CN100488254C - 一种基于上下文的熵编码方法及解码方法 - Google Patents

Abstract

本发明公开了一种基于上下文的自适应熵编码方法，包括：按照顺序扫描DCT系数块，得到系数块中最后一个非零系数及该系数前的系数，及非零系数的个数值；由非零系数的个数值，求当前块非零系数个数值和相邻块非零系数个数值的差值，为非零系数个数值构造上下文模型，并对非零系数个数值的差值做编码；对最后一个非零系数及之前的系数求取非零系数标志位；按照扫描顺序，为非零系数标志位选择上下文模型做编码；按扫描顺序或扫描的逆序对非零系数的绝对值减1，并为结果利用宏块类型、块中非零系数个数及在扫描中的位置选择上下文模型进行编码，编码完一个非零系数绝对值减1后再编码其符号位。本发明还公开了一种与编码方法相对应的解码方法。

Description

一种基于上下文的熵编码方法及解码方法

技术领域

本发明涉及一种用于信号压缩中DCT系数自适应算术熵编码的上下文建模方法，并给出了一种新型的编/解码***，适用于信号处理领域中各种图像/视频/音频DCT变换数据的熵编码。

背景技术

视频编码技术是数字媒体存储与传输等应用的关键技术。视频编码***中的核心技术包括预测编码、变换编码、熵编码。其中，熵编码技术是对编码过程中产生的语法元素，如运动矢量(mv)、宏块编码模版(cbp)、块预测残差系数等进行信息熵编码，其作用是去除数据的统计冗余。

当前的视频编码标准对块预测残差系数的编码方法有：H.261、MPEG-2标准的2D-VLC熵编码器；H.263、MPEG-4标准的3D-VLC熵编码器及H.264/AVC视频编码标准的CAVLC熵编码器和CABAC熵编码器。

2D-VLC熵编码器对残差系数的编码采用(level，run)+EOB的编码方式，其中的level表示非零系数的值，run表示当前非零系数与前一个非零系数之间的零系数的数量，EOB表示块结束标志。EOB在码表中独占一个位置，即EOB单独分配一个码字。3D-VLC熵编码器将EOB结合在(level，run)数对中，形成三维量(level，run，last)，这样腾出了码表中EOB占据的较短码字，并且利用了level、run及EOB的联合概率，因此编码效率有提高。JVT视频编码标准的CAVLC熵编码器由于其充分的利用了上下文信息，并针对4 X 4块大小进行了很好的优化，因此虽然将level、run分开编码，但依然取得了很好的编码结果。以上熵编码器属于变长编码器，其基本方法是Huffman编码，虽然性能有所提高，但是并没有充分利用信源符号的统计概率(无自适应性)，同时对于概率大于0.5的信源符号无法有效编码。

H.264/AVC视频编码标准的CABAC熵编码器是一种自适应的算术编码器，算术编码器的性能高于变长编码器，因为CABAC能够更好地利用上下文进行建模，对信源符号的出现概率有更准确的估计，编码效率很高。尽管相比于变长编码器，算术编码器的计算复杂度高，硬件实现复杂。算术编码器其高效的编码性能受到越来越多工业界和学术界的重视：当前几乎所有音频/视频编码标准(如JPEG，JPEG-LS，MPEG Audio/Video，H264等)均包含了算术熵编码的扩展技术，而JPEG2000则直接采用了自适应二值算术编码。

利用上下文进行建模是算术编码器具有很高编码效率的关键，因此，上下文建模方法的好坏对算术编码器的编码效率有很大的影响。在H.264视频编码标准中，已经对上下文建模的过程作了描述，在本发明中是要提出一种新的与上H.264视频编码标准不同的下文建模方法。

发明内容

本发明的目的是克服变长编码/解码方法中没有充分利用信源符号的统计概率，编码效率较低的缺点，提供一种基于上下文的自适应熵编码方法和解码方法。

为了实现上述目的，本发明提供一种基于上下文的自适应熵编码方法，包括：

1)、按照扫描顺序扫描DCT系数块，得到当前DCT系数块中最后一个非零系数及该系数之前的所有系数，以及非零系数的个数值；

2)、由步骤1)得到当前DCT系数块的非零系数的个数值，求当前块非零系数个数值和相邻块非零系数个数值的差值，并将相邻块的非零系数个数值的信息量化成若干区间，为每个区间构造与非零系数个数值相关的上下文模型，以对非零系数个数值的差值进行编码；

3)、对步骤1)得到的最后一个非零系数及该系数之前的每个系数求取非零系数标志位，上述系数若为非零系数，则设与系数对应的标志位为1，上述系数若为零系数，则设标志位为0；

