一、引言

近年來，隨著我國通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施的快速建設(shè)，視訊業(yè)務(wù)由于可以為處于多點的與會者提供音視頻等多種信息，節(jié)省大量費用，提高工作效率，因而發(fā)展迅速，并有望成為NGN的主要業(yè)務(wù)。隨著HDTV的興起，H.264這個規(guī)范頻頻出現(xiàn)在我們眼前，HD-DVD和藍光均計劃采用這一標準進行節(jié)目制作。而且自2005年下半年以來，無論是NVIDIA還是ATI都把支持H.264硬件解碼加速作為自己最值得夸耀的視頻技術(shù)。H.264到底是何方“神圣”呢？

H.264是一種高性能的視頻編解碼技術(shù)。目前國際上制定視頻編解碼技術(shù)的組織有兩個，一個是“國際電聯(lián)（ITU-T）”，它制定的標準有H.261、H.263、H.263+等，另一個是“國際標準化組織（ISO）”它制定的標準有MPEG-1、MPEG-2、MPEG-4等。而H.264則是由兩個組織聯(lián)合組建的聯(lián)合視頻組（JVT）共同制定的新數(shù)字視頻編碼標準，所以它既是ITU-T的H.264，又是ISO/IEC的MPEG-4高級視頻編碼（Advanced Video Coding，AVC），而且它將成為MPEG-4標準的第10部分。因此，不論是MPEG-4 AVC、MPEG-4 Part 10，還是ISO/IEC 14496-10，都是指H.264。

H.323系統(tǒng)對視頻編解碼標準提出了以下三個主要要求：

（1）一些IP網(wǎng)絡(luò)接入方式如xDSL可提供的帶寬有限，除去音頻、數(shù)據(jù)占用的帶寬，傳輸視頻的可用帶寬就更少，這就要求視頻編解碼壓縮率高，這樣就可以在一定的比特率下具有更好的圖像質(zhì)量。

（2）抗丟包性能和抗誤碼性能好，適應(yīng)各種網(wǎng)絡(luò)環(huán)境，包括丟包和誤碼嚴重的無線網(wǎng)絡(luò)。

（3）網(wǎng)絡(luò)適應(yīng)性好，便于視頻流在網(wǎng)絡(luò)中傳輸。

二、H.264適于H.323系統(tǒng)的三個技術(shù)優(yōu)勢

H.264在制定時充分考慮了多媒體通信對視頻編解碼的各種要求，并借鑒了以往視頻標準的研究成果，因而具有明顯的優(yōu)勢。以下將結(jié)合H.323系統(tǒng)對視頻編解碼技術(shù)的要求，闡述H.264的三個優(yōu)勢。

1. 壓縮率和圖像質(zhì)量方面

壓縮率（Compression ratio），描述壓縮文件的效果名詞，是文件壓縮后的大小與壓縮前的大小之比。比如你把100m的文件壓縮后是90m，壓縮率就是90/100*100%=90%，壓縮率一般是越小越好，但是壓得越小，時間越長。

對傳統(tǒng)的幀內(nèi)預(yù)測、幀間預(yù)測、變換編碼和熵編碼等算法的改進，使H.264的編碼效率和圖像質(zhì)量在以往標準的基礎(chǔ)上進一步提高。

（1）可變塊大小：幀間預(yù)測時可以靈活選擇塊的大小。在宏塊（MB）劃分上H.264采用了16×16，16×8，8×16，8×8四種模式；當(dāng)劃分為8×8模式時，又可進一步采用8×4、4×8、4×4三種子宏塊劃分模式進一步劃分，這樣可以使運動物體的劃分更加精確，減小預(yù)測誤差，提高編碼效率。

（2）高精度運動估值：在H.264中亮度信號運動補償預(yù)測的精度是1/4像素。如果運動矢量指向參考圖像的整像素位置，預(yù)測值就是該位置上參考圖像像素的值；否則使用6階FIR濾波器的線性內(nèi)插獲得1/2像素位置的預(yù)測值，通過取整數(shù)和1/2像素位置像素值均值的方式獲得1/4像素位置的值。顯然采用高精度運動估計會進一步減小幀間預(yù)測誤差。

（3）多參考幀運動估值：每一個M×N亮度塊都要經(jīng)過運動補償預(yù)測得到運動矢量和參考圖像索引，子宏塊中的每個子宏塊劃分都會有不同的運動矢量。選擇參考圖像過程是在子宏塊層次上進行的，因而一個子宏塊中的多個子宏塊劃分在預(yù)測時使用相同的參考圖像，而同一個slice的多個子宏塊之間選擇的參考圖像可以不同，這就是多參考幀運動估值。

（4）參考圖像的選取更加靈活：參考圖像甚至可以是采用雙向預(yù)測編碼方式的圖像，這就允許選取與當(dāng)前圖像更加匹配的圖像為參考圖像進行預(yù)測，從而可以減小預(yù)測誤差。

