CN101674472A - 多视点视频编码的多级码率控制方法 - Google Patents

Abstract

本发明公开了一种多视点视频编码的多级码率控制方法，该方法首先根据相关性函数在视点间合理分配码率，然后根据分层B图像比特分配策略实现帧层的比特分配，最后根据拉普拉斯率失真模型实现宏块层的码率控制，其步骤是：(1)建立多个视点同时编码的框架；(2)GGOP层比特分配和码率控制；(3)GOP层比特分配和码率控制；(4)Frame层比特分配和码率控制；(5)Macroblock层比特分配和码率控制等，当判断出当前GGOP是最后一个GGOP，则整个码率控制过程结束。该方法采用了拉普拉斯率失真模型，复杂度较低，计算量较小，码率控制的误差在1％之内，并有平均0.1dB左右的解码图像PSNR增益；在视点间进行了合理的比特分配，其视点编码图像的均衡性较好，具有实际操作性。

Description

多视点视频编码的多级码率控制方法

技术领域

本发明属于视频编码技术领域，涉及的是一种视频编码的码率控制方法，特别是一种面向多视点视频编码的多级码率控制方法。

背景技术

近年来，以独特的立体感、沉浸感及漫游特性为特征的多视点视频技术正越来越受到学术界和工业界的关注，多视点视频相比于单视点视频更能真实反映现实世界，能给人一种强烈的真实感。但是多视点视频数据量巨大，存贮和传输十分困难，必须进行高效的压缩。多视点视频在编码端经压缩后送到信道上进行传输然后在解码端进行解码，根据用户需求进行存储或显示，在编码→传输→解码整个流程中，存在如何解决压缩后的多视点视频数据适应信道的编码码率控制问题，如果这一问题得不到解决则编码后的码流直接送到信道上传输，会造成信道或拥塞，或空闲，这将大大降低信道的利用率。

目前，针对单视点视频编码的码率控制已经有许多成熟的技术，如：Mpeg2中的TM5、Mpeg4中的VM8、H.263中的TMN8、Z.He等人提出的基于ρ域的码率控制方法以及H.264的JVT-G012。但是，这些技术不能直接应用于多视点视频编码，其原因在于多视点视频不仅具有更多的视点，而且具有更复杂的编码预测结构及更多的B图像类型。因此，如何在多视点视频编码中实现码率控制是目前多视点视频技术面临的难题之一。

单视点视频编码的码率控制，就其实质来说是对I帧和P帧的码率控制，对B帧不进行码率控制，B帧QP值只是简单的根据相邻的I帧与P帧或相邻的两个P帧的QP的值确定的，当相邻I帧与P帧或相邻两个P帧之间的B帧数目较大时，码率控制的精度将会变的很差。多视点视频编码为提高编码效率，设置了更多的B图像，因此多视点视频编码的码率控制要增加对B帧的码率控制。现有的多视点视频编码的码率控制方法多是基于二次模型，根据视差预测和运动预测的结构关系，将所有图像分成多种类型的编码帧，然后对各种类型的图像分别建模，根据模型的参数计算各种类型帧的目标比特数和帧级量化参数。该类方法控制精度不高，复杂度偏高，不具有实际可操作性。

