， ， ， ， ， ，

(云南大學(xué) 信息學(xué)院 云南 昆明 650504)

0 引言

隨著互聯(lián)網(wǎng)產(chǎn)業(yè)的飛速發(fā)展，語(yǔ)音、圖片、視頻等各種多媒體類型的文件應(yīng)用越來越廣泛，其中數(shù)字視頻通信成為人們關(guān)注的焦點(diǎn)，在多媒體通信應(yīng)用中占據(jù)重要位置.為了解決其存儲(chǔ)和傳輸占用的寬帶資源，國(guó)際電信聯(lián)盟及國(guó)際標(biāo)準(zhǔn)化組織制定了H.261、H.263、H.264、H.265、MPEG-1、MPEG-2、MPEG-4、MPEG-7等系列標(biāo)準(zhǔn)用于視頻壓縮編碼.2002年6月，音視頻編碼標(biāo)準(zhǔn)(AVS)工作組宣布成立，AVS是我國(guó)具備自主知識(shí)產(chǎn)權(quán)的第2代信源編碼標(biāo)準(zhǔn).在這些編碼標(biāo)準(zhǔn)中，特別是面向低碼率、高質(zhì)量的標(biāo)準(zhǔn)在實(shí)時(shí)應(yīng)用中具有重要意義.視頻編碼是用盡量少的比特?cái)?shù)來最大限度地表述視頻內(nèi)容，從而節(jié)約移動(dòng)通信寬帶資源.2012年全球移動(dòng)數(shù)據(jù)流量為5 EB.預(yù)計(jì)到2019年，全球視頻流量占據(jù)的比重將從2014年的64%上升到80%[1]，視頻業(yè)務(wù)的比重在不斷提高.龐大的網(wǎng)絡(luò)數(shù)據(jù)量對(duì)網(wǎng)絡(luò)帶寬提出了巨大的考驗(yàn).盡管移動(dòng)通信系統(tǒng)不斷通過技術(shù)演進(jìn)與革新來增加帶寬，但仍無法從根本上解決帶寬不足的問題.

從節(jié)省移動(dòng)通信帶寬資源上講，眾多研究者從壓縮編碼技術(shù)上提高編碼性能，從而減少視頻傳輸?shù)臄?shù)據(jù)量.文獻(xiàn)[2]采用四叉樹單元結(jié)構(gòu)、殘差四叉樹變換結(jié)構(gòu)、像素自適應(yīng)差值以及自適應(yīng)熵編碼等多項(xiàng)先進(jìn)編碼技術(shù)來提高視頻數(shù)據(jù)壓縮量.文獻(xiàn)[3-4]分別利用自適應(yīng)濾波與碼率控制技術(shù)等實(shí)現(xiàn)編碼效率的最大化.文獻(xiàn)[5]綜述了基于壓縮感知的編碼方法，提出感興趣區(qū)域編碼.這些技術(shù)從視頻數(shù)據(jù)的編碼角度減少了信息冗余，節(jié)省了帶寬資源，但計(jì)算量較大.鑒于人眼對(duì)視頻的視覺冗余，文獻(xiàn) [6-7]提出了可察覺失真編碼和非對(duì)稱立體視頻編碼算法來提升視頻傳輸?shù)木W(wǎng)絡(luò)適應(yīng)性和編碼效率. 文獻(xiàn) [8-9]把視頻編碼和視覺冗余相結(jié)合，有效提升了網(wǎng)絡(luò)適應(yīng)性和編碼效率.在面對(duì)移動(dòng)通信壓力時(shí)，只從編碼壓縮上減少數(shù)據(jù)冗余是不夠的，需要結(jié)合更多的技術(shù)來節(jié)省帶寬資源.本文對(duì)影音視頻提出了一種節(jié)帶化處理系統(tǒng)，在傳輸過程中建立模型庫(kù)，減少圖像傳輸冗余，節(jié)約了移動(dòng)帶寬資源.

1 視頻節(jié)帶化處理系統(tǒng)

視頻編碼是以圖像質(zhì)量為代價(jià)，減少連續(xù)幀間和幀內(nèi)的冗余.一部視頻包括很多場(chǎng)景，每個(gè)場(chǎng)景又包括不斷切換的鏡頭內(nèi)容，這樣影音視頻在時(shí)間先后上難免會(huì)有重復(fù)信息.圖1為《生活大爆炸》第1季第7集中幾個(gè)不同時(shí)刻的幀圖，每張圖的兩個(gè)方框區(qū)域內(nèi)表示了在時(shí)間先后上出現(xiàn)的內(nèi)容冗余，消除這種間隔幀間的冗余信息，將節(jié)約更多的移動(dòng)寬帶通信資源.