4)、按照每个系数在扫描过程中的扫描顺序，为每个系数所对应的非零系数标志位选择上下文模型进行编码，所述的上下文模型与该系数所在的扫描顺序中的位置有关；

5)、按扫描顺序或者扫描的逆序对非零系数的绝对值减1，并为绝对值减1的结果利用宏块类型、块中非零系数个数及在扫描中的位置选择上下文模型进行编码，编码完一个非零系数绝对值减1后再编码其符号位。

上述技术方案中，在对所述的非零系数个数值的差值、非零系数的绝对值减1的值编码前，将它们作二值化处理，转化为二进制数。

所述的步骤1)中的所述DCT系数的扫描是一个将二维或多维DCT系数排列为一维序列的过程。

所述的扫描顺序为zigzag扫描顺序或垂直优先扫描顺序或水平优先扫描顺序。

所述的步骤2)中，所述的当前块非零系数个数值和相邻块非零系数个数值的差值是：当前块非零系数的个数值减去两个相邻块的非零系数个数值的均值，所得到的结果；所述的相邻块的非零系数个数值的信息是指当前块的两个相邻块的非零系数个数值的均值。

所述的步骤2)中，若所述的当前块的相邻块都不存在，则相邻块的非零系数个数值等于0；若只存在一个相邻块，则当前块的相邻块的非零系数个数值的均值就是所存在的相邻块的非零系数个数值。

所述的步骤2)中，所述的上下文模型与非零系数的个数相关，包括初级上下文模型和次级上下文模型，所述的初级上下文模型与DCT系数所在宏块类型的相关，所述的次级上下文模型与相邻块的非零系数个数的均值相关。

所述的步骤5)中，所述的上下文模型与编码非零系数绝对值减1的结果相关，包括一级上下文模型、二级上下文模型和三级上下文模型，其中，一级上下文模型与DCT系数所在宏块的类型相关，二级上下文模型与宏块中非零系数的个数相关，三级上下文模型待编码的非零系数在扫描中的位置相关。

一种基于上下文的自适应熵解码方法，其步骤如下：

a)、根据相邻块非零系数个数值信息的上下文模型，解码得到当前块非零系数个数值和相邻块非零系数个数值的差值，然后根据相邻块中非零系数个数值的信息，得到当前块中非零系数的个数值；

b)、按扫描顺序，依次根据当前系数所在扫描位置选择上下文模型解码得到每个扫描位置上非零系数标志位的值，若解码值为0，则该位置上的系数值为0；若解码值为1，则该位置上的系数值非0；直到解码的非零系数个数值等于步骤a)得到的该块中非零系数的个数值；

c)、依次根据宏块的类型、宏块中非零系数的个数、待解码的非零系数在由步骤b)得到的扫描中的位置选择上下文模型解码，得到每个非零系数的绝对值减1，然后解码得到非零系数的符号位；直到解码出的个数值等于步骤a)得到的非零系数个数；

d)、根据解码得到的非零系数值和零系数的值及位置信息恢复系数块。

所述的步骤c)中，解码非零系数绝对值减1的顺序与编码非零系数绝对值减1的顺序相同。

本发明的优点在于：

本发明的基于上下文的熵编码方法和熵解码方法，充分利用上下文的信息，降低冗余度，进一步提高了***的压缩性能。

附图说明

图1为一个8×8的DCT系数块以及zigzag扫描顺序的示意图；

图2为当前块与相邻块的示意图；

图3为本发明的基于上下文的自适应熵编码方法的流程图；

图4为本发明的基于上下文的自适应熵解码方法的流程图。

具体实施方式

下面结合附图和具体实施方式，对本发明的方法作进一步说明。

通过视频编码中的预测编码和变换编码阶段，原始图像转换为DCT系数块，本发明的方法是要对DCT系数块作进一步的操作。

如图1所示，假设有一个8×8的DCT系数块，该块为双向帧间编码图像的亮度块，用B_Luma表示，在该系数块中有64个系数，包括零系数和非零系数。如图3所示，下面结合本发明的基于上下文的自适应熵编码方法对该DCT系数块的编码过程进行说明。

步骤11、按照扫描顺序扫描DCT系数块，得到当前DCT系数块中最后一个非零系数及该系数之前的所有系数，以及非零系数的个数值。非零系数的个数可用TC表示。扫描DCT系数块是要将二维或多维的DCT系数排列为一维序列。在将二维或多维系数排列为一维序列的过程中涉及到系数的扫描顺序，扫描过程遵循的原则是使排列后系数为零的概率呈现递增规律。JPEG、MPEG中的zigzag扫描、AVS系数块的扫描以及H.264中针对不同系数块大小、不同场/帧模式的扫描方式均遵循这一规律。在本实施例中，可按照zigzag扫描顺作扫描。

