视频编码标准回顾及AVS视频关键技术

一、国际音视频编码技术标准回顾

20世纪90年代以来，ITU-T和ISO制定了一系列音视频编码技术标准（信源编码技术标准）和建议，这些标准和建议的制定极大地推动了多媒体技术的实用化和产业化。从技术进步的角度看，1994年完成的第一代信源编码技术标准MPEG-1和MPEG-2的压缩能力为50-75倍。进入新世纪以来，第二代信源编码技术标准相继出台，压缩效率可达到100-150倍。第二代信源编码技术标准将使原来刚刚形成不久的国际数字电视和数字音视频产业格局重新“洗牌”。

国际上音视频编解码标准主要有两大系列：ISO/IEC JTC1制定的MPEG系列标准，数字电视采用的是MPEG系列标准；ITU针对多媒体通信制定的H.26x系列视频编码标准和G.7系列音频编码标准。

CCITT(国际电报电话咨询委员会，现并入国际电信联盟ITU)从1984年开始提出一系列有关音频编码算法和国际标准。1984年CCITT第15研究组成立了一个专家组，专门研究电视电话的编码问题，经过5年以上的研究和努力，在1990年12月完成和批准了CCITT推荐书 H.261。在H.261的基础上，1996年ITU-T完成了H.263编码标准，在编码算法复杂度增加很少的基础上，H.263能提供更好的图像质量、更低的速率，目前，H.263编码是IP视频通信采用最多的一种编码方法。1998年ITU-T推出的H.263＋是H.263建议的第二版，它提供了12个新的可协商模式和其他特征，进一步提高了压缩编码性能。

MPEG是国际标准化组织和国际电工委员会第一联合技术组（ISO/IEC JTC1）1988年成立的运动图像专家组（Moving Picture Expert Group）的简称，全称为ISO/IEC JTC1第29分委会第11工作组（ISO/IEC JTC1/SC29/WG11），负责数字视频、音频和其他媒体的压缩、解压缩、处理和表示等国际技术标准的制定工作。从1988年开始，MPEG专家组每年召开四次左右的国际会议，主要内容是制定、修订、发展MPEG系列多媒体标准。视音频编码标准MPEG-1(1992)和MPEG-2(1994)、基于视听媒体对象的多媒体编码标准MPEG-4(1999年)、多媒体内容描述标准MPEG-7(2001)、多媒体框架标准MPEG-21。目前，MPEG系列国际标准已经成为影响最大的多媒体技术标准，对数字电视、视听消费电子产品、多媒体通信等信息产业的重要产品产生了深远影响。

CCITT H.261标准始于1984年，实质完成于1989年，是MPEG的先驱。MPEG-1和H.261有共同的数据结构、编码工具和语法元素，然而两者并非完全后向兼容，MPEG-1可看作是H.261的扩展集。MPEG-1的发展始于1988年，实质完成于1992年。MPEG-2可被看作是MPEG-1的扩展集，始于1990年，实质完成于1994年。H.263始于1992年，第一版完成于1995年。MPEG-4（其视频部分建立在MPEG-2和H.263的基础上）始于1993年，第一版实质完成于1998年。

MPEG专家组已经和正在制定的标准包括：

(1) MPEG-1标准：1992年11月正式成为国际标准，名称为“用于数字存储媒体速率为1.5Mbps的运动图像及其伴音的压缩编码”。MPEG-1的支持的视频参数为352 X 240 X 30帧/秒或相当。

(2) MPEG-2：1994年11月成为国际标准（ISO/IEC13818），这是一个适应性广的动态影像和声音编码方案，最初目标是把视频及其伴音信号压缩到10Mb／s，经实验可适用于1.5-60Mb／s的编码范围，甚至还可以更高。MPEG-2可用于数字通信、存储、广播、高清晰度电视等的压缩编码。DVD和数字电视广播采用的是MPEG-2标准。1994年后，MPEG-2标准还进行了一定扩展和修订。

(3) MPEG-4：注意到低带宽应用的需要和交互式图形应用（游戏等合成内容）、交互式多媒体（WWW等内容分发和访问技术）的快速发展，MPEG专家组成立了MPEG-4工作组，以促进上述三个领域的集成。1999年初，定义标准框架的MPEG-4（第一版）成为国际标准（ISO/IEC 14496-1），提供多种算法和工具的第二版已于99年底成为国际标准（ISO/IEC 14496-2），后续还在制定第三、四、五版。

(4) MPEG-7与MPEG-21标准：MPEG-7是面向多媒体信息搜索、过滤、管理和处理的内容表达标准，2001年7月成为国际标准。正在制定的MPEG-21的重点是多媒体框架，为与多媒体内容递交相关的所有已开发的和正在开发的标准提供基础体系。