圖1 視頻間隔幀間的內(nèi)容冗余Fig.1 Content redundancy between video interval frames

從圖1可以看出，影音視頻間隔幀間存在著一定的冗余信息.為了減少這部分冗余信息，提出了結(jié)合存儲(chǔ)的影音視頻節(jié)帶化系統(tǒng)，如圖2所示.影音視頻在傳輸之前，對(duì)其做一個(gè)預(yù)處理，視頻是連續(xù)的圖像序列，包括多個(gè)場(chǎng)景，各個(gè)場(chǎng)景又分成不同的鏡頭，先對(duì)視頻做鏡頭檢測(cè)，把鏡頭切換的那一幀找出來，然后分析鏡頭切換幀間的冗余；采用特征匹配方法，匹配越多的幀相似性越大，把先前出現(xiàn)過的幀內(nèi)容建立模型庫(kù)，后續(xù)出現(xiàn)的幀如果可匹配上模型庫(kù)里的模型，則匹配上的那部分區(qū)域就不用傳輸.系統(tǒng)模型庫(kù)主要是根據(jù)背景區(qū)域建立的.模型庫(kù)建立后，視頻就被分成了匹配區(qū)域和未匹配區(qū)域，后續(xù)傳輸中收發(fā)兩端同時(shí)更新這個(gè)庫(kù)，傳輸時(shí)傳輸未匹配區(qū)域和匹配區(qū)域的標(biāo)簽信息，即未匹配區(qū)域的圖像編碼信息和匹配區(qū)域的語(yǔ)義編碼信息，這些語(yǔ)義信息包括模型編號(hào)以及區(qū)域外接點(diǎn)位置等描述匹配區(qū)域的信息.在收端根據(jù)標(biāo)簽信息找到模型庫(kù)里的匹配模型，與解碼圖像拼接成幀圖，最終構(gòu)成可觀看的視頻.

圖2 影音視頻節(jié)帶化系統(tǒng)Fig.2 Content-slimming system for audio video

2 影音視頻節(jié)帶化關(guān)鍵技術(shù)

2.1 自適應(yīng)鏡頭檢測(cè)

影音視頻可能由幾十個(gè)場(chǎng)景構(gòu)成，而每一個(gè)場(chǎng)景中又包括很多的鏡頭切換，鏡頭檢測(cè)的目的是為了把影音視頻的鏡頭切換幀找出來.利用自適應(yīng)閾值法[10]進(jìn)行鏡頭檢測(cè)，把視頻序列按每21幀分成一個(gè)小組，相鄰小組間首尾幀相同，每10個(gè)組構(gòu)成一個(gè)單元，閾值處理過程如圖3所示.

圖3 閾值處理過程Fig.3 Threshold processing

如果有鏡頭轉(zhuǎn)換，則在小組內(nèi)通過相同的自適應(yīng)閾值兩次二分，將鏡頭轉(zhuǎn)換范圍縮小在5幀內(nèi)，通過式(1)判定出鏡頭切換幀.

≥3，

(1)

式中：tm是幀間最大距離值；ts是幀間第二大距離值；C是一個(gè)為了保證分母非零的很小的常量.對(duì)于切換鏡頭的檢測(cè)，該方法效果很好，對(duì)于漸變鏡頭的計(jì)算會(huì)加入更多的判定條件，計(jì)算會(huì)更復(fù)雜些.圖4是鏡頭檢測(cè)得到的幾個(gè)鏡頭起始幀.