对图1中的8×8的DCT系数块，按照zigzag扫描顺序，将二维的DCT系数排列成的一维序列如下：9、-2、3、0、1、0、0、-2、0、0、1。由于第11个位置系数值为1是最后一个非零系数，因此，该系数后的零系数省略。在这11个系数中，非零系数有6个，因此，该DCT系数块的TC值为6。

步骤12、由步骤11得到当前DCT系数块的非零系数的个数值TC，求当前块非零系数个数值和相邻块非零系数个数值的差值，并根据相邻块的非零系数个数值的信息，将相邻块的非零系数个数值的信息量化成若干区间，为每个区间构造与非零系数个数值相关的上下文模型，以对非零系数个数值的差值进行编码。

假设当前块用C表示，如图2所示，当前块有两个相邻块，这两个相邻块分别用A和B表示。若当前块的TC记为TC(C)，则相邻块的TC分别记作TC(A)和TC(B)。当要计算当前块TC和相邻块TC间的差值时，是要将当前块的TC值减去两个相邻块的TC值的均值。因此，当前块C与其相邻块的TC的差值用变量△表示，△＝TC(C)-(TC(A)+TC(B))/2。当(TC(A)+TC(B))/2不是整数时，应向下取整。差值△可以取负数、正数和0，但由于算术编码器之能够对非零整数作编码并且考虑到压缩性能，因此在输入到算术编码器之前先将差值做一个映射，全部映射成非负整数δ，差值△与非负整数δ间的映射方法如表1所示：

 

差值△	0	△>0	△<0
				映射后的值δ	0	2×△-1	2×(-△)+1

表1

用非负整数变量Aver记录相邻块的非零系数个数的均值，即：Aver＝(TC(A)+TC(B))/2。在构造与TC值相关的上下文(Context)模型前，首先要根据DCT系数所在宏块的类型，得到初级(Primary)上下文序号。所述的宏块的类型与初级上下文序号间的对应关系如表2所示。

 

宏块类型	帧内编码图像亮度(I_Luma)	前向帧间编码图像亮度(P_Luma)	双向帧间编码图像亮度(B_Luma)	色度(Chroma)
					初级上下文序号	0	1	2	3

表2

在同一类型的情况下，根据Aver的值的不同，选择不同的上下文模型。将每个初级上下文模型下Aver的取值量化成若干级(除色度量化成3级外，其余都是4级)，得到次级上下文序号：

表3

本实施例中，所列举的DCT系数块没有标明其相邻块，假设其相邻块的TC值分别为TC(A)＝3和TC(B)＝7，则当前块TC和相邻块TC的差值为△＝TC(C)-(TC(A)+TC(B))/2＝6-(3+7/2)＝1，Aver＝(TC(A)+TC(B))/2＝5，映射后的值为δ＝2×1-1＝1，宏块类型为B_Luma。因此，初级上下文序号为2，Secondary模型号＝2，利用该上下文的概率驱动算术编码器编码δ。

步骤13、对扫描顺序下的最后一个非零系数及该非零系数之前的每个系数求取非零系数标志位，所述的非零系数标志位用significant-coeff_flag表示。这些系数若为非零系数，则设该标志位为1，这些系数若为0，则设标志位为0。

对图1所示的DCT系数块中的9、-2、3、0、1、0、0、-2、0、0、1这11个系数，记录非零系数标志位significant_coeff_flag，得到的结果为1、1、1、0、1、0、0、1、0、0、1。

步骤14、按照扫描顺序，对每个非零系数标志位选择上下文模型，所述的上下文模型与该系数所在的扫描顺序中的位置有关。本步骤中所述的上下文模型是关于非零系数标志位的上下文模型，与前述的初级上下文模型等无关。

根据8 x 8块扫描的顺序量化成若干个上下文，一个上下文索引号对应一种与非零系数标志位相关的上下文模型，与扫描的顺序间的一种对应关系如表4所示，在具体实施时，根据实际情况，可以有不同的对应关系：

 

0	1	5	5	5	5	5	13
								2	4	5	5	5	5	9	13
3	4	4	4	7	8	9	13
								3	4	4	7	7	8	9	13
3	4	7	7	7	8	9	13
								3	6	6	6	6	6	6	13
3	11	11	11	11	11	11	11
								12	12	12	12	12	12	12	12