发明内容

鉴于以上所述现有技术存在的问题和不足，本发明的目的在于提供一种多视点视频编码的多级码率控制方法。该方法不仅能精确地控制码率，还能提高图像的编码质量。

为达到上述目的，本发明的构思是：

首先根据相关性函数在视点间合理分配码率，然后根据分层B图像比特分配策略实现帧层的比特分配，最后根据拉普拉斯率失真模型实现宏块层的码率控制。

根据上述构思，本发明的技术方案是：

一种多视点视频编码的多级码率控制方法，其具体步骤是：

(1)、建立多个视点连续编码的框架，实现多个视点的连续编码；

(2)、GGOP(the group of group of pictures)层比特分配和码率控制，得到当前GGOP的目标比特数；

(3)、GOP(group of pictures)层比特分配和码率控制，计算出各视点GOP的权重因子w_k，得到当前GOP的目标比特数；

(4)、Frame层比特分配和码率控制，得到当前编码帧分配到的比特数；

(5)、Macroblock层比特分配和码率控制，确定出当前宏块的量化参数Q_pc；

(6)、根据步骤(5)计算得到的量化参数Q_pc对当前宏块进行编码；

(7)、判断当前帧内所有的宏块是否均编码，若均编码，则转步骤(8)；若未均编码，则重复转步骤(5)至(6)，直到均编码，转步骤(8)；

(8)、判断当前GOP内所有的帧是否均编码，若均编码，则转步骤(9)；若未均编码，则重复转步骤(4)至(7)，直到均编当前GOP所有帧。

(9)、判断当前GGOP内所有的GOP是否均编码，若均编码，则转步骤(10)；若未均编码，则重复转步骤(3)至(8)，直到均编当前GGOP所有GOP。

(10)、判断当前GGOP是否为最后一个GGOP，若是最后一个GGOP，则整个码率控制过程结束，否则，重复转步骤(2)至(9)

本发明的多视点视频编码的多级码率控制方法与已有技术相比较，具有如下显而易见的实质性突出特点和显著优点：该方法增加了对B帧的码率控制，采用了相对简单的拉普拉斯率失真模型，复杂度较低，计算量较小，码率控制的误差能够控制在1％之内，并有平均0.1dB左右的解码图像PSNR增益；该方法由于在视点间进行了合理的比特分配，其视点编码图像的质量均衡性较好，且实际应用中可根据用户需求对视点数目进行扩展，具有实际操作性，便于应用实现。

附图说明

图1是本发明的多视点视频编码的多级码率控制方法的流程框图。

图2是图1中多个视点连续编码的框架的示意图。

图3是图1中的GGOP层比特分配和码率控制的程序框图。

图4是图1中的GOP层比特分配和码率控制的程序框图。

图5是图1中的Frame层比特分配和码率控制的程序框图。

图6是图1中的Macroblock层比特分配和码率控制的程序框图。

具体实施方式

以下结合附图对本发明的实施例作进一步的详细说明。本实施例以本发明的技术方案为前提下进行实施，给出了详细的实施方式，但本发明的保护范围不限于下述的实施例。

参见图1，本发明的一种多视点视频编码的多级码率控制方法，首先建立多个视点连续编码的框架，然后依次进行GGOP层、GOP层、Frame层、Macroblock层的比特分配和码率控制，确定出当前宏块的量化参数Qpc，用Qpc对当前宏块进行RDO编码，不断重复上述过程直至完成整个多视点测试序列所有帧的码率控制，码率控制过程结束，其步骤是：

(1)、建立多个视点连续编码的框架，实现多个视点的连续编码：JVT(Joint Video Team)提供的多视点视频编码参考模型JMVM(Joint Multiview Video Model)在实现时是逐个视点进行编码，也就是说当前视点编码结束后要编码下一个视点时需要重新进行参数的配置，显然该参考模型无法进行多个视点的同时编码。为实现多个视点的同时编码本发明以JMVM为基础，利用多视点视频编码的预测结构，例如GGOP预测、顺序预测、棋盘格分解预测，以及预测关系，例如视点内的帧间预测、视点间的视差预测等，建立多个视点连续编码的框架，实现多个视点的连续编码。参见图2，其中横向表示时间，纵向表示视点，例如T0表示时刻0，S0表示视点0；阴影框表示I帧、P帧或B帧，阴影框中的数字表示该帧的编码顺序，图中，编码顺序为8，9，10，11，12，13，14，15的8帧图像构成一个视点GOP，即视点0的1个GOP，视点1的1个GOP则为编码顺序为16，17，18，19，20，21，22，23，其他视点GOP依次类推，编码顺序为8至71的64帧图像构成一个GGOP。此步是整个码率控制的基础，后面步骤都是在本步骤建立的框架上实施的。

