改進的λ 域碼率估計模型

毛永芹，王向文

（上海電力大學，上海 201306）

0 引言

在視頻編碼的過程中，編碼壓縮后的碼流信息通常會在帶寬有限且不恒定的信道中傳輸[1]，為了使編碼后的視頻流更好地在信道中傳輸，避免發(fā)生接收端因為傳輸?shù)乃矔r碼率過大導致接收端的碼流緩沖溢出，或者是傳輸?shù)拇a率過小而導致接收端視頻的播放質(zhì)量不清晰或者模糊等現(xiàn)象。因此，一個準確的碼率估計模型對于視頻編碼算法的優(yōu)化是至關(guān)重要的。

碼率控制技術(shù)一直是眾多學者的研究熱點，為此國內(nèi)外研究者也提出了較多碼率估計模型。準確的碼率估計模型對碼率控制中的碼率分配起到?jīng)Q定性作用。在視頻編碼中，常見的碼率估計模型主要有R-Q 模型[2]、R-ρ 模型[3]以及R-λ 模型[4]。碼率R由一組編碼參數(shù)共同決定，R-Q 模型和R-ρ 模型都把Q當作可以控制R的重要因素，認為可以通過調(diào)節(jié)量化參數(shù)Q達到目標碼率R。但是隨著編碼參數(shù)的增加，R和Q之間并不是一一對應(yīng)的關(guān)系，所以用R-Q 模型和R-ρ 模型來估計碼率R并不準確。R-λ 模型是通過建立率失真優(yōu)化模型來得到拉格朗日乘子λ，利用拉格朗日乘子控制目標碼率R。該模型相對于R-Q 模型和Q-ρ 模型在編碼性能和編碼精度上都有所提升。文獻[4]算法中R-λ 模型的參數(shù)α和β是利用已經(jīng)編碼的圖像預(yù)測更新的，并沒有考慮到編碼圖像本身的內(nèi)容特征。當視頻序列中存在大量的運動時，運動特征對視頻的預(yù)測誤差有很大的影響[5]。而在靜態(tài)或運動較小的區(qū)域，紋理特征對預(yù)測誤差的影響會比較大。算法的原有模型參數(shù)α和β并不能表示當前編碼圖片的參數(shù)特征，若傳輸一段具有劇烈運動或具有復雜場景變化的視頻，將導致碼率估計不準確。文獻[6]通過預(yù)編碼確定模型的參數(shù)α和β，使得碼率估計模型的精度以及視頻的編碼質(zhì)量提升，但是該算法大大提高了編碼復雜度，增加了編碼延遲。

綜上所述，為了解決因視頻序列劇烈運動或者存在復雜場景變化導致的模型參數(shù)α和β不準確，從而導致R-λ 預(yù)測模型準確度不夠的問題，本文提出了一種改進的λ域碼率估計模型，提高碼率估計模型的精度。將R-λ 模型根據(jù)視頻幀所在的預(yù)測層分類為不同的模型，建立模型參數(shù)α和β與圖像運動特征和紋理特征的關(guān)系，最后實驗數(shù)據(jù)驗證模型的精確度，同時將模型應(yīng)用在HM 編碼器中進行實驗。

1 R-λ 模型參數(shù)α和β 的更新

在推導R-λ 模型之前，應(yīng)該先選擇合適的R-D 模型，文獻[7]中推導建立了適用于H.265/HEVC 視頻碼率與失真的雙曲模型關(guān)系：

式中：C和K是與編碼圖像內(nèi)容特征相關(guān)的模型參數(shù)；R-D 曲線切線的斜率是拉格朗日乘子λ，因此λ可以表示為：

由式（2）得：

在實際的圖像層中，考慮到比特分配得到的目標比特RT以及圖像的長度h和圖像的寬度w，可以計算出平均每像素的目標比特數(shù)bpp，其值為通過bpp 可以得到當前編碼圖像的拉格朗日乘子λ為：

與此同時，通過大量的實驗表明量化參數(shù)QP 與拉格朗日乘子λ的對數(shù)之間存在一次線性函數(shù)的關(guān)系[8]：

通過大量的數(shù)據(jù)測試，選擇a=4.200 5，b=13.712 2是相對準確的。通過式（4）確定編碼單元的拉格朗日乘子λ，通過式（5）確定編碼時的量化參數(shù)QP。

為了使得碼率控制模型更加準確，需要對模型參數(shù)α和β進行實時更新，本文主要研究幀級模型參數(shù)的更新。在HM13.0 中基于R-λ 模型碼率控制算法，采用式（6）、式（7）的參數(shù)更新方法。

式中：αold、βold、λreal分別為編碼單元層確定量化參數(shù)QP時所使用的α、β、λ；bppreal為編碼單元層完成編碼后得到的實際編碼的比特數(shù)；δα、δβ分別設(shè)置為0.1 和0.05；αnew、βnew為更新后的模型參數(shù)。實際編碼使用的拉格朗日乘子λ計算公式如式（8）所示[9]：