表4

对图1所示实例中的11个系数，其扫描位置上每个位置的上下文索引号如下：

 

扫描序号	0	1	2	3	4	5	6	7	8	9	10
												系数值	9	-2	3	0	1	0	0	-2	0	0	1
significant_coeff_flag	1	1	1	0	1	0	0	1	0	0	1
												上下文索引号	0	1	2	3	4	5	5	5	4	3	3

表5

步骤15、按扫描顺序或者扫描的逆序对非零系数的绝对值减1，并为绝对值减1的结果选择上下文模型进行编码，编码完一个非零系数绝对值减1后再编码其符号位。

对块预测残差系数的编码实际上是对其绝对值减1的结果进行编码：根据宏块的类型、宏块中非零系数个数和待编码的非零系数在扫描中的位置分别定义如下上下文模型：

根据宏块的类型量化成3种一级上下文模型，如表6所示，为一种一级上下模型的划分方法，针对不同的宏块类型，给予不同的一级上下文模型号。

 

宏块类型	帧内编码图像亮度(I_Luma)	前向、双向帧间编码图像亮度(P_Luma、B_Luma)	色度(Chroma)
				一级上下文模型号	0	1	2

表6

根据宏块中非零系数个数定义二级上下文模型。在定义时，根据变量TC所表示的非零系数个数划分区间，按照区间的不同，将每个一级上下文模型细化成若干个二级上下文模型；

如表7所示，为一种二级上下文模型的划分方法。

表7

对于已选定的类型模型和系数个数模型，还要进一步确定每个非零系数三级上下文模型号，三级上下文模型根据待编码的非零系数在扫描中的位置确定。具体的，它是根据该系数zigzag顺序扫描的序号(用变量pos表示，取值为0~63)所在的区间决定的。

表8

对图1所示实例中的6个非零系数，其对应的索引号按表9所示：

 

非零系数值	9	-2	3	1	-2	1
							顺序扫描中位置(pos)	0	1	2	3	6	9
一级上下文索引号	1	1	1	1	1	1
							二级上下文索引号	0	0	0	0	0	0
三级上下文索引号	0	1	1	1	1	1

表9

特别的，如果编码所用到的算术编码器为二值算术编码器，则将值输入到算术编码器编码前，要对步骤12得到的非负整数δ，以及步骤15得到的非零系数的绝对值减1的值，做二值化处理。

所述的二值化处理是要将待编码元素转化为用0或1表示的二进制数。十进制数与二进制数的对应关系可参见表10，由表10可知，十进制的非零整数转换为二进制字符串时，用与非负整数的大小相同的0和一个1表示。例如，图1中的非零系数的值作编码时，先将非零系数的绝对值减1，得到8、1、2、0、1、0，然后作二值化，得到000000001、01、001、1、01、1。

表10

在视频编码***中，发送端利用上述的基于上下文的自适应熵编码方法实现编码后，在接收端还需要实现解码。

本发明还提供了一种基于上下文的自适应熵解码方法，如图4所示，其步骤如下：

步骤21、根据相邻块非零系数个数值信息的上下文模型，解码得到当前块非零系数个数值和相邻块非零系数个数值的差值，然后根据相邻块中非零系数个数值的信息，得到当前块中非零系数的个数值。

步骤22、按扫描顺序，依次根据当前系数所在扫描位置选择上下文模型解码得到每个扫描位置上非零系数标志位的值，若解码值为0，则该位置上的系数值为0；若解码值为1，则该位置上的系数值非0；直到解码的非零系数个数值等于步骤21得到的该块中非零系数的个数值。

步骤23、依次根据宏块的类型、宏块中非零系数的个数、待解码的非零系数在由步骤22得到的扫描中的位置选择上下文模型解码，得到每个非零系数的绝对值减1，然后解码得到非零系数的符号位；直到解码出的个数值等于步骤21得到的非零系数个数。

在本步骤中，解码非零系数绝对值减1的顺序与编码非零系数绝对值减1的顺序相同。

步骤24、根据解码得到的非零系数值和零系数的值及位置信息恢复系数块。

关于熵解码方法的技术细节与熵编码方法相类似，在本实施例中不再重复。

Claims (10)

1、一种基于上下文的自适应熵编码方法，包括：

1)、按照扫描顺序扫描DCT系数块，得到当前DCT系数块中最后一个非零系数及该系数之前的所有系数，以及非零系数的个数值；

2)、由步骤1)得到当前DCT系数块的非零系数的个数值，求当前DCT系数块非零系数个数值和相邻DCT系数块非零系数个数值的差值，并将相邻DCT系数块的非零系数个数值的信息量化成若干区间，为每个区间构造与非零系数个数值相关的上下文模型，以对非零系数个数值的差值进行编码；