(2)、GGOP层比特分配和码率控制，得到当前GGOP的目标比特数，参见图3，其具体步骤是：

(2-1)、多视点视频编码码率控制的初始化：首先设定目标码率，然后初始化虚拟缓存大小和满度；

(2-2)、计算出当前GGOP分配到的比特数：

$T_{\mathrm{GGOP}}\left(i\right)=\frac{u\left(i\right)}{F_r}\×N_{\mathrm{view}}\×N\left(i\right)$

其中N_view表示视点的数目，N(i)表示GOP的大小，F_r表示帧率，u(i)表示目标码率。

(2-3)、考虑前一个GGOP编码后的虚拟缓存占用量，则当前GGOP实际分配到的比特数为：

$T_{\mathrm{GGOP}}\left(i\right)=\frac{u\left(i\right)}{F_r}\×N_{\mathrm{view}}\×N\left(i\right)+B_c(i-1)$

其中N_view表示视点的数目，N(i)表示GOP的大小，B_c(i-1)表示第i-1个GGOP编码后的虚拟缓存占用量，F_r表示帧率，u(i)表示目标码率。

(3)、GOP层比特分配和码率控制，计算出各视点GOP的权重因子w_k，得到当前GOP的目标比特数，参见图4，其具体步骤是：

(3-1)、计算出各视点的权重因子w_k：

$C(S_k,S_0)=\frac{\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}\left|\right[A(i,j)-\stackrel{\‾}{A}]\×[B(i,j)-\stackrel{\‾}{B}\left]\right|}{\sqrt{\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}{[A(i,j)-\stackrel{\‾}{A}]}^2}\×\sqrt{\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}{[B(i,j)-\stackrel{\‾}{B}]}^2}}$

γ_k＝λ_k×C(S_k，S₀)

$w_k=\frac{{\mathrm{\γ}}_k}{\underset{m=0}{\overset{N_{\mathrm{view}}-1}{\mathrm{\Σ}}}{\mathrm{\γ}}_m}$

其中A(i，j)、B(i，j)分别代表视点S_k和S₀在同一时刻对应的图像A和B在位置(i，j)的像素值，I、J分别代表图像的高、宽，A、B分别代表A、B图像平均像素值，C(S_k，S₀)表示视点k与视点0的相关性因子，γ_k表示表示视点k的复合因子，λ_k表示调整因子，w_k表示视点k的权重因子，即重要程度。

(3-2)、计算出当前GOP分配到的比特数：

T′_GOP(k)＝T_GGOP(i)×w_k

其中，T_GGOP(i)表示第i个GGOP(当前GGOP)的目标比特数，w_k表示视点k的权重因子，即重要程度。

(3-3)、根据上一个视点GOP的剩余比特数T^* _GOP(k-1)，则当前GOP分配到的总比特数为：

T_GOP(k)＝T′_GOP(k)+T^* _GOP(k-1)

其中，T_GOP(k)表示当前GOP实际分配到的总比特数，T′_GOP(k)表示当前GOP分配到的比特数，T^* _GOP(k-1)表示上一个视点GOP的剩余比特数。

(4)、Frame层比特分配和码率控制，得到当前编码帧分配到的比特数，参见图5，其具体步骤是：

(4-1)、确定当前GOP的缩放因子：

$S_f\left[k\right]=S_f[k-1]\×\sqrt{3/2}\×N_{\mathrm{Bi}}(k,i)+\sqrt{2}\×({N^0}_{\mathrm{Uni}}(k,i)+{N^1}_{\mathrm{Uni}}(k,i))/2$

$X_{\mathrm{tot}}=X^I+N_P{X}^P+\underset{k}{\mathrm{\Σ}}{N}_B\left(k\right)X^B\left(k\right)$

