改进的视频压缩帧插值的制作方法

专利名称：改进的视频压缩帧插值的制作方法
技术领域：
本发明涉及视频压缩，更特别地是涉及在MPEG类的编码和解码系统中改进的视 频压缩帧插值。
背景技术：
MPEG视频压缩MPEG-2和MPEG-4是国际视频压缩标准，它们定义的各自的视频语法，提供了高效 的方法来以更紧凑的编码数据表示图像序列。编码比特的语言就是所谓的“语法”。例如， 几个标记可以表示整个样本块(例如对于MPEG-2是64个样本)。两种MPEG标准都描述了 解码(重构)过程，即把编码的比特从紧凑的表示变换成图像序列的原始格式的一个近似。 例如，在编码比特流中的一个标志可以表示在利用离散余弦变换(DCT)算法对随后的比特 解码之前，是否使用预测算法先处理这些比特。包括解码过程的算法由这些MPEG标准所定 义的语义来规定。这个语法可以被用于开发普通的视频特征，例如空间冗余、时间冗余、勻 速运动、空间屏蔽等等。MPEG解码器必须能够解析和解码输入的数据流，但是只要数据流符 合相应的MPEG语法，就可以使用各种各样的可能的数据结构和压缩技术(虽然在技术上这 背离了标准，因为语义不一致)。在某种替换语法内携带所需的语义也是可能的。这些MPEG标准使用各种压缩方法，包括帧内方法和帧间方法。在大多数视频场景 中，背景保持相对稳定而动作在前景中发生。背景可能移动，但是通常许多场景是冗余的。 这些MPEG标准通过创建称为“内”帧或“I帧”的参考帧开始压缩。在不参考其他帧的情况 下来压缩I帧，因此I帧包含了视频信息的一个完整的帧。I帧提供用于随机访问的数据 比特流的入口点，但只能被适度地压缩。典型地，表示I帧的数据在比特流中每隔12到15 帧放置(虽然在某些情况下在I帧之间使用更宽的间隔也是有用的)。据此，由于落入参 考I帧之间的帧中只有一小部分不同于包围的(bracketing)〗帧，所以只有图像差别被捕 获、压缩和存储。两种类型的帧被用于这种差别——预测帧(P帧)和双向预测的(或插值 的)帧(B帧)。P帧一般根据过去的帧(I帧或者前面P帧)来编码，而且通常被用作后续P帧的 参考。P帧受到相当大的压缩量。B帧提供最高的压缩量，但是为了被编码既需要过去的参 考帧也需要未来的参考帧。P帧和I帧是“可参考帧”，因为它们可以被P帧或B帧参考。宏块(macroblock)是图像像素区域。对于MPEG-2，宏块是4个8x8DCT块的16x16 像素组，对于P帧加上一个运动向量，对于B帧加上一个或两个运动向量。可以使用帧内或帧间(预测的)编码对P帧内的宏块单独编码。可以使用帧内编码、前向预测编码、后向 预测编码或同时使用前向和后向(即双向插值)预测编码对B帧内的宏块单独编码。在 MPEG-4视频编码中所用的结构与此稍有不同，但是是类似的。在编码之后，MPEG数据比特流包括I帧、P帧和B帧的序列。序列可以由I帧、P 帧和B帧的几乎任何模式组成(关于它们的位置有几个次要的语义限制)。但是，在业界实 践中常见的是具有固定的帧模式(例如，IBBPBBPBBPBBPBB)。运动向量预测 在MPEG-2和MPEG-4中(以及类似的标准，例如H. 263)，B型(双向预测的)帧的 使用被证明是有益于压缩效率的。这种帧的每个宏块的运动向量可以由以下三种方法中的 任何一种来预测模式1 根据前面的I帧或P帧进行的前向预测(即非双向预测的帧)。模式2 根据后续的I帧或P帧进行的后向预测。模式3 根据后续和前面的I帧或P帧进行的双向预测。模式1和用于P帧的前向预测方法相同。模式2除了向后根据后续帧来工作外， 是相同的概念。模式3是插值模式，其结合了来自前面的和后续的帧的信息。除了这三种模式，MPEG-4还支持用于B帧的另一种插值运动向量预测模式直接 模式预测，其使用来自后续P帧的运动向量，加上一个增量(S)值(如果来自共处的P宏 块的运动向量被分成8x8的模式——对于16x16宏块产生4个运动向量——那么该增量被 应用于B帧中的所有4个独立的运动向量)。后续P帧的运动向量指向前面P帧或I帧。 一个比例被用于对后续P帧的运动向量进行加权。该比例是当前的B帧相对于后续的P帧 和前面的P(或I)帧的相对时间位置。图1是根据现有技术的帧的时间线和MPEG-4直接模式运动向量。MPEG-4直接模 式(模式4)的概念是指在每个居间的B帧中的宏块的运动可能接近被用于编码在随后P 帧中的相同位置的运动。增量被用于对从后续P帧的相应运动向量(MV)103导出的比例运 动向量进行小的校正。图1显示的是给予每个中间B帧104a、104b的运动向量101和102 的比例加权，其作为前面P帧或I帧105和下一个P帧106之间的“时间距离”的函数。分 配给相应的中间B帧104a、104b的运动向量101和102等于分配的权重值(分别是1/3和 2/3)乘以下一个P帧的运动向量103，加上增量值。关于MPEG-2，B帧的所有预测模式在编码中被测试，并且被比较以找到每个宏块 的最佳预测。如果没有好的预测，那么宏块被单独编码成“I”(“内部”)宏块。编码模式 被选为前向(模式1)、后向(模式2)和双向(模式3)编码中的最佳模式，或者选为内部编 码。关于MPEG-4，不允许选择内部编码。相反，直接模式成为第四种选择。同样，基于某种 最佳匹配准则选择最优的编码模式。在基于MPEG-2和MPEG-4的软件编码器中，使用DC匹 配(绝对差值的和，或“SAD”)来确定最佳匹配。在编码的数据比特流中连续B帧的数量是由MPEG中的参数值“M”确定的。M减 1是每个P帧和下一个P帧(或I帧)之间的B帧的数量。因此，如果M = 3，则每个P帧 (或I帧)之间就有2个B帧，如图1所示。在M值的限定方面(因而也限定了连续B帧的 数量)，主要的限制在于P帧(或I帧)之间的运动变化量变大。更多的B帧意味着P帧 (或I帧)之间的时间更长。因此，运动向量的效率和编码范围限制构成了中间B帧数量的极限。还很重要的是要注意到P帧携带“变化能量”和移动的图像流一起前进，因为每个 解码P帧被用作预测下一个后续P帧的起始点。但是，B帧在使用之后被丢弃。因此，任何 用于创建B帧的比特仅被用于那个帧，而且与P帧不同，它们不提供帮助后续帧解码的校