3)、对步骤1)得到的最后一个非零系数及该系数之前的每个系数求取非零系数标志位的值，上述最后一个非零系数及该系数之前的每个系数若为非零系数，则设标志位为1，否则，则设标志位为0；

4)、按照每个系数在扫描过程中的扫描顺序，为每个系数所对应的非零系数标志位选择上下文模型进行编码，所述的上下文模型与该系数所在的扫描顺序中的位置有关；

5)、按扫描顺序或者扫描的逆序对非零系数的绝对值减1，并为非零系数的绝对值减1的结果利用宏块类型、块中非零系数个数值及在扫描顺序中的位置选择上下文模型进行编码，编码完一个非零系数绝对值减1的结果后再编码该非零系数符号位。

2、根据权利要求1所述的基于上下文的自适应熵编码方法，其特征在于，在对所述的非零系数个数值的差值、非零系数绝对值减1的结果编码前，将它们作二值化处理，转化为二进制数。

3、根据权利要求1所述的基于上下文的自适应熵编码方法，其特征在于，所述的步骤1)中的所述DCT系数块的扫描是一个将二维或多维DCT系数块排列为一维序列的过程。

4、根据权利要求1所述的基于上下文的自适应熵编码方法，其特征在于，所述的扫描顺序为zigzag扫描顺序或垂直优先扫描顺序或水平优先扫描顺序。

5、根据权利要求1所述的基于上下文的自适应熵编码方法，其特征在于，所述的步骤2)中，所述的当前DCT系数块非零系数个数值和相邻DCT系数块非零系数个数值的差值是：当前DCT系数块非零系数的个数值减去相邻DCT系数块的非零系数个数值所得到的结果；所述的相邻DCT系数块的非零系数个数值是指当前DCT系数块的两个相邻DCT系数块的非零系数个数值的均值。

6、根据权利要求5所述的基于上下文的自适应熵编码方法，其特征在于，所述的步骤2)中，若所述的当前DCT系数块的相邻DCT系数块都不存在，则相邻DCT系数块的非零系数个数值等于0；若只存在一个相邻DCT系数块，则当前DCT系数块的相邻DCT系数块的非零系数个数值的均值就是所存在的相邻DCT系数块的非零系数个数值。

7、根据权利要求1所述的基于上下文的自适应熵编码方法，其特征在于，所述的步骤2)中，所述的上下文模型与非零系数的个数值相关，包括初级上下文模型和次级上下文模型，所述的初级上下文模型与DCT系数所在宏块的宏块类型相关，所述的次级上下文模型与相邻DCT系数块的非零系数的个数值的均值相关。

8、根据权利要求1所述的基于上下文的自适应熵编码方法，其特征在于，所述的步骤5)中，所述的上下文模型与编码非零系数绝对值减1的结果相关，包括一级上下文模型、二级上下文模型和三级上下文模型，其中，一级上下文模型与DCT系数所在宏块的类型相关，二级上下文模型与当前DCT系数块中非零系数的个数值相关，三级上下文模型与编码的非零系数在扫描顺序中的位置相关。

9、一种基于上下文的自适应熵解码方法，其步骤如下：

a)、根据相邻DCT系数块非零系数个数值信息的上下文模型，解码得到当前DCT系数块非零系数个数值和相邻DCT系数块非零系数个数值的差值，然后根据相邻DCT系数块中非零系数个数值的信息，得到当前DCT系数块中非零系数的个数值；

b)、按扫描顺序，依次根据当前系数所在扫描位置选择上下文模型解码得到每个扫描位置上非零系数标志位的值，若解码值为0，则该位置上的系数值为0；若解码值为1，则该位置上的系数值非0；直到解码的非零系数个数值等于步骤a)得到的当前DCT系数块中非零系数的个数值；

c)、依次根据宏块的类型、DCT系数块中非零系数的个数值和由步骤b)得到的系数值非零的系数中的待解码的非零系数所在位置选择上下文模型解码，得到非零系数绝对值减1的结果，然后解码得到非零系数的符号位；直到解码出的非零系数的个数值等于步骤a)得到的非零系数个数值；

d)、根据解码得到的非零系数值和零系数的值及位置信息恢复DCT系数块。

10、根据权利要求9所述的基于上下文的自适应熵解码方法，其特征在于，所述的步骤c)中，解码非零系数绝对值减1的顺序与编码非零系数绝对值减1的顺序相同。

Images