${\mathrm{\ω}}^{I/P}=\frac{X^{I/P}}{S_f[-1]\×X_{\mathrm{tot}}}$

${\mathrm{\ω}}_k=\frac{X^B\left(k\right)}{S_f\left[k\right]\×X_{\mathrm{tot}}}$

其中S_f[k]表示第k个分层B图像的权重，S_f[-1]表示I图像或P图像的权重，其初始值为1，N_Bi(k，i)表示双向关联样本点数目，N⁰ _Uni(k，i)或N¹ _Uni(k，i)表示单向关联样本点数目，ω^I/P表示I图像或P图像的缩放因子，ω_k表示第k个分层B图像的缩放因子，N_B(k)表示第k个时间层的B帧数目，X表示图像复杂度，由图像的实际编码比特数和量化参数得到。上述各式中k的范围从0到d-1，d表示总的分层数目。

(4-2)、根据剩余比特数、每个分层的剩余B帧数目以及当前GOP的缩放因子确定当前帧分配到的比特数目为：

${T^B}_{l,i}=\frac{{\mathrm{\ω}}_l{B}_l\left(i\right)}{\underset{k=l}{\overset{d-1}{\mathrm{\Σ}}}{\mathrm{\ω}}_k{N^i}_B\left(k\right)}$

$T^{I/P}=\frac{{\mathrm{\ω}}^{I/P}{B}_{\mathrm{tot}}}{{\mathrm{\ω}}^{I/P}+\underset{k=0}{\overset{d-1}{\mathrm{\Σ}}}{\mathrm{\ω}}_k{N}_B\left(k\right)}$

其中，T^B _l，i表示当前GOP第l个分层第i个B图像分配到的比特数目，T^I/P表示I图像或P图像分配到的比特数目，B_l(i)表示当编码当前GOP第l个分层第i个B图像时的剩余比特数，Nⁱ _B(k)表示第k个分层尚未编码的B图像数目，B_tot表示当前GOP分配到的总比特数，ω^I/P和ω_k分别表示I图像或P图像的缩放因子和第k个分层B图像的缩放因子。

(5)、Macroblock层比特分配和码率控制，最终确定出当前宏块的量化参数Q_pc，参见图6，其具体步骤是：

(5-1)、根据前面得到的当前编码帧的目标比特数，确定当前编码宏块的目标比特数为：

$T_{\mathrm{mac}}=\frac{R_{\mathrm{FRM}}}{256\×N_R}$

其中，T_mac表示每像素比特数，R_FRM表示编码完前一个宏块之后的剩余比特数，N_R表示剩余的未编码宏块数目。

(5-2)、根据拉普拉斯率失真模型确定当前编码宏块的量化参数Q为：

$R\left(D\right)={\log }_2\left(\frac{1}{\mathrm{\λD}}\right)={\log }_2\left(\frac{\mathrm{\σ}}{\sqrt{2}\mathrm{\ρQ}}\right)$

$Q=\frac{\mathrm{\σ}\×2^{-T_{\mathrm{mac}}}}{\sqrt{2}\mathrm{\ρ}}$

其中，R表示码率，D表示失真，λ表示分布参数，σ表示原始数据的标准偏差，ρ表示失真参数，Q表示当前宏块的量化参数，T_mac表示每像素比特数。

(5-3)、为保持图像质量的均衡性，考虑前一个宏块的量化参数Q_pp，最终确定出当前宏块的量化参数Q_pc：

${\tilde{Q}}_{\mathrm{pc}}=\min \{Q_{\mathrm{pp}}+2,\max \{Q_{\mathrm{pp}}-2,Q\left\}\right\}$

