a ll D J. MPE G
V ide o : C o m Pre ssio n Sta nd ard N e w YO
rk : C haPm a n & H a ll
,
19 9 6 !
17 1 一 3 3 3 .
夏 杰 :
侯朝焕 :
男 , 19 7 9 年生 , 博士生 , 研究方向为图像与视频处理 .
男 , 19 3 6 年生 , 中国科学院院士 , 研究方向为信息和
信号处理 、 声学等 .