（5）加權(quán)預(yù)測：允許編碼器以一定的系數(shù)對運動補償預(yù)測值進行加權(quán)，從而在一定的場景下可以提高圖像質(zhì)量。

（6）運動補償循環(huán)內(nèi)的消除塊效應(yīng)濾波器：為消除在預(yù)測和變換過程中引入的塊效應(yīng)，H.264也采用了消除塊效應(yīng)濾波器，但不同的是H.264的消除塊效應(yīng)濾波器位于運動估計循環(huán)內(nèi)部，因而可以利用消除塊效應(yīng)以后的圖像去預(yù)測其他圖像的運動，從而進一步提高預(yù)測精度。

2. 抗丟包和抗誤碼方面

參數(shù)集、片的使用、FMO、冗余片等關(guān)鍵技術(shù)的使用可以大大提高系統(tǒng)的抗丟包和抗誤碼性能。

（1）參數(shù)集：參數(shù)集及其靈活的傳送方式會大大降低因關(guān)鍵的頭信息丟失而造成錯誤發(fā)生的可能。為保證參數(shù)集可靠地到達解碼器端，可以采用重發(fā)的方式多次發(fā)送同一參數(shù)集，或傳送多個參數(shù)集。

（2）片（slice）的使用：圖像可以劃分成一個或幾個片。將圖像劃分為多個片，當(dāng)某一片不能正常解碼時的空間視覺影響就會大大降低，而且片還提供了重同步點。

（3）PAFF和MBAFF：當(dāng)對隔行掃描圖像進行編碼時，由于兩個場之間存在較大的掃描間隔，這樣，對運動圖像來說幀中相鄰兩行的空間相關(guān)性相對于逐行掃描時就會減小，這時對兩個場分別進行編碼會更節(jié)省碼流。前兩種稱為PAFF編碼，對運動區(qū)域進行編碼時場方式有效，非運動區(qū)域由于相鄰兩行有較大的相關(guān)性，因而幀方式會更有效。當(dāng)圖像同時存在運動區(qū)域和非運動區(qū)域時，在MB層次上，對運動區(qū)域采取場方式，對非運動區(qū)域采取幀方式會更加有效，這種方式就稱為MBAFF。

（4）FMO：通過FMO可以進一步提高片的差錯恢復(fù)能力。通過片組（slice group）的使用，F(xiàn)MO改變了圖像劃分為片和宏塊的方式。宏塊到片組的映射定義了宏塊屬于哪一個片組。利用FMO技術(shù)，H.264定義了七種宏塊掃描模式。

（1）幀內(nèi)預(yù)測：H.264借鑒了以往視頻編解碼標準在幀內(nèi)預(yù)測上的經(jīng)驗，值得注意的是，在H.264中，IDR圖像可以使參考圖像緩存無效，之后的圖像在解碼時不再參考IDR圖像之前的圖像，因而IDR圖像具有很好的重同步作用。在一些丟包和誤碼嚴重的信道中，可以采取不定期傳送IDR圖像的方式進一步提高H.264的抗誤碼和抗丟包性能。

（2）冗余圖像：為提高H.264的解碼器在發(fā)生數(shù)據(jù)丟失時的頑健性，可以采用傳送冗余圖像的方式。當(dāng)基本圖像丟失時，可以通過冗余圖像重構(gòu)原圖像。

（3）數(shù)據(jù)劃分：由于運動矢量和宏塊類型等信息相對于其他信息具有更高的重要性，因而在H.264中引入了數(shù)據(jù)劃分的概念，將片中語義彼此相關(guān)的語法元素放在同一個劃分中。在H.264中有三類不同的數(shù)據(jù)劃分，三類數(shù)據(jù)劃分分開傳送，若第二類或第三類劃分的信息丟失，使用差錯恢復(fù)工具仍然可以通過第一類劃分中的信息對丟失信息進行適當(dāng)恢復(fù)。

（4）多參考幀運動估值：多參考幀運動估值不但可以提高編碼器的編碼效率，還可以提高差錯恢復(fù)能力。在H.323系統(tǒng)中，通過使用RTCP，當(dāng)編碼器得知有參考圖像丟失時，可以選擇解碼器已經(jīng)正確接收的圖像作為參考圖像。

（5）為阻止錯誤在空間上的蔓延，解碼器端可以指定當(dāng)P片或B片中的宏塊在做幀內(nèi)預(yù)測時不使用相鄰的非幀內(nèi)編碼宏塊作為參考。

3. 網(wǎng)絡(luò)適應(yīng)性方面

為適應(yīng)各種網(wǎng)絡(luò)環(huán)境和應(yīng)用場合，H.264定義了視頻編碼層（VCL）和網(wǎng)絡(luò)提取層（NAL）。其中VCL功能是進行視頻編解碼，包括運動補償預(yù)測，變換編碼和熵編碼等功能；NAL用于采用適當(dāng)?shù)母袷綄CL視頻數(shù)據(jù)進行封裝打包。