式（6）、式（7）對模型參數(shù)的更新過程可以理解為是使用lnλreal-lnλcomp對模型參數(shù)進行校準。模型參數(shù)α和β只與當前編碼圖片的內(nèi)容特征有關(guān)系，盡管使用lnλreal-lnλcomp進行校準也還會造成模型精度的損失，利用已編碼圖片的參數(shù)α和β并不能完全表示當前圖片的參數(shù)特征。文獻[6]通過對編碼單元預(yù)編碼來確定R-λ 的模型參數(shù)α和β，使得碼率控制的模型精度以及編碼質(zhì)量都提升，但是將會增加編碼的復雜度，同時將會造成編碼的延遲。

綜上所述，若可以建立當前編碼圖片的內(nèi)容特征與模型參數(shù)α和β的關(guān)系，將會使參數(shù)α和β的值更準確，進而提升R-λ 模型的精度，提高視頻編碼的質(zhì)量。

2 改進的λ 域碼率估計模型

2.1 圖像的內(nèi)容特征

圖像的內(nèi)容特征是指圖像所展現(xiàn)的物體、背景、運動等方面的特征，在視頻編碼中，它對于視頻壓縮的效果有重要影響。視頻編碼算法通過對這些內(nèi)容特征的分析和利用，最終實現(xiàn)了視頻序列的高效編碼和壓縮。

圖像特征提取是影響模型精度的重要因素，本文主要研究分層編碼結(jié)構(gòu)下的模型參數(shù)α和β的更新。由第1 節(jié)可知，R-λ 的模型參數(shù)α和β與圖片的運動特征和紋理特征有關(guān)。圖像運動特征的提取是通過比較相鄰幀的像素差異，可以得出每個像素在運動過程中的位移和方向，這樣就可以在編碼過程中只保存差異部分。圖像中的紋理信息描述了像素之間的相對關(guān)系。由于視頻運動是連續(xù)的，本文把視頻前一幀與后一幀對應(yīng)像素點之間的方差定義為運動特征，把當前圖片像素點之間的方差定義為圖片的紋理特征，具體表達式如下：

式中：MOTIONcur為當前圖片的運動特征；TEXTUREcur為當前圖片的紋理特征；Vdiff等于當前幀的像素點減去下一幀的對應(yīng)像素點的絕對值；θ是變量；Npixel表示該圖片像素點的個數(shù)。

2.2 R-λ 模型參數(shù)α、β 的建模

由2.1 節(jié)的描述可知，圖像的運動特征和紋理特征對視頻壓縮具有重要的影響，對于R=α·λβ預(yù)測模型來說，模型參數(shù)α和β是影響預(yù)測誤差的系數(shù)。在R-λ模型中，運動特征和紋理特征通過α和β參數(shù)來調(diào)節(jié)預(yù)測誤差。本文考慮建立一個基于R-λ 模型參數(shù)α和β的模型，將參數(shù)α和β建模為圖像運動特征和紋理特征的函數(shù)，該模型用于計算視頻編碼時R-λ 模型所需要的參數(shù)，根據(jù)本文提出的參數(shù)α和β與圖像運動特征和紋理特征的模型，最終使R-λ 模型更加準確，提高了視頻編碼的率失真性能。

在HEVC中，存在兩種非常典型的編碼結(jié)構(gòu)，它們的引用關(guān)系非常靈活，一個定義于圖1 所示的低延遲（LD）編碼結(jié)構(gòu)[10]，另一個定義于圖2 所示的隨機接入（RA）編碼結(jié)構(gòu)[11]。

圖1 HEVC 中低延遲（LD）編碼結(jié)構(gòu)

圖2 HEVC 中隨機接入（RA）編碼結(jié)構(gòu)

圖1 和圖2 顯示的LD 和RA 配置是早 于HM16.11 的HEVC 參考編碼器的默認分層預(yù)測結(jié)構(gòu)。以LD 編碼結(jié)構(gòu)為例，LD 編碼有三種不同的層次，如圖1 所示。直觀地看，圖f4n屬于零層，圖f4n+2屬于一層，圖f4n+1和f4n+3屬于第二層。RA 編碼結(jié)構(gòu)類似，分為4 個層次，如圖2所示。在HM16.11 之后，RA 編碼結(jié)構(gòu)的GOP=16，并且分為5 個不同的層次。從這兩種編碼結(jié)構(gòu)中可以看出，同一個層次視頻序列之間的聯(lián)系相對于不同層次視頻序列之間聯(lián)系更加緊密，由此可以判斷出R-λ 模型中屬于同一層次視頻序列的參數(shù)α和β具有相似的變化規(guī)律。因此，本文根據(jù)使用的編碼結(jié)構(gòu)，將視頻序列按照視頻幀所在的預(yù)測層分為不同的模型，則不同層之間的R-λ 模型為：

式中：Rk、λk、αk和βk分別為第k層的實際編碼比特R、第k層的拉格朗日乘子λ、第k層的模型參數(shù)α和β。

結(jié)合2.1 節(jié)利用公式得到每個編碼序列的運動特征和紋理特征的值。從實驗中觀察出，同一層次的模型參數(shù)α和β可以分別通過以下模型來計算：