$Q_{\mathrm{pc}}=\min \{51,\max \{{\tilde{Q}}_{\mathrm{pc}},1\left\}\right\}$

Q_pp表示前一个宏块的量化参数，Q_pc表示最终确定的当前宏块的量化参数。

(6)、用Q_pc对当前宏块进行RDO编码。

(7)、判断当前帧内所有的宏块是否均编码，若均编码，则转步骤(8)；若未均编码，则重复转步骤(5)至(6)，直到均编码，转步骤(8)；

(8)、判断当前GOP内所有的帧是否均编码，若均编码，则转步骤(9)；若未均编码，则重复转步骤(4)至(7)，直到均编当前GOP所有帧。

(9)、判断当前GGOP内所有的GOP是否均编码，若均编码，则转步骤(10)；若未均编码，则重复转步骤(3)至(8)，直到均编当前GGOP所有GOP。

(10)、判断当前GGOP是否为最后一个GGOP，若是最后一个GGOP，则整个码率控制过程结束，否则，重复转步骤(2)至(9)。

下面对几个多视点视频序列编码进行测试实验，在JVT提供的多视点视频编码***平台上，以JMVM分别采用固定量化值28和32时得到的码率作为本码率控制方法的目标码率，表1给出测试数据参数，表2给出测试条件，表3给出本发明的结果。

测试序列：

MERL、KDDI提供的Ballroom、Exit、Race1、Flamenco1多视点测试序列测试数据参数：

表1测试数据参数

测试序列	高×宽	相机间距	视点
				Ballroom	640×480	20cm	0～7
Exit	640×480	20cm	0～7
				Race1	640×480	20cm	0～7
Flamenco1	320×240	20cm	0～7

测试条件：

表2测试条件

帧率	25	ICMode	0
				GOP大小	8	搜索方式	FastSearch
搜索范围	64pixel	编码帧数	81
				编码模式	CABAC	参考帧数	2
Base Unit Size	1	信道类型	CBR

测试结果：

表3测试结果

由表3可知：本发明所述的码率控制方法在具有较小码率偏差波动范围的同时还能保证较小的码率偏差；本发明所述码率控制方法还获得了平均0.1dB左右的解码图像PSNR增益；本发明所述的多视点视频编码的多级码率控制方法不仅能较精确地控制码率，而且还能保持甚至略有提高图像的编码质量。

Claims (6)

1、一种多视点视频编码的多级码率控制方法，其特征在于，首先根据相关性函数在视点间合理分配码率，然后根据分层B图像比特分配策略实现帧层的比特分配，最后根据拉普拉斯率失真模型实现宏块层的码率控制，其步骤如下：

(1)、建立多个视点连续编码的框架，实现多个视点的连续编码；

(2)、GGOP层比特分配和码率控制，得到当前GGOP的目标比特数；

(3)、GOP层比特分配和码率控制，计算出各视点GOP的权重因子w_k，得到当前GOP的目标比特数；

(4)、Frame层比特分配和码率控制，得到当前编码帧分配到的比特数；

(5)、Macroblock层比特分配和码率控制，确定出当前宏块的量化参数Q_pc；

(6)、根据步骤(5)计算得到的量化参数Q_pc对当前宏块进行编码。

(7)、判断当前帧内所有的宏块是否均编码，若均编码，则转步骤(8)；若未均编码，则重复转步骤(5)至(6)，直到均编码，转步骤(8)；

(8)、判断当前GOP内所有的帧是否均编码，若均编码，则转步骤(9)；若未均编码，则重复转步骤(4)至(7)，直到均编当前GOP所有帧。

(9)、判断当前GGOP内所有的GOP是否均编码，若均编码，则转步骤(10)；若未均编码，则重复转步骤(3)至(8)，直到均编当前GGOP所有GOP。

(10)、判断当前GGOP是否为最后一个GGOP，若是最后一个GGOP，则整个码率控制过程结束，否则，重复转步骤(2)至(9)

2、根据权利要求1所述的多视点视频编码的多级码率控制方法，其特征在于，上述步骤(1)中所述的建立多个视点连续编码的框架，是指以JVT参考软件JMVM为基础利用多视点视频编码的预测结构和预测关系实现多个视点的同时编码。