圖4 鏡頭檢測(cè)得到的鏡頭起始幀F(xiàn)ig.4 Shot starting frames obtained by lens detection

2.2 特征匹配

特征匹配一方面是為了根據(jù)鏡頭起始幀建立出模型，另一方面是實(shí)現(xiàn)模型庫(kù)與后續(xù)圖像的匹配，完成圖像拆分及重構(gòu).圖像匹配技術(shù)通過對(duì)兩幅圖像的特征、結(jié)構(gòu)、關(guān)系、紋理、灰度等對(duì)應(yīng)關(guān)系和相似性、一致性進(jìn)行分析，尋找出相同對(duì)象目標(biāo).張煥龍等[11]針對(duì)傳統(tǒng)群智能方法在圖像匹配應(yīng)用中參數(shù)較多且調(diào)節(jié)復(fù)雜的問題,將布谷鳥搜索(CS)機(jī)制引入到圖像匹配過程.1999年Lowe提出了尺度不變特征轉(zhuǎn)換(scale invariant feature transform，SIFT)，并于2004年得到完善[12]. SIFT對(duì)圖像平移、旋轉(zhuǎn)、尺度變換等變形也能很好地檢測(cè)到特征點(diǎn)[13]，同時(shí)采用了不同尺度空間，受噪聲影響小，又因?yàn)榛谔卣鼽c(diǎn)的匹配實(shí)現(xiàn)速度較快，因此在圖像匹配識(shí)別領(lǐng)域應(yīng)用廣泛.圖5是兩幀圖像的SIFT特征點(diǎn)匹配情況.

2.3 隨機(jī)采樣一致性算法

圖5中存在一條斜向右上的錯(cuò)誤匹配對(duì)，為了剔除這種特征點(diǎn)對(duì),利用隨機(jī)采樣一致性(RANSAC)算法[14]來去除這種錯(cuò)誤匹配對(duì).RANSAC算法具有較強(qiáng)的穩(wěn)定性，可以用一個(gè)估計(jì)模型來表示這些適合的點(diǎn)，去掉樣本群中錯(cuò)誤的樣本，得到有效樣本點(diǎn)， 已被廣泛地應(yīng)用于特征檢測(cè)、樣本以及極限估計(jì)中[15].由于圖6是運(yùn)用RANSAC算法去除錯(cuò)誤匹配對(duì)后得到的更精確的匹配情況，故匹配的點(diǎn)對(duì)數(shù)減少了.

圖5 SIFT特征點(diǎn)匹配Fig.5 SIFT feature point matching

圖6 加入RANSAC算法后的SIFT特征點(diǎn)匹配Fig.6 SIFT feature point matching after adding RANSAC algorithm

圖7 模型庫(kù)示例Fig.7 Examples of model library

特征點(diǎn)匹配數(shù)目越多，范圍越寬，說明圖像越相似，相應(yīng)冗余信息也越多.特征匹配上的幀圖像，把先出現(xiàn)的幀所在鏡頭起始幀與該鏡頭內(nèi)最后一幀作差，即用幀差法提取背景，然后把背景分割成與原視頻同寬的背景區(qū)域，構(gòu)成模型庫(kù).圖7為兩個(gè)模型庫(kù)示意圖.

2.4 點(diǎn)集三角剖分

圖像可匹配區(qū)域的拆分過程如圖8所示.圖8(a)是建立的模型與后續(xù)幀的SIFT匹配，特征點(diǎn)匹配只能說明圖像間有相似區(qū)域，但是對(duì)這個(gè)區(qū)域的大小進(jìn)行確定還是個(gè)難點(diǎn).為了準(zhǔn)確表示匹配區(qū)域，利用點(diǎn)集三角剖分法[16]來對(duì)特征點(diǎn)構(gòu)成封閉區(qū)域，那么封閉區(qū)域肯定是可以匹配上的，即圖像進(jìn)行分割時(shí)的區(qū)域是相應(yīng)模型的一個(gè)子集.三角剖分后形成的區(qū)域內(nèi)圖像信息就是不需要傳輸?shù)?，可以根?jù)模型庫(kù)進(jìn)行恢復(fù).特征點(diǎn)三角剖分過程如圖8(b)所示.圖8(c)中的黑色區(qū)域是拆分掉的區(qū)域，不需要傳輸，直接可以根據(jù)模型進(jìn)行恢復(fù).

圖8 圖像可匹配區(qū)域的拆分過程Fig.8 Split process of image matching region

3 實(shí)驗(yàn)結(jié)果分析

在Windows 7平臺(tái)上，搭建了Matlab實(shí)驗(yàn)仿真，對(duì)兩段視頻實(shí)驗(yàn)素材進(jìn)行了節(jié)帶化系統(tǒng)處理，表1列舉了兩段視頻的實(shí)驗(yàn)素材信息.視頻1、視頻2都是《The Big Bang Theory》里截取的片段，是本文節(jié)帶化仿真的原始影音視頻.