正。

发明内容
本发明涉及一种用于在视频图像压缩系统中提高一个或多个预测帧图像质量的 方法、系统和计算机程序，其中每个帧包括多个像素。一个方面，本发明包括确定双向预测帧的每个像素的值作为一个将一双向预测帧 序列包围起来的非双向预测帧中的对应像素值的加权比例。在一个实施例中，该加权比例 是进行包围的非双向预测帧之间的距离的函数。在另一个实施例中，加权比例是进行包围 的非双向预测帧之间的距离和进行包围的非双向预测帧的等平均值的混合函数。本发明的另一个方面，像素值的插值表示表示在线性空间中，或者在其他不同于 原始非线性表示的优化的非线性空间中。本发明的其他方面包括系统、计算机程序和方法，其包含 具有包括图像区域的可参考帧序列的视频图像压缩系统，其中至少一个预测帧 的至少一个图像区域参考两个或多个可参考帧被编码。 具有包括图像区域的可参考帧序列的视频图像压缩系统，其中至少一个预测帧 的至少一个图像区域以显示顺序参考一个或多个可参考帧被编码，其中至少一个这样的可 参考帧不是在显示顺序中最靠近至少一个预测帧的前面的可参考帧。 具有包括宏块的可参考帧序列的视频图像压缩系统，其中在至少一个预测帧内 的至少一个宏块通过来自两个或多个可参考帧的插值而被编码。 具有包括图像区域的可参考帧和双向预测帧序列的视频图像压缩系统，其中至 少一个双向预测帧的至少一个图像区域被编码以包括至少两个以上的运动向量，每个这样 的运动向量参考在至少一个可参考帧中的对应的图像区域。 具有包括图像区域的可参考帧序列的视频图像压缩系统，其中至少一个预测帧 的至少一个图像区域被编码以包括至少两个运动向量，每个这样的运动向量参考在可参考 帧中的对应的图像区域，其中这样的至少一个预测帧的每个这样的图像区域通过来自两个 或多个可参考帧的插值而被编码。 具有包括图像区域的可参考帧和双向预测帧序列的视频图像压缩系统，其中至 少一个双向预测帧的至少一个图像区域被编码作为来自两个或多个可参考帧的选定图像 区域的不相等加权。 具有包括图像区域的可参考帧和双向预测帧序列的视频图像压缩系统，其中至 少一个双向预测帧的至少一个图像区域通过来自两个或多个可参考帧的插值而被编码，其 中两个或多个可参考帧中的至少一个在显示顺序中被至少一个居间的可参考帧与双向预 测帧隔开，且其中这样的至少一个图像区域被编码作为这样的至少两个或多个可参考帧的 选定图像区域的不相等加权。 具有包括图像区域的可参考帧和双向预测帧序列的视频图像压缩系统，其中至少一个双向预测帧的至少一个图像区域通过来自两个或多个可参考帧的插值而被编码，其 中两个或多个可参考帧中的至少一个在显示顺序中被至少一个居间的后续可参考帧与双 向预测帧隔开。 具有包括图像区域的可参考帧和双向预测帧序列的视频图像压缩系统，其中至 少一个双向预测帧的至少一个图像区域被编码作为来自两个或多个可参考帧的选定图像 区域的不相等加权。 具有预测帧和双向预测帧序列的视频图像压缩系统，每个帧包括排列在宏块中 的像素值，其中双向预测帧中的至少一个宏块是使用基于来自两个或多个预测帧的运动向 量的直接模式预测确定的。
具有可参考帧和双向预测帧序列的视频图像压缩系统，每个帧包括排列在宏块 中的像素值，其中双向预测帧中的至少一个宏块是使用基于来自显示顺序中的一个或多个 预测帧的运动向量的直接模式预测确定的，其中这样的一个或多个预测帧中的至少一个在 显示顺序中是在双向预测帧前面。 具有可参考帧和双向预测帧序列的视频图像压缩系统，每个帧包括排列在宏块 中的像素值，其中双向预测帧中的至少一个宏块是使用基于来自一个或多个预测帧的运动 向量的直接模式预测确定的，其中这样的一个或多个预测帧的至少一个在显示顺序中是在 双向预测帧之后而且被至少一个居间的可参考帧与双向预测帧隔开。 具有帧序列的视频图像压缩系统，每个帧包括具有DC值的多个图像区域，每个 这样的图像区域包括的每个像素具有AC像素值，其中至少一个帧的至少一个图像区域的 DC值和AC像素值中的至少一个被确定为来自至少一个其他帧的对应的各自的DC值和AC 像素值的加权插值。 具有可参考帧序列的视频图像压缩系统，每个帧包括具有DC值的多个图像区 域，每个这样的图像区域包括的每个像素具有AC像素值，其中至少一个预测帧的至少一个 图像区域的DC值和AC像素值中的至少一个是从两个或多个可参考帧的对应的各自的DC 值和AC像素值插值得到的。 改进视频图像压缩系统中的两个或多个双向预测中间帧的序列的图像质量，每 个帧包括具有DC值的多个图像区域，每个这样的图像区域包括的每个像素具有AC像素值， 包括下列中的至少一个确定双向预测中间帧的每个图像区域的AC像素值为包围双向预 测中间帧序列的可参考帧中的对应AC像素值的第一加权比例；和确定这种双向预测中间 帧的每个图像区域的DC值为包围双向预测中间帧序列的可参考帧中的对应DC值的第二加 权比例。具有帧序列的视频图像压缩系统，所述帧包括具有初始表示的多个像素，其中至少 一个帧的像素是从至少两个其他帧的对应像素插值得到的，其中该至少两个其他帧的这种 对应的像素在变换到不同的表示时被插值，并导致插值的像素变换回初始的表示。 在具有可参考帧和双向预测帧序列的视频图像压缩系统中，动态地确定具有可 变数量的双向预测帧的这种帧的编码模式，包括选择一个初始序列，其始于可参考帧，具 有至少一个紧跟的后续双向预测帧，并以可参考帧结束；把可参考帧加到该初始序列的结 尾以创建一个测试序列；对照选定的评估标准评估该测试序列；对于评估该测试序列的每 个满足步骤，在加入的可参考帧前面插入双向帧并且重复评估步骤；且如果评估该测试序 列不满足，那么接受前面的测试序列作为当前的编码模式。
具有可参考帧序列的视频图像压缩系统，可参考帧被至少一个双向预测帧隔 开，其中这种双向预测帧的数量在这种序列中是变化的，且其中至少一个这种双向预测帧 的至少一个图像区域是使用对应于至少两个可参考帧的像素值的不相等加权确定的。