二、第二代视频编码标准

1994年制定的MPEG-2标准和H.263标准是国际音视频标准领域的一个里程碑，是音视频行业遵循的基本标准。近十年来，音视频编码技术本身和产业应用背景都发生了明显变化。ITU-T于1997年提出的一个长期的视频标准化项目H.26L，ITU-T并在1999年8月推出该标准的第一版测试模型。为了响应ISO/IEC MPEG对先进视频编码技术的需求，从2001年开始，ISO和ITU开始组建了联合视频工作组（JVT，Joint Video Team ，ISO/IEC MPEG和ITU-T VCEG联合视频工作组），在H.26L的基础上开发新的视频编码标准，即JVT标准。

JVT标准是一套兼顾广播和电信、覆盖从低码率通信到高清晰电视的广域标准。在ISO/IEC中，该标准的正式名称为MPEG-4 AVC（Advanced Video Coding）标准；在ITU-T中的正式名称为H.264标准。2003年下半年，ISO/IEC以MPEG-4第十部分（ISO/IEC 14496-10）的名义正式发布了这项标准。

虽然MPEG-4 AVC/H.264是第二代标准中的一个重要代表，但远不如MPEG-2当年那样一枝独秀，而且面临着多个来自企业和其他标准组织强有力的技术竞争。来自企业的竞争者以微软提出的WMV9为代表。SMPTE（Society of Motion Picture and Television Engineers，美国电影与电视工程师协会）是得到美国国家标准研究所（ANSI）认证的视频、电视和电影工业标准开发组织，在制定和发掘私有规范方面具有丰富经验。2003年09月，SMPTE接收WMV-9所采用的压缩技术规范作为一种视频编解码格式标准，标准草案名称为“SMPTE Standard for Television: VC-9 Compressed Video Bitstream Format and Decoding Process”，简称VC-1。2006年4月，SMPTE 正式发布VC-1。

AVS标准是中国数字音视频编解码技术标准工作组（AVS工作组）制定的数字音视频编码标准。AVS工作组成立于2002年，成员包括国内外从事数字音视频编码技术和产品研究开发的一百多家机构和企业。AVS工作组的任务是面向我国的信息产业需求，组织制定行业和国家信源编码技术标准。AVS国家标准的正式名称是《信息技术先进音视频编码》，编号为GB/T 20090，包括9个部分，其中《第2部分视频》（简称AVS视频）于2006年2月颁布，3月实施。AVS视频标准主要面向高清晰度和高质量数字电视广播、数字存储媒体和其他相关应用。它具有四大特点：（1）性能高，编码效率比MPEG-2高2倍以上，与H.264的编码效率相当；（2）复杂度低，算法复杂度比H.264低；（3）实现成本低，软硬件实现成本都低于H.264；（4）专利授权模式简单，费用明显低于同类标准。

AVS标准和相关国际标准的时间对应关系以及AVS工作组已经开展的工作如下图所示。

图 1 视频编码标准与AVS标准发展过程

三、视频压缩基本原理

视频能够压缩的根本原因在于视频数据具有较高的冗余度。压缩就是指冗余的消除，主要基于两种技术：统计学和心理视觉。

消除统计冗余的基本依据是视频数字化过程在时间和空间上采用了规则的采样过程。视频画面数字化为规则的像素阵列，其密集程度适于表征每点最高的空间频率，而绝大多数画面帧包含非常少甚至不含这种最高频率的细节。同样，所选的帧频能够表征场景中最快的运动，而理想的压缩系统只要描述场景所必需的瞬时运动即可。简言之，理想的压缩系统能够动态适应视频在时间和空间上的变化，所需要的数据量远低于数字化采样所产生的原始数据。

心理视觉技术主要是针对人类视觉系统极限。人类视觉在对比度带宽、空间带宽（特别是彩色视觉）、时间带宽等方面存在极限。而且，这些极限并非相互独立，整体的视觉系统存在上限，例如，人眼不可能同时察觉到时间和空间的高分辨率。显然，没有必要表征那些不能被感知的信息，或者说，一定程度的压缩损失是人的视觉系统是感知不出来的。

视频编码标准并非一个单一的算法，而是一整套的编码工具，这些工具综合起来就达到了完整的压缩效果。视频压缩的历史可以追溯到上个世纪50年代初，在随后30多年时间里，主要的压缩技术和工具逐渐发展起来，在上世纪80年代初，视频编码技术初步成型。最初每个主要的工具都是作为视频编码的一个完整解决方案而提出，各条技术主线平行发展，最终各性能最佳者汇合成为完整的解决方案，方案集成的主要贡献者是标准化组织，来自各国家和组织的专家们共同完成了方案集成工作，或者说，编码标准方案是标准委员会原创的。另外，尽管有些技术多年前就已经提出，但由于实现代价昂贵而没能在当时得到实际应用，直到近年来半导体技术的发展才满足实时视频处理的要求。