3、根据权力要求2所述的多视点视频编码的多级码率控制方法，其特征在于，上述步骤(2)中所述的GGOP层比特分配和码率控制，其具体步骤是：

(2-1)、多视点视频编码码率控制的初始化：首先设定目标码率，然后初始化虚拟缓存大小和满度；

(2-2)、计算出当前GGOP分配到的比特数：

$T_{\mathrm{GGOP}}\left(i\right)=\frac{u\left(i\right)}{F_r}\×N_{\mathrm{view}}\×N\left(i\right)$

其中N_view表示视点的数目，N(i)表示GOP的大小，F_r表示帧率，u(i)表示目标码率。

(2-3)、考虑前一个GGOP编码后的虚拟缓存占用量，则当前GGOP实际分配到的比特数为：

$T_{\mathrm{GGOP}}\left(i\right)=\frac{u\left(i\right)}{F_r}\×N_{\mathrm{view}}\×N\left(i\right)+B_c(i-1)$

其中N_view表示视点的数目，N(i)表示GOP的大小，B_c(i-1)表示第i-1个GGOP编码后的虚拟缓存占用量，F_r表示帧率，u(i)表示目标码率。

4、根据权利要求1所述的多视点视频编码的多级码率控制方法，其特征在于，上述步骤(3)中所述的GOP层比特分配和码率控制，其具体步骤是：

(3-1)、计算出各视点的权重因子w_k：

$C(S_k,S_0)=\frac{\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}\left|\right[A(i,j)-\stackrel{\‾}{A}]\×[B(i,j)-\stackrel{\‾}{B}]|}{\sqrt{\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}{[A(i,j)-\stackrel{\‾}{A}]}^2}\×\sqrt{\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}{[B(i,j)-\stackrel{\‾}{B}]}^2}}$

γ_k＝λ_k×C(S_k，S₀)

$w_k=\frac{{\mathrm{\γ}}_k}{\underset{m=0}{\overset{N_{\mathrm{view}}-1}{\mathrm{\Σ}}}{\mathrm{\γ}}_m}$

其中A(i，j)、B(i，j)分别代表视点S_k和S₀在同一时刻对应的图像A和B在位置(i，j)的像素值，I、J分别代表图像的高、宽，A、B分别代表A、B图像平均像素值，C(S_k，S₀)表示视点k与视点0的相关性因子，γ_k表示表示视点k的复合因子，λ_k表示调整因子，w_k表示视点k的权重因子，即重要程度。

(3-2)、计算出当前GOP分配到的比特数：

T′_GOP(k)＝T_GGOP(i)×w_k

其中，T_GGOP(i)表示第i个GGOP(当前GGOP)的目标比特数，w_k表示视点k的权重因子，即重要程度。

(3-3)、根据上一个视点GOP的剩余比特数T^* _GOP(k-1)，则当前GOP实际分配到的总比特数为：

T_GOP(k)＝T′_GOP(k)+T^* _GOP(k-1)

其中，T_GOP(k)表示当前GOP实际分配到的总比特数，T′_GOP(k)表示当前GOP分配到的比特数，T^* _GOP(k-1)表示上一个视点GOP的剩余比特数。

5、根据权利要求4所述的多视点视频编码的多级码率控制方法，其特征在于，上述步骤(4)中所述的Frame层比特分配和码率控制，其具体步骤是：

(4-1)、确定当前GOP的缩放因子：

$S_f\left[k\right]=S_f[k-1]\×\sqrt{3/2}\×N_{\mathrm{Bi}}(k,i)+\sqrt{2}\×({N^0}_{\mathrm{Uni}}(k,i)+{N^1}_{\mathrm{Uni}}(k,i))/2$

$X_{\mathrm{tot}}=X^I+N_P{X}^P+\underset{k}{\mathrm{\Σ}}{N}_B\left(k\right)X^B\left(k\right)$