具有帧序列的视频图像压缩系统，所述帧由编码器编码且由解码器解码，其中 至少一个帧的至少一个图像区域是基于两个或多个其他帧的加权插值，这种加权插值基于 编码器和解码器可用的至少一组权值，其中对选定的这种至少一组权值之一的指定从编码 器传送到解码器以选择一个或多个当前有效的权值。 具有帧序列的视频图像压缩系统，所述帧由编码器编码且由解码器解码，其中 至少一个帧的至少一个图像区域是基于两个或多个其他帧的加权插值，这种加权插值基于 至少一组权值，其中至少一组权值被下载到解码器，且此后对选定的这种至少一组权值之 一的指定从编码器传送到解码器以选择一个或多个当前有效的权值。 具有可参考帧序列的视频图像压缩系统，可参考帧由编码器编码且由解码器解 码，其中在可参考帧序列中的预测帧从编码器传送到解码器，其传送顺序不同于这种预测 帧在解码之后的显示顺序。 具有可参考帧序列的视频图像压缩系统，可参考帧包括排列在图像区域中的像 素，其中至少一个预测帧的至少一个图像区域是参考两个或多个可参考帧被编码的，其中 每个这样的图像区域是使用对应于这样的两个或多个可参考帧的像素值的不相等加权确 定的。 具有预测帧、双向预测帧和内部帧序列的视频图像压缩系统，每个帧包括图像 区域，其中从锐化和柔化滤波器组中选择的至少一个滤波器在预测帧或双向预测帧的运动 向量补偿预测的过程中被用于这种预测帧或双向预测帧的至少一个图像区域。附图和下面的描述阐明了本发明的一个或多个实施例的细节。根据说明书、附图 和权利要求，本发明的其他特征、目标和优点是明显的。


图1是根据现有技术的帧的时间线和MPEG-4直接模式运动向量。图2是根据本发明的这个方面的帧的时间线和比例像素加权值。图3是根据本发明的这个方面的帧的时间线和混合的、比例的和相等的像素加权值。图4是一个流程图，显示了作为可以被计算机实现的方法的本发明的一个说明性 实施例。图5显示当前P帧参考前两个P帧和一个前面I帧的多个先前参考的例子的图。图6A是典型的现有技术MPEG-2编码模式图，显示了进行包围的I帧和/或P帧 之间的恒定数量的B帧。图6B是理论上可能的现有技术MPEG-4视频编码模式图，显示了进行包围的I帧 和/或P帧之间的变化数量的B帧，以及I帧之间的变化的距离。图7是一个编码模式图。图8是一个流程图，显示了插值方法的一个实施例，DC插值不同于AC插值。图9是一个流程图，显示了使用替换表示的亮度像素的插值方法的一个实施例。
图10是一个流程图，显示了使用替换表示的色度像素的插值方法的一个实施例。图11是显示两个P帧中的每个帧的独特运动向量区域尺寸的12是显示P帧和B帧序列的图，带有B帧的插值权重，其被确定为与一个2远 离(2-away)后续P帧的距离的函数，该P帧参考一个1远离(I-away)后续P帧。图13是显示P帧和B帧序列的图，带有B帧的插值权重，其被确定为与一个1远 离后续P帧的距离的函数，该P帧参考一个1远离前面P帧。图14是显示P帧和B帧序列的图，其中后续P帧具有参考前面P帧的多个运动向量。图15是显示P帧和B帧序列的图，其中最近的后续P帧具有一个参考前面的一个 P帧的运动向量，且下一个最近的后续P帧具有多个参考前面P帧的运动向量。图16是显示P帧和B帧序列的图，其中最近的前面P帧具有一个参考前面的一个 P帧的运动向量。图17是显示P帧和B帧序列的图，其中最近的前面P帧具有两个参考前面P帧的
运动向量。图18是显示P帧和B帧序列的图，其中最近的前面P帧具有一个参考前面P帧的
运动向量。图19是显示三个P帧P1、P2、P3的帧序列，其中P3使用有两个运动向量的插值参 考，Pl和P2各一个运动向量。图20显示四个P帧PI、P2、P3和P4的帧序列，其中P4使用有三个运动向量的插 值参考，PI、P2和P3各一个运动向量。图21是显示P帧和B帧序列的图，其中不同的P帧具有参考前面不同的P帧的一 个或多个的运动向量，并显示分配给特定B帧的各个前向和后向参考的不同权重。图22是显示P帧和B帧序列的图，其中P帧的比特流顺序不同于显示顺序。图23是显示具有分配的权重的P帧和B帧序列的图。图24是在帧内的物体的位置时间图。在不同附图中的相同参考符号表示相同的元素。
具体实施例方式概述本发明的一个方面是基于这样的认识常见的做法是使用M值为3，其在每个 P(或I)帧之间提供了两个B帧。但是M = 2和M = 4或更高都是有用的。特别重要的是 要注意到M的值(B帧的数量加1)也具有和帧速率的自然关系。在每秒24帧(fps)，即电 影的播放率，帧之间1/24秒的时间距离可以导致帧到帧的实质图像变化。但是在60fps、 72fps或更高的帧速率，相邻帧之间的时间距离相应地减少。结果是随着帧速率的增加，越 大的B帧数量(即M值越大)在压缩效率中变得有用和有益。本发明的另一个方面是基于这样的认识MPEG_2和MPEG-4视频压缩都利用过于 简单的插值方法。例如，对于模式3，帧的每个宏块的双向预测是后续和前面的帧宏块的等 平均，其被两个对应的运动向量取代。这个等平均适合M = 2 (即单个的中间B帧)，因为 该B帧到前面P (或I)帧和后续P (或I)帧的时间相等。但是，对于更大的M值，使用等加权只能对中央对称的B帧(即如果M = 4，6，8等等的中间帧)进行最佳预测。类似地，在 MPEG-4直接模式4，即使运动向量是比例加权的，每个中间B帧的预测像素值是前面P (或 I)帧和后续P帧的对应像素的等比例。因此，对于M > 2，把合适的比例权重应用于每个B帧的预测像素值是一个进步。 当前B帧的每个像素的比例权重对应于当前B帧相对于前面和后续P (或I)帧的相对位置。 因此，如果M = 3，第一个B帧就使用前面帧的对应像素值(调整的运动向量)的2/3，和后 续帧的对应像素值(调整的运动向量)的1/3。