表1 實(shí)驗(yàn)素材信息Tab.1 Information of experimental material

3.1 視頻恢復(fù)效果

影音視頻節(jié)帶化系統(tǒng)仿真中，對(duì)視頻受關(guān)注的前景信息沒有進(jìn)行處理，而只是對(duì)具有相似性的背景區(qū)域進(jìn)行了處理，忽略了邊緣較少的細(xì)節(jié)信息，視頻恢復(fù)效果可接受.圖9為原視頻與恢復(fù)視頻同一時(shí)刻的截圖，其中線框區(qū)域內(nèi)的圖像是不傳輸?shù)膮^(qū)域.對(duì)比視頻可以看出，恢復(fù)的效果還是很好的，但是在細(xì)節(jié)地方還是會(huì)有拼接上的差別，對(duì)圖9(c)、(d)截取的時(shí)刻來說，右下角字母CBS以及HDTV處有明顯的色差.所以在收端從模型庫(kù)里選擇模型恢復(fù)圖像，還需考慮更多關(guān)于顏色方面的細(xì)節(jié).

3.2 YUV平均值

為了從顏色上來判斷恢復(fù)視頻和原視頻是否有很大差異，在顏色空間YUV里比較了兩個(gè)視頻節(jié)帶化處理前后的YUV平均值.選擇YUV空間是因?yàn)樗请娨曄到y(tǒng)中一種常用的顏色編碼方法.圖10為原視頻與恢復(fù)視頻YUV平均值對(duì)比曲線圖.從圖10可以看出，視頻1和視頻2節(jié)帶化處理前后的YUV平均值在每幀基本保持不變，說明從模型恢復(fù)的區(qū)域沒有改變整體的顏色，不會(huì)在視覺上產(chǎn)生較大的顏色差異.

圖9 原視頻與恢復(fù)視頻同一時(shí)刻的截圖Fig.9 Screenshots at the same time of the original video and the recovery video

圖10 原視頻與恢復(fù)視頻YUV平均值比較Fig.10 Comparison of the YUV average value of the original video and the recovery video

3.3 視頻峰值信噪比

為了從圖像本質(zhì)上對(duì)視頻進(jìn)行客觀評(píng)價(jià)，對(duì)視頻1和視頻2計(jì)算了平均峰值信噪比(PSNR).圖11顯示了視頻1和視頻2的原視頻與恢復(fù)視頻的平均峰值信噪比，圖中的平均峰值信噪比是每幀圖像的YUV三個(gè)維度上的均值.由圖11可以看出，原視頻在圖像上已經(jīng)存在一定壓縮，峰值信噪比是以視頻解壓后為參考進(jìn)行計(jì)算的.對(duì)視頻1而言，原視頻的平均峰值信噪比在40 dB附近波動(dòng)，在32幀左右波動(dòng)較大；恢復(fù)視頻在38 dB附近波動(dòng)較小，整體上更平穩(wěn).對(duì)視頻2而言，原視頻的平均峰值信噪比在45 dB附近波動(dòng)，整體有一個(gè)略微下滑的趨勢(shì)，恢復(fù)視頻保持這種趨勢(shì)，但整體上更平穩(wěn).峰值信噪比可以從一方面說明圖像質(zhì)量的損失情況，其值越大說明圖像壓縮損失越小，圖像越清晰，即恢復(fù)出的視頻效果較好.

圖11 視頻1和視頻2的原視頻與恢復(fù)視頻的平均峰值信噪比Fig.11 Average PSNR of the original video and the recovery video of video 1 and video 2

3.4 節(jié)約量

移動(dòng)寬帶通信中對(duì)影音視頻節(jié)帶化處理后，視頻的恢復(fù)效果在顏色和信噪比上都與原視頻相差很小.節(jié)帶化系統(tǒng)一方面是為了保證視頻質(zhì)量，另一方面也是為了節(jié)省帶寬資源.本文對(duì)原始視頻和節(jié)帶化處理后的視頻進(jìn)行比較，得到視頻的節(jié)約量.表2列舉了視頻1、視頻2的節(jié)帶化實(shí)驗(yàn)結(jié)果，視頻原始數(shù)據(jù)量用M表示，節(jié)帶化后傳輸?shù)臄?shù)據(jù)量用N表示，節(jié)約率β可以表示為