${\mathrm{\ω}}^{I/P}=\frac{X^{I/P}}{S_f[-1]\×X_{\mathrm{tot}}}$

${\mathrm{\ω}}_k=\frac{X^B\left(k\right)}{S_f\left[k\right]\×X_{\mathrm{tot}}}$

其中S_f[k]表示第k个分层B图像的权重，S_f[-1]表示I图像或P图像的权重，其初始值为1，N_Bi(k，i)表示双向关联样本点数目，N⁰ _Uni(k，i)或N¹ _Uni(k，i)表示单向关联样本点数目，ω^I/P表示I图像或P图像的缩放因子，ω_k表示第k个分层B图像的缩放因子，N_B(k)表示第k个时间层的B帧数目，x表示图像复杂度，由图像的实际编码比特数和量化参数得到。上述各式中k的范围从0到d-1，d表示总的分层数目。

(4-2)、根据剩余比特数、每个分层的剩余B帧数目以及当前GOP的缩放因子确定当前帧分配到的比特数目为：

${T^B}_{l,i}=\frac{{\mathrm{\ω}}_l{B}_l\left(i\right)}{\underset{k=l}{\overset{d-1}{\mathrm{\Σ}}}{\mathrm{\ω}}_k{N^i}_B\left(k\right)}$

$T^{I/P}=\frac{{\mathrm{\ω}}^{I/P}{B}_{\mathrm{tot}}}{{\mathrm{\ω}}^{I/P}+\underset{k=0}{\overset{d-1}{\mathrm{\Σ}}}{\mathrm{\ω}}_k{N}_B\left(k\right)}$

其中，T^B _l，i表示当前GOP第l个分层第i个B图像分配到的比特数目，T^I/P表示I图像或P图像分配到的比特数目，B_i(i)表示当编码当前GOP第l个分层第i个B图像时的剩余比特数，Nⁱ _B(k)表示第k个分层尚未编码的B图像数目，B_tot表示当前GOP分配到的总比特数，ω^I/P和ω_k分别表示I图像或P图像的缩放因子和第k个分层B图像的缩放因子。

6、根据权利要求5所述的多视点视频编码的多级码率控制方法，其特征在于，上述步骤(5)中所述的Macroblock层比特分配和码率控制，最终确定出当前宏块的量化参数Q_pc，其具体步骤是：

(5-1)、根据前面得到的当前编码帧的目标比特数，确定当前编码宏块的目标比特数为：

$T_{\mathrm{mac}}=\frac{R_{\mathrm{FRM}}}{256\×N_R}$

其中，T_mac表示每像素比特数，R_FRM表示编码完前一个宏块之后的剩余比特数，N_R表示剩余的未编码宏块数目。

(5-2)、根据拉普拉斯率失真模型确定当前编码宏块的量化参数Q为：

$R\left(D\right)={\log }_2\left(\frac{1}{\mathrm{\λD}}\right)={\log }_2\left(\frac{\mathrm{\σ}}{\sqrt{2}\mathrm{\ρQ}}\right)$

$Q=\frac{\mathrm{\σ}\×2^{-T_{\mathrm{mac}}}}{\sqrt{2}\mathrm{\ρ}}$

其中，R表示码率，D表示失真，λ表示分布参数，σ表示原始数据的标准偏差，ρ表示失真参数，Q表示当前宏块的量化参数，T_mac表示每像素比特数。

(5-3)、为保持图像质量的均衡性，考虑前一个宏块的量化参数Q_pp，最终确定出当前宏块的量化参数Q_pc：

${\tilde{Q}}_{\mathrm{pc}}=\min \{Q_{\mathrm{pp}}+2,\max \{Q_{\mathrm{pp}}-2,Q\left\}\right\}$

$Q_{\mathrm{pc}}=\min \{51,\max \{{\tilde{Q}}_{\mathrm{pc}},1\left\}\right\}$

Q_pp表示前一个宏块的量化参数，Q_pc表示最终确定的当前宏块的量化参数。

Images