图2是根据本发明的这个方面的帧的时间线和比例像素加权值。每个中间B帧 20la、20Ib的每个宏块内的像素值被加权成前面的P或I帧A和下一个P或I帧B之间的 “距离”的函数，离P或I帧越近，加权值越大。也就是，双向预测B帧的每个像素值是进行 包围的非双向预测帧A和B的对应像素值的加权组合。在这个例子中，对于M = 3，第一个 B帧201a的加权等于2/3A+1/3B，第二个B帧201b的加权等于1/3A+2/3B。还显示的是， 在常规的MPEG系统下被分配的等平均加权；每个B帧201a、201b的的MPEG_1、2和MPEG-4 加权等于(A+B)/2。扩展动态范围和对比范围的应用 如果M大于2，中间B帧中的像素值的比例加权将在许多情况下将会改进双向(模 式3)和直接(MPEG-4模式4的有效性)编码。示例包括常见的电影和视频编辑效果，例如 渐弱和交叉渐隐。这些类型的视频效果是MPEG-2和MPEG-4的有问题的编码示例，这是由 于使用简单DC匹配算法，且通常使用的M = 3 (即两个中间B帧)，导致B帧的相等比例。 这些情况下的编码通过根据本发明使用比例B帧插值得以改进。比例B帧插值对于扩展动态和对比范围的编码效率的提高也有直接的应用。在图 像编码中的常见事件是亮度的变化，这在当物体逐渐移进(或移出)阴影(软阴影边界)时 发生。如果对数的编码表示被用于亮度(例如，由对数亮度Y具体表示的亮度)，那么采光 亮度变化将是DC偏移量变化。如果采光亮度减半，那么像素值将减少相等的量。因此，为 了编码这个变化，应该发现一个AC匹配，且编码的DC差值应该应用于该区域。这种被编码 进P帧的DC差值也应该在每个居间的B帧中成比例地应用(参见共同待决的美国专利申 请 09/905039 号，标题为“Method and System for Improving Compressed Image Chroma Information”，其被转让给本发明的受让人，因而在在此通过引用将其并入，用于关于对数 编码表示的额外信息)。除了亮度中的变化，比例B帧插值也有益于对比度的变化。例如，随着飞机移向观 众，移出云或薄雾，其对比度逐渐增加。这个对比度增加将被表示成在对应P帧编码宏块中 的DCT的AC系数中的增加的幅度。同样，在居间的B帧中的对比度变化将由比例插值最接 近地近似，因此提高了编码效率。随着帧速率变大和随着M值的增加，使用比例B帧插值提高动态范围和对比度编 码效率变得日渐重要。把高M值应用于时间分层利用本发明的实施例允许增加M的值，从而增加了在进行包围的P帧和/或I帧 之间的B帧的数量，同时保持或增加了编码效率。这种用法有益于许多应用，包括时间分 层。例如，在题为“Temporal and Resolution Layering for Advanced Television，，的美国专利5988863号中(其被转让给本发明的受让人，在此通过引用并入)，注意到B帧是用 于分层的时间(帧)速率的合适机制。这种速率的灵活性与可用的连续B帧的数量有关。 例如，单个B帧(M = 2)可以支持72fps的流内的36fps解码的时间层或60fps的流内的 30fps解码的时间层。三个B帧(M = 4)可以支持72fps流内的36fps和18fps解码的时 间层，以及60fps流内的30fps和15fps解码的时间层。在120fps流内使用M = 10可以 支持12fps、24fps和60fps解码的时间层。M = 4也可以用于144fps流，以提供在72fps 和36fps解码的时间层。作为对每个第N帧的改进，120fps或72fps的多个帧可以被解码和按比例地混合， 如在共同待决的美国专利申请09/545233号中描述的，该专利标题为“Enhancements to Temporal and Resolution Layering^其被转让给本发明的受让人，在此通过引用并入)， 以改进24fps结果的运动模糊特征。即使更高的帧速率可以使用在共同待决的美国专利申请09/435277号中所描述 的方法合成，该专禾丨J 申请题为"System and Method for Motion Compensaion and Frame Rate Conversion”(其被转让给本发明的受让人，在此通过引用并入)。例如，通过运动补 偿帧速率转换可以利用72fps摄像底片(original)来创建288帧每秒的有效帧速率。使 用M = 12，可以得到48fps和24fps的帧速率以及其他有用的速率，例如144fps、96fps和 32fps(当然，底片为72fps)。使用这种方法的帧速率转换不需要是整倍数的。例如，120fps 的有效速率可以根据72fps的源创建，然后作为60fps和24fps速率的源(使用M = 10)。
因此，时间分层有益于优化B帧插值的性能。上面所述的比例B帧插值使更多数 量的连续B帧功能更高效，因此能够实现这些好处。混合的B帧插值比例在传统的系统中使用等平均加权作为B帧像素值的运动补偿模式预测器的一个 原因是特定B帧前面或者后面的P(或I)帧可能是有噪声的，因此表示不理想的匹配。等 混合在插值运动补偿块中会优化噪声的减少。存在使用量化的DCT函数来编码的差分残差 (difference residual) 0当然，来自运动补偿比例的匹配越好，所需的差分残差比特越少， 最后所得到的图像质量越高。在有物体移近和移出阴影或者薄雾的情况下，M > 2时的真正的比例提供更好的 预测。但是，当光和对比度未发生变化时，等加权可被证明是更好的预测值，因为沿着运动 向量向前移动宏块的误差将和来自后向位移块的误差平均，因此把每个误差减半。即使如 此，更可能的是，较近的P (或I)帧的B帧宏块与较远的P (或I)帧相比与那个帧更相关。因此，在某些情况下，例如区域的对比度或者亮度改变，理想做法是利用B帧宏块 像素加权的真正比例(对于亮度和颜色)，如上所述。在其他情况下，可能更优的做法是利 用等比例,如在MPEG-2和MPEG-4中。本发明的另一方面利用这两个比例技术的混合(等平均和巾贞一距离比例)用于B 帧像素插值。例如，对于M = 3的情况，1/3和2/3比例的3/4可以与等平均的1/4混合，导 致两个比例是3/8和5/8。这个技术可以使用“混合因子” F来概括。加权=F ·(帧距离比例权重)+ (I-F) ·等平均权重混合因子F的有用范围是从1到0，1表示完全比例插值，0表示完全等平均(也可 能使用相反的赋值)。