（1）NAL Units：視頻數(shù)據(jù)封裝在整數(shù)字節(jié)的NALU中，它的第一個字節(jié)標志該單元中數(shù)據(jù)的類型。基于包交換的網(wǎng)絡(luò)（如H.323系統(tǒng)）可以使用RTP封裝格式封裝NALU。而另外一些系統(tǒng)可能要求將NALU作為順序比特流傳送，為此H.264定義了一種比特流格式的傳輸機制，使用start_code_prefix將NALU封裝起來，從而確定NAL邊界。

（2）參數(shù)集：以往視頻編解碼標準中GOBGOP圖像等頭信息是至關(guān)重要的，包含這些信息的包的丟失常導(dǎo)致與這些信息相關(guān)的圖像不能解碼。為此H.264將這些很少變化并且對大量VCL NALU起作用的信息放在參數(shù)集中傳送。參數(shù)集分為兩種，即序列參數(shù)集和圖像參數(shù)集。為適應(yīng)多種網(wǎng)絡(luò)環(huán)境，參數(shù)集可以帶內(nèi)傳送，也可以采用帶外方式傳送。

三、在H.323系統(tǒng)中實現(xiàn)H.264

H.323是ITU多媒體通信系列標準H.32x的一部份，該系列標準使得在現(xiàn)有通信網(wǎng)絡(luò)上進行視頻會議成為可能，其中，H.320是在N-ISDN上進行多媒體通信的標準：H.321是在B-ISDN上進行多媒體通信的標準：H.322是在有服務(wù)質(zhì)量保證的LAN上進行多媒體通信的標準：H.324是在GSTN和無線網(wǎng)絡(luò)上進行多媒體通信的標準。H.323為現(xiàn)有的分組網(wǎng)絡(luò)PBN（如IP網(wǎng)絡(luò)）提供多媒體通信標準。若和其它的IP技術(shù)如IETF的資源預(yù)留協(xié)議RSVP相結(jié)合，就可以實現(xiàn)IP網(wǎng)絡(luò)的多媒體通信。基于IP的LAN正變得越來越強大，如IP over SDH/SONET、IP over ATM技術(shù)正在快速發(fā)展以及LAN 寬帶正在不斷的提高。由于能提供設(shè)備與設(shè)備、應(yīng)用與應(yīng)用、供應(yīng)商與供應(yīng)商之間的互操作能力，因此，H.323能夠保證所有H.323兼容設(shè)備的互操作性。更高速率的處理器、日益增強的圖形器件和強大的多媒體加速芯片使提PC成為一個越來越強大的多媒體平臺。

由于H.264是一種新的視頻編解碼標準，在H.323體系中應(yīng)用H.264存在一些問題，比如如何在H.245能力協(xié)商過程中定義實體的H.264能力，因此必須對H.323標準進行必要的補充和修改。為此，ITU-T制定了H.241標準。本文僅介紹與H.323相關(guān)的修改。

首先，要規(guī)定如何在H.245能力協(xié)商過程中定義H.264能力。H.264能力集是一個包含一個或多個H.264能力的列表，每一個H.264能力都包含Profile和Level兩個必選參數(shù)和CustomMaxMBPS、CustomMaxFS等幾個可選參數(shù)。在H.264中，Profile用于定義生成比特流的編碼工具和算法，Level則是對一些關(guān)鍵的參數(shù)要求。Collapsing字段第一個條目是Profile，ParameterIdentifier類型為standard，值為41，用于標識Profile，ParameterValue類型為booleanArray，其值標識Profile，可以為64、32或16，這三個值依次表示Baseline、Main和Extended三個Profile；Collapsing字段第二個條目是Level，ParameterIdentifier類型為standard，值為42，用于標識Level，ParameterValue類型為unsignedMin，其值標識H.264 AnnexA中定義的15個可選的Level值。其他的幾個參數(shù)作為可選項出現(xiàn)。

H.323可提供PBN與別的網(wǎng)絡(luò)之間進行多媒體通信的互連互通標準。許多計算機、網(wǎng)絡(luò)通信公司，如Intel、Microsoft和Netscape都支持H.323標準。H.323標準包括在無QoS保證的分組網(wǎng)絡(luò)中進行多媒體通信所需的技術(shù)要求。這些分組網(wǎng)絡(luò)包括LAN、WAN、Internet/因特網(wǎng)以及使用PPP等分組協(xié)議通過GSTN或ISDN的撥號連接或點對點連接

四、結(jié)束語

作為一種新的國際標準，H.264在編碼效率、圖像質(zhì)量、網(wǎng)絡(luò)適應(yīng)性和抗誤碼方面都取得了成功。但隨著終端和網(wǎng)絡(luò)的快速發(fā)展，對視頻編解碼的要求在不斷提高，因此H.264仍在繼續(xù)地完善和發(fā)展以適應(yīng)新的要求。現(xiàn)在對H.264的研究主要集中在如何進一步降低編解碼時延、算法優(yōu)化和進一步提高圖像質(zhì)量上。