(2)

從表2可以看出，就影音視頻而言，節(jié)帶化處理后傳輸?shù)囊曨l信息量減少.對(duì)于鏡頭切換間隔幀重復(fù)的視頻，節(jié)帶化系統(tǒng)對(duì)這種影音視頻能達(dá)到10%左右的節(jié)約量，這個(gè)節(jié)約量還只是在圖像幀基于匹配上的子區(qū)域進(jìn)行的拆分與重構(gòu)，當(dāng)然傳輸?shù)臄?shù)據(jù)還需要增加一些對(duì)匹配模型的說明，而這部分信息很小，所以采用視頻節(jié)帶化系統(tǒng)處理可以實(shí)現(xiàn)帶寬資源的節(jié)約.

視頻2的節(jié)約率比視頻1低，一方面是因?yàn)橐曨l本身間隔時(shí)間內(nèi)重復(fù)信息變少了，單位時(shí)間內(nèi)能實(shí)現(xiàn)建模匹配的模型減少；另一方面，匹配過程中，點(diǎn)匹配對(duì)一些幀沒有達(dá)到好的效果，故模型庫(kù)里模型匹配識(shí)別出來的區(qū)域變小了，即能拆分的區(qū)域小，所以節(jié)約率有所下降.對(duì)視頻而言，雖然本文的建模還不能達(dá)到理想模型庫(kù)全集，匹配的準(zhǔn)確性也還不夠高，但是從整體上看，這種存儲(chǔ)加計(jì)算的節(jié)帶化處理系統(tǒng)可以節(jié)省視頻傳輸資源，達(dá)到期望的目的.

為了更直觀地表示影音視頻建模存儲(chǔ)節(jié)帶化系統(tǒng)的節(jié)約量，以視頻幀的方式把每一幀圖像的節(jié)約量直觀表示出來，把視頻分成幀，對(duì)節(jié)帶化處理前后每一幀的大小進(jìn)行比較，可以得到每一幀的節(jié)約量.圖12列舉了視頻1中20幀節(jié)帶化處理前后對(duì)比圖.圖中所示第1幀是參考幀，之后的19幀是視頻在時(shí)間上有一定間隔的幀，參考模型的建立是根據(jù)第1幀圖像確定的，所以第1幀是全信息傳輸.有了模型之后，后續(xù)能與模型匹配的幀只需要傳輸未匹配信息和關(guān)于選定模型的信息，選定模型的信息可用數(shù)據(jù)量很小的標(biāo)簽表示.忽略掉模型的標(biāo)簽信息，得到影音視頻節(jié)帶化處理前后視頻幀的節(jié)約量.

表2 節(jié)帶化實(shí)驗(yàn)結(jié)果 Tab.2 Experimental results of content-slimming

圖12 視頻1中20幀節(jié)帶化處理前后比較Fig.12 Comparison of before and after content-slimming processing of 20 frames in video 1

4 結(jié)束語(yǔ)

在互聯(lián)網(wǎng)迅猛發(fā)展和普及的今天，視頻節(jié)帶化研究將是一個(gè)熱點(diǎn)問題，視頻業(yè)務(wù)有強(qiáng)大的市場(chǎng)動(dòng)力.本文從視頻內(nèi)容上提出一種影音視頻節(jié)帶化處理系統(tǒng)，在傳輸過程中建立模型庫(kù)，減少圖像傳輸冗余，節(jié)約移動(dòng)帶寬資源.從節(jié)帶化系統(tǒng)仿真角度搭建了基于影音業(yè)務(wù)的節(jié)帶化系統(tǒng)并仿真，從視頻恢復(fù)效果和節(jié)約量來分析仿真結(jié)果，指出了這種視頻節(jié)帶化處理的優(yōu)點(diǎn).對(duì)于影音視頻，本文提出的這種計(jì)算加存儲(chǔ)的影音視頻節(jié)帶化系統(tǒng)，能減少視頻傳輸量，節(jié)約移動(dòng)通信帶寬資源.在將來的工作中，對(duì)于高效建模、區(qū)域分割以及視頻圖像的重構(gòu)都需要進(jìn)一步的研究，以達(dá)到影音視頻節(jié)帶化系統(tǒng)的高效性和準(zhǔn)確性.