图3是根据本发明的这个方面的帧的时间线和混合的、比例的和相等的像素加权 值。每个中间B帧301a和301b的每个宏块的像素值被加权为前面的P或者I帧A和下一 个P或者I帧B之间的“时间距离”的函数，以及A和B的等平均的函数。在这个例子中， 对于M = 3和混合因子F = 3/4，第一个B帧301a的混合加权等于5/8A+3/8B (也就是比例 加权2/3A+1/3B的3/4加上等平均加权(A+B) /2的1/4)。类似地，第二个B帧301b的加权 等于 3/8A+5/8B。混合因子F的值可以为全部的编码整体设定，或者为每个图像组(GOP)、一个范围 的B帧、每个B帧或者B帧内的每个区域设定(包括，例如细化到每个宏块，或者对于以8x8 模式使用P向量的MPEG-4直接模式，甚至是单个的8x8运动块)。
为了节省比特并反映这样的事实即混合比例通常没有重要到要和每个宏块一起 传送，混合的优化使用应该与要压缩的图像类型有关。例如，对于正在淡出、渐隐的图像或 者整体采光或对比度正在逐渐改变的图像，混合因子F接近或等于1 (即选择比例插值) 一般是最优的。对于没有这种采光或对比度变化的连续图像，那么较低的混合因子值例如 2/3,1/2或1/3可能形成最优的选择，从而保留比例插值的某些好处以及等平均插值的某 些好处。所有在0到1范围内的混合因子值一般是有用的，因为对于任何给定的B帧，在这 个范围内有一个特定值证明是优化的。对于宽动态范围和宽对比度范围图像，混合因子可以依赖局部区域特征区域地确 定。但是，通常宽范围的采光和对比度建议混合因子值支持完全比例插值，而不是等平均插值。优化的混合因子通常是由经验确定的，虽然对于特定类型场景的经验可以被用于 创建按场景类型的混合因子表格。例如，图像变化特征的确定可以被用于为帧或者区域选 择混合比例。替换地，可以使用许多的候选混合因子(用于整个帧或者区域)编码B帧，评 估每个混合因子以优化图像质量(例如，由最高的信噪比即SNR确定的)和最低的比特数。 这些候选的评估然后可以被用于为混合比例选择最佳值。也可以使用图像变化特征和编码 的质量/效率的组合。靠近B帧序列中间的B帧或者来自低值M的B帧不会被比例插值过多影响，因为计 算的比例已经接近等平均。但是，对于较高的M值，B帧位置的极值可以被混合因子的选择 显著影响。注意对于这些极限位置混合因子可以不同，这些极限位置比更中央的位置(其 从偏离平均获得很少好处或者没有获得好处)更多地利用该平均，因为它们已经具有邻近 P(或者I)帧的高比例。例如，如果M = 5，第一个和第四个B帧可能使用的混合因子F混合 了更多的等平均，但第二个和第三个B帧可能使用严格的2/5和3/5的等平均比例。如果 比例到平均混合因子(propotion-to-average blend factor)作为序列中B帧位置的函数 变化，那么混合因子的变化值可以在压缩的比特流中传送或者作为辅助信息传给解码器。如果要求静态的一般混合因子(由于缺少传送值的方法)，那么值2/3通常接近最 优的，且可以在编码器和解码器中被选择作为B帧插值的静态值。例如，使用F = 2/3的混 合因子，对于M = 3的连续帧，比例将是7/18 (7/18 = 2/3*1/3+1/3*1/2)和11/18(11/18 =2/3*2/3+1/3*1/2)。线性插值视频帧像素值一般存储在特定表示中，特定表示把原始的图像信息映射到数字值。这种映射可能导致线性的或者非线性的表示。例如，在压缩中使用的亮度值是非线性 的。各种形式的非线性表示的使用包括对数、指数(各种幂)以及黑色校正的指数(通常 用于视频信号)。在狭窄的动态范围上或者对于邻近区域的插值，非线性表示是可接受的，因为这 些邻近的插值表示分段的线性插值。因此，亮度的小变化可以由线性插值合理地近似。但 是，对于亮度的广泛变化，例如发生在宽动态范围和宽对比度范围图像中的，把非线性信号 处理为线性的将是不准确的。即使对于正常的对比度范围图像，线性淡出和交叉渐隐可以 被线性插值降低效果。有些淡出和交叉渐隐利用非线性的淡出和渐隐率，增加了进一步的 复杂性。对于使用比例混合，或者甚至是简单的比例或等平均插值的额外改进是在线性空 间里表示的像素值上进行这种插值，或者在不同于原始非线性亮度表示的其他优化的非线 性空间中进行这种插值。
这可以被完成，例如通过首先把两个非线性亮度信号(来自前面和后续P (或者I) 帧)转换成线性表示，或者不同的非线性表示。然后应用比例混合，在应用逆变换之后，在 图像的原始非线性亮度表示中产生混合的结果。但是，比例函数已经在亮度信号的更优表 示上执行。当颜色正在褪色或者变得更加饱和时，如与在薄雾和阴天中的变化关联的对比度 变化中发生的，除了亮度之外，把这个线性或非线性变换有利地应用于颜色(色度)值也是 有用的。示例性实施例图4是一个流程图，显示了本发明的一个示例性实施例，其作为可以被计算机实 现的一个方法步骤400 在视频图像压缩系统中，对于计算B帧的直接和插值模式，使用(1)帧 距离比例，或者(2)等权重和帧距离比例的混合来确定插值值以应用于两个或多个双向预 测中间帧的输入序列的每个像素，插值值来源于括起这种从源(例如视频图像流)输入的 序列的至少两个非双向预测的帧。步骤401 相对于图像单元(例如图像组(GOP)、帧序列、场景、帧、帧内的区域、宏 块、DCT块或者类似有用的分组或像素的选择)优化插值值。插值值可以为整个编码期间 静态地设定，或者为每个图像单元动态地设定。步骤402 进一步相对于场景类型或编码简单性优化插值值。例如，插值值可以被 设定静态地(例如2/3比例和1/3等平均)；比例地，为接近等平均的帧，但在邻近P(或 I)帧附近要混合等平均；动态地，基于整体场景特征，例如淡出和交叉渐隐；动态地(和局 部地)，基于局部图像区域特征，例如局部的对比度和局部的动态范围；或者动态地(和局 部地)，基于编码性能(例如最高编码SNR)和生成的最少编码比特。步骤403 传送合适的比例量给解码器，如果不是静态确定的。步骤404 可选地，为每个帧转换亮度信息为线性的或者替换的非线性表示，并把 这个替换传送给解码器，如果不是静态确定的。步骤405 使用确定的插值值确定比例像素值。步骤406 如果有必要(由于步骤404)，再转换成原始的表示。