式中：αk和βk分別表示第k層參數(shù)α和第k層參數(shù)β；γk表示第k層的α和β的模型參數(shù)；MOTIONk和TEXTUREk分別表示第k層編碼序列運動特征和紋理特征的值。

將JCTVC 提供的視頻序列classD 作為測試序列。對同一個序列使用8 個不同的量化參數(shù)QP 編碼，編碼的每一幀圖片有不同的實際編碼比特R和拉格朗日乘子λ，根據(jù)R-λ 模型，使用編碼出的每一幀圖片的比特R和拉格朗日乘子λ擬合出參數(shù)α和β的準確值，將準確值與使用式（13）和式（14）的模型計算出的α和β對比，判斷所建關(guān)系的合理性。

使用R2表示模型的估計誤差，R2是用于測量給定模型數(shù)據(jù)變化程度的量[12]，其定義為：

式中：Xi和分別為數(shù)據(jù)點的實際值和估計值為數(shù)據(jù)點的平均值，使用模型獲得估計值。對于任何合理的模型，期望式（15）右側(cè)的估計值小于1，因此R2取0～1之間的值。R2的值越接近1，模型越好。如表1 所示，所有的測試序列的R2都大約等于0.99，說明提出的模型能夠很好地表示參數(shù)α和β與圖像內(nèi)容特征的關(guān)系。α和β模型的準確度如表1 所示。

表1 α和β 模型的準確度（R2）

3 實驗結(jié)果

為了驗證本文所提改進的λ域碼率估計模型的準確性，將改進的λ域碼率估計模型集成到HEVC 參考軟件HM-16.20 的碼率控制算法中，并與HM-16.20 本身的碼率控制算法進行對比，JCTVC-K1003 中提出的碼率估計模型已經(jīng)集成到了HEVC 參考軟件中，所以在本文的比較實驗中，共有兩種碼率估計模型。

1）JCTVC-K1003。JCTVC-K1003 中提出的碼率估計模型應(yīng)用在HM-16.20 的碼率控制算法中。

2）PicAdaRateEst。本文提出的改進λ域碼率估計模型應(yīng)用在HM-16.20 的碼率控制算法中。

實驗使用的序列來自JCTVC 提供的視頻序列[13]classD，包括 BasketballPass、BlowingBubbles、BQSquare 以及RaceHorses，并且這4 個序列的分辨率均為416×240，其中BasketballPass 和BlowingBubbles 的幀率為50 f/s，BQSquare 為60 f/s，RaceHorses 為30 f/s。基于HEVC 通用測試條件下的LD（Low Delay，低延遲）配置編碼環(huán)境。按照視頻幀所在的預(yù)測層將視頻序列分為三層。實驗中使用的目標碼率為HEVC 通用測試條件生成Anchor 碼流的碼率，使用LD 配置下的分層編碼結(jié)構(gòu)進行測試。實驗主要從改進的R-λ模型的碼率相對誤差以及亮度峰值信噪比（PSNR）兩方面進行評估和分析。對比JCTVC-K1003中碼率估計方法和本文改進的λ域碼率估計方法的模型精確度以及編碼的性能。

使用碼率相對誤差[14]Rerr描述R-λ 模型的精確度，它的計算公式為：

式中：Rtar和Ract分別表示目標碼率和實際編碼的碼率；Rerr越小表示碼率估計的模型越準確。

使用編碼輸出的峰值信噪比[15]描述本文所提方法的編碼性能，編碼輸出的峰值信噪比客觀反映了編碼后重建視頻質(zhì)量的好壞問題，編碼輸出峰值信噪比越高，編碼后重建視頻質(zhì)量就越好。

表2列出了不同測試序列在4個目標碼率下JCTVCK1003 和PicAdaRateEst 兩種碼率估計方法準確度和性能測試的結(jié)果。從表中可以看出，JCTVC-K1003 標準的平均Y-PSNR 為34.35 dB，本文所提碼率估計方法的平均Y-PSNR 為34.50 dB，本文提出的方法相對于JCTVCK1003 標準的Y-PSNR 提高了0.15 dB。JCTVC-K1003碼率估計模型的相對誤差平均為0.718%，本文提出的方法平均為0.068%，本文提出的方法相對于JCTVCK1003 碼率估計模型的平均誤碼率下降了0.65%。

表2 兩種碼率估計方法的準確度和性能比較

4 結(jié)語

一個準確的R-λ 模型對于視頻編碼的優(yōu)化是至關(guān)重要的，直接影響到編碼的性能以及視頻編碼的質(zhì)量。本文基于R-λ 模型，將其參數(shù)α和β建立為圖像運動特征和紋理特征的模型，避免了因編碼序列劇烈運動或發(fā)生場景變化而導致的模型不準確的問題，使R-λ 模型具有圖像自適應(yīng)性。實驗結(jié)果表明，該方法與JCTVCK1003 標準中碼率估計的方法相比，相同條件下平均碼率誤差下降了0.65%，平均亮度峰值信噪比增益提高了0.15 dB。該改進算法能夠提高視頻傳輸?shù)馁|(zhì)量和碼率穩(wěn)定性，在實際應(yīng)用中具有一定的潛力和價值。