扩展的P帧参考如上所述，在现有技术MPEG-I、2和4压缩方法中，P帧参考前面的P或者I帧，且 B帧参考最近的前面或后续的P和/或I帧。同样的技术被用于H. 261和H. 263运动补偿 的DCT压缩标准，其包含了低比特率压缩技术正在开发的H. 263++和H. 26L标准中，B帧参考被扩展到指向没有直接包围当前 帧的P或者I帧。也就是说，B帧内的宏块可以指向前面P帧之前的一个P或者I帧，或者 指向后续P帧之后的一个P或者I帧。由于每个宏块有一个或多个比特，跳过前面或后续P 帧可以简单地表示。概念上，使用前面P帧用于B中的参考只要求存储空间。对于H. 263++ 或H. 26L的低比特率编码使用，这是少量的额外存储。对于后续的P帧参考，必须相对于B 帧编码修改该P帧编码顺序，以致于必须在居间的B帧之前解码未来的P帧(或者可能是 I帧)。因此，编码顺序对于后续的P帧参考也是个问题。P帧和B帧类型之间的主要差别是(I)B帧可以被双向参考(最多每个宏块两个 运动向量)；(2)在使用之后B帧被丢弃(这也意味着在解码过程中可以跳过它们以提供时 间分层)；和(3)P帧被用作“跳板”，一个到下一个，因为每个P帧必须被解码以用作每个后 续P帧的参考。作为本发明的另一个方面，根据一个或多个的前面的P或者I帧(不包括每个P 帧只参考最近的前面P帧或者I帧的情况)解码P帧(与B帧相对)。因此，例如，每个宏 块的两个或者多个运动向量可以被用于当前的P帧，所有运动向量在时间上指向后面(也 就是指向一个或多个先前解码的帧)。这样的P帧仍然保持“跳板”特点。图5是一个显示 多个先前参考的例子，由当前P帧500参考两个前面P帧502、504和前面I帧506。此外，在这样的P帧参考中可以应用宏块插值的概念，如上所述。因此，除了表示 对一个以上的前面P或I帧的单个参考之外，也可以为每个这样的帧参考使用一个运动向 量，以混合多个前面P或I帧的比例。例如，可以应用上面所述的使用具有两个帧参考的B 帧插值模式的技术以允许P帧中的任何宏块利用两个运动向量来参考前面两个P帧或者一 个前面的P帧和一个前面的I帧。这个技术在两个运动向量之间插值，但在时间上不是双 向的(和B帧插值情况一样)，因为两个运动向量时间上都指向后面。存储开销减少到一个 点，在这点，为这种并发参考在存储器中保存前面的多个P或I帧是相当实用的。在应用这种P帧插值时，肯定需要选择前面两个或多个P帧(以及可选地，一个前 面的I帧)的各种有用比例并通知解码器。特别是帧的等混合是有用的混合比例之一。例 如，有前两个P帧作为参考，可以混合每个P帧的相等的1/2。对于前三个P帧，可以使用 1/3的相等混合。两个P帧的另一个有用混合是2/3的最近的前面帧和1/3的最远的前面帧。对于 前3个P帧，另一个有用混合是1/2的最近的前面帧，1/3中间的前面帧和1/6的最远的前 面帧。在任何情况下，可以利用多个前面P帧(和可选地，一个I帧)的一组简单的有用 混合，并将它们简单地从编码器通知到解码器。每当对优化图像单元的编码效率有用时，可 以选择使用的特定混合比例。可以使用少量的比特选择许多的混合比例，只要适合想要的 图像单元，这些比特可以被传送给解码器。作为本发明的另一个方面，转变选择单个P帧参考从最近的前面P (或I)帧到更“远”的前面P(或I)帧也是有用的。在这个方式中，P帧会利用每个宏块(或者可选地，在 MPEG-4模式编码中的每个8x8块)的单个运动向量，但是会利用一个或多个的比特表示该 参考参考单个特定的前面帧。在这个模式中的P帧宏块不是插值的，但是会参考选定的前 面帧，该帧从可能的两个、三个或者更多的前面P(或I)帧中选择用于参考。例如，2比特编 码可指定多至4个的前面帧中的一个作为单个选择帧。这个2比特编码可以在任何方便的 图像单元被改变。自适应的B帧数量在MPEG编码中典型地使用I、P、B帧类型的固定模式。在P帧之间的B帧数量典 型地是常数。例如，在MPEG编码中在P(或I)帧之间使用两个B帧是典型的。图6A是典 型的现有技术MPEG-2编码模式图，显示了在进行包围的I帧600和/或P帧602之间的固 定数量的B帧(即两个)。MPEG-4视频编码标准概念地允许在进行包围的I帧和/或P帧之间是变数量的B 帧，以及I帧之间变化的距离。图6B是理论上可能的现有技术MPEG-4视频编码模式图，显 示了在进行包围的I帧600和/或P帧602之间的变数量的B帧，以及I帧600之间的变距离。这个灵活的编码结构理论上可被用于通过将最有效的B帧和P帧编码类型匹配到 运动图像帧来提高编码效率。虽然这个灵活性已经被特别地允许，但是人们很少研究它，而 且在这种灵活的结构中实际确定B帧和P帧位置的机制也是未知的。本发明的另一个方面在普通使用中把这里描述的概念应用于这个灵活的编码结 构以及简单的固定编码模式。因此能够使用上面所述的方法来插值B帧，而P帧可以参考 一个以上的前面P帧或I帧并根据本说明书被插值。特别地，B帧内的宏块可以利用与固定结构一样有效的适于灵活编码结构的比例 混合。当B帧参考与最靠近的进行包围的P帧或I帧相比更远的P帧或I帧时，也可以利 用比例混合。类似地，在这个灵活编码结构中，P帧可以参考一个以上的前面的P帧或I帧，与 固定模式结构一样有效。此外，当这些P帧参考一个以上的前面的P帧(可选地，加上一个 I帧)时，混合比例可以被应用于这种P帧中的宏块。(A)在灵活的编码模式中确定位置以下方法允许编码器优化帧编码模式以及利用混合比例的效率。对于选定范围的 帧，可以尝试许多候选的编码模式以确定最优的或者接近最优的(相对于指定标准)模式。 图7是一个可以被检验的编码模式图。以P或者I帧结束的初始序列700是任意选定的， 并被用作增加的附加P帧和/或B帧的基础，然后评估附加P帧和/或B帧(如下所述)。 在一个实施例中，一个P帧被加到初始序列700以创建用于评估的第一个测试序列702。如 果评估满足，那么插入一个居间的B帧以创建第二个测试序列704。对于每个满足的评估， 插入附加B帧以创建逐渐变长的测试序列706 712，直到评估标准变得不满足。到那一 点，前面的编码序列被接受。然后重复这个过程，使用先前接受的编码序列的结尾P帧作为 增加新P帧的起始点，然后插入新的B帧。最优的或者接近最优的编码模式可以基于各种评估标准选择，通常涉及各种编码 特征的权衡，例如编码的图像质量和所需的编码比特数量。常用的评估标准包括被使用的最少比特数量(在固定的量化参数测试中)，或者最好的信噪比(在固定的比特率测试 中)，或者两者的组合。最小化一个绝对差值和(SAD)也是常见的，SAD形成DC匹配的测量。如在共同待决 的题为“Motion Estimation for Video Compression System”的美国专利申请09/904192 号(其被转让给本发明的受让人，因而通过引用并入)中描述的，AC匹配标准也是特定候 选匹配的质量的有用测量(本专利申请也描述其他有用的优化)。因此可以检验在所有宏 块的最佳匹配上累积的AC和DC匹配标准，以确定每个候选编码模式的整体匹配质量。当 这个AC/DC匹配技术和每个帧模式类型的编码比特数量的估计一起使用时，它可以增进或 者取代信噪比(SNR)和使用最少比特的测试。典型的是，编码B帧宏块所使用的量化参数 值(QP)比用于P帧的更高，其影响在各种候选编码模式内使用的比特数和质量(通常作为 信噪比测量)。(B)在灵活编码模式中的混合比例优化 可选地，对于根据上述方法确定的每个候选模式，可以测试混合比例相对一个或 多个标准的适合性(例如最优的或者接近最优的混合比例)。这可以被完成，例如通过测试 最好质量(最低SNR)和/或效率(使用的最少比特)。为P帧中的每个宏块使用一个或多 个前面的参考也可以用同样的方式确定，测试每个候选的参考模式和混合比例以确定一组 或多组合适的参考。一旦为下一步骤(图7中的步骤700)选择了编码模式，就可以为各种候选编码模 式测试后续步骤(步骤702-712)。在这个方法中，可以确定运动图像序列的更高效的编码。 因此，可以如上面的子节㈧描述的那样优化/提高效率；可以在每个测试的编码步骤应用 混合优化。DC 对 AC 插值在图像编码的许多情况中，例如当使用图像帧的对数表示时，帧像素值的上述插 值将最优地编码亮度中的变化。但是，在替换的视频“Y曲线”、线性和其他表示中，把不同 的插值混合因子应用于像素的DC值而不是AC值，这通常被证明是有用的。图8是一个流程 图，显示了一种与AC插值明显不同的具有DC插值的插值方法的一个实施例。对于来自第 一和第二输入帧的选定图像区域(通常是DCT块或者宏块)802、802'，减去每个这种区域 的平均像素值804、804'，因此在选定的区域中把DC值(即整个选定区域的平均值)806、 806'和AC值(即保留的有符号像素值)808、808'分开。然后各自的DC值806、806‘可 以乘以插值权重810、810'，其不同于乘以AC(有符号的)像素值808、808'使用的814、 814'。然后，最新插值的DC值812和最新插值的AC值816可以被合并成818，产生选定区 域的新预测820。和本发明中的其他插值值一样，可以将合适的权重通知每个图像单元的解码器。 可以在许多编码值之间选择少量的比特，以及选择像素值的AC对DC方面的独立插值。线性&非线性插值插值是线性的加权平均。由于插值运算是线性的，且由于每个图像帧中的像素值 通常是以非线性形式(例如视频伽马表示或者对数表示)表示的，插值过程的进一步优化 成为可能的。例如，特定帧序列的像素的插值，以及从AC值分离的DC值的插值，有时用线 性的像素表示将是最优的或者接近最优的。但是，对于其他的帧序列，如果像素是被表示成对数值或者其他的像素表示，那么这种插值将是最优的或者接近最优的。此外，用于插值U 和V(色度)信号分量的最优表示或接近最优的表示可不同于Y(亮度)信号分量的最优表 示或接近最优的表示。因此，本发明的一个有用方面是作为插值程序的一部分，把像素表示 转换成替换的表示。
图9是一个流程图，显示了使用替换表示的亮度像素插值的方法的一个实施例。 开始于初始表示(例如视频伽马或者对数)中的亮度(Y)像素的一个区域或者块(步骤 900)，像素数据被变换成不同于初始表示的替换表示(例如线性的、对数的、视频伽马)(步 骤902)。然后如上所述，变换的像素区域或者块被插值(步骤906)，并变换回初始表示(步 骤906)。结果得到插值的像素亮度值(步骤908)。图10是一个流程图，显示了使用替换表示的色度像素插值的方法的一个实施例。 开始于初始表示(例如视频伽马或者对数)中的色度(U，V)像素的一个区域或者块(步 骤1000)，像素数据被变换成不同于初始表示的替换表示(例如线性的、对数的、视频伽马) (步骤1002)。然后如上所述，变换的像素区域或者块被插值(步骤1006)，并变换回初始表 示(步骤1006)。结果得到插值的像素色度值(步骤1008)。各种表示之间的变换可以根据题为“Method and System for Improving Compressed Image Chroma Information”的美国专利申请09/905039号的讲解进行，其被 转让给本发明的受让人，因此通过引用并入。注意，通常使用简单的查找表进行替换的表示 变换及其逆变换。作为本发明的这个方面的一个变化，用于AC插值的替换(线性或非线性)表示空 间可不同于用于DC插值的替换表示空间。和插值权重一样，选择哪种替换插值表示用于每个亮度(Y)和色度(U和V)像素 表示，可以使用每个选定图像单元的少量比特通知解码器。每个宏块的运动向量的数量在MPEG-2中，P帧中的每个16x16宏块允许一个运动向量。在B帧中，MPEG-2允 许每个16x16宏块最多两个运动向量，对应于双向的插值模式。在MPEG-4视频编码中，P 帧中的每个16x16宏块允许多至4个运动向量，对应于每个8x8DCT块一个运动向量。在 MPEG-4B帧中，当使用插值模式时，每个16x16宏块允许最多两个运动向量。如果后续的对 应P帧宏块被设置为具有4个运动向量的8x8模式，在MPEG-4直接模式中的单个运动向量 增量可以导致4个独立的“隐式”运动向量。这是在换算时间距离(该B帧在时间上更靠 近该P帧的前面P帧或I帧参考)之后，通过将16xl6B帧宏块中所携带的一个运动向量增 量增加到来自随后P帧宏块中的对应的4个独立运动向量中的每一个来实现的。本发明的一个方面包括增加每个图像区域(例如宏块)的运动向量数量的选择。 例如，有时证明每个B帧宏块具有两个以上的运动向量是有益的。这些可以通过参考附加 的P帧或者I帧和在加权和中具有3个或更多的插值项被应用。也可以应用附加的运动向 量以允许B帧宏块的8x8DCT块的独立向量。而且，可以使用4个独立增量以通过把独立增 量应用于后续P帧的4个8x8区域运动向量中的每一个来扩展直接模式的概念。此外，可以使用B帧插值技术修改P帧以在插值模式中参考多于一个的前面帧，使 用上面描述的B帧的两个插值项技术。这个技术可以容易地扩展到两个以上的前面P帧或 者I帧，所得到的插值在加权和中具有3个或更多的项。
和本发明的其他方面(例如像素表示和DC对AC插值方法)一样，可以使用每个 图像单元的少量比特把特定的加权和传递给解码器。 在应用本发明的这个方面时，8x8像素DCT块和运动向量域之间的对应不需要像 MPEG-2和MPEG-4中那样严格。例如，使用除了 16x16、16x8 (只在MPEG-4中的隔行扫描中使 用)、8x8以外的替换区域尺寸用于运动向量可能是有用的。这种替换可能包括任何数量的 有用区域尺寸，例如 4x8、8xl2、8xl6、6xl2、2x8、4x8、24x8、32x32、24x24、24xl6、8x24、32x8、 32x4等等。使用少量这种有用的尺寸，几个比特可以把运动向量区域尺寸和DCT块尺寸之 间的对应通知解码器。在使用传统的8x8DCT块的系统中，一组到运动向量域的简单对应对 简化运动补偿中的处理是有用的。在DCT块尺寸不是8x8的系统中，那么可以在指定的运 动向量域中实现更大的灵活性，如在题为“Enhanced Temporal and Resolution Layering in Advanced Television”的共同待决的美国专利申请09/545233号中所描述的，其被转让 给本发明的受让人，因此通过引用将其并入。注意，运动向量区域边界不需要对应于DCT区 域边界。实际上，以运动向量区域界限落入DCT块内(且不在其界限上)的方式定义运动 向量区域经常是有用的。扩展运动向量域的灵活性的概念也适用于本发明的插值方面。只要指定了每个像 素和指向一个或多个参考帧的一个或多个运动向量之间的对应，就可以使用本发明的所有 通用性把上述插值方法应用于有用运动向量的全部灵活性。甚至当使用P帧时，对于每个 前面帧参考，对应于每个运动向量的区域的尺寸可以不同，而且当使用B帧时，对于每个前 面和未来的帧参考，对应于每个运动向量的区域尺寸可以不同。如果在应用本发明的改进 插值方法时运动向量的区域尺寸不同，那么插值反映重叠的共同区域。运动向量参考的重 叠共同区域可以被用作当分别插值DC和AC像素值时，在其上确定DC项的区域。图11显示了两个P帧1104、1106各自的独特运动向量区域尺寸1100和1102。在 根据这个发明计算插值时，确定运动向量区域尺寸的联合1108。联合1108定义了所有的被 认为是具有分配的运动向量的区域。因此，例如在将B帧1112的4x4DCT区域向后插值到前面P帧1104时，联合1108 内的4x4区域1110会使用对应于前面P帧中的8x16区域1114的运动向量。如果前向预 测，那么联合1108内的1110区域会使用对应于下一 P帧中的4x16区域1115的运动向量。 类似地，联合1108内的区域116的向后插值会使用对应于8x16区域1114的运动向量，而 前向预测相同的区域会使用对应于12x16区域1117的运动向量。在本发明的一个实施例中，利用两个步骤来实现普遍(即非统一尺寸)运动向量 的插值。第一步是确定运动向量共同区域，如关于图11所描述的。这为每个前面帧或者后 续帧参考建立了像素和运动向量之间的对应(即每个指定像素区域尺寸的运动向量的数 量)。第二步是利用合适的插值方法和对于像素的每个区域有效的插值因子。编码器的任 务是确保最优的或接近最优的运动向量区域和插值方法被指定，且所有像素使它们的向量 和插值方法完全被指定。对于运动向量的固定模式(例如为整个帧指定每个32x8块一个 运动向量)，具有单个指定的插值方法(例如为整个帧指定的到被参考帧的每个距离的固 定比例混合)的情况，这非常简单。如果对运动向量区域尺寸做区域性的改变，且区域尺寸 的不同依赖于参考的是哪个前面帧或者后续帧(例如对于最近的前面帧是8x8块，对于下 一个最近的前面帧是32x8块)，这个方法也能变得相当复杂。此外，可以在帧内区域性地指定插值方法。编码时，编码器的工作是确定比特的最优或接近最优的用法以在运动向量区域形 状和尺寸之间选择，和选择最优或接近最优的插值方法。还需要一个决定以指定被参考帧 的数量和距离。通过详尽地测试大量候选运动向量区域尺寸、要参考的候选帧和每个这样 的运动向量区域的插值方法来确定这些指定，直到找到最优或接近最优的编码。最优(相 对于选定的标准)可以通过在编码块之后找到最小的SNR或者在编码块之后找到固定量化 参数(QP)的最少比特数，或者通过应用其他合适的测量来确定。
直接模式扩展在MPEG-4中的B帧宏块中使用的传统直接模式，在运动向量编码中是高效的，利 用简单共同增量提供了 8x8块模式的好处。直接模式基于时间距离在对应的宏块位置处对 后续P帧的每个对应的运动向量进行加权，该P帧参考前面P帧。例如，如果M = 3 (即两 个居间的B帧)，用简单线性插值，第一个B帧使用-2/3倍的后续P帧运动向量以确定相对 于这种P帧的像素偏移，和1/3倍的后续P帧运动向量以确定相对于前面P帧的像素偏移。 类似地，第二个B帧使用-1/3倍的相同P帧运动向量以确定相对于这种P帧的像素偏移， 和2/3倍的后续P帧运动向量以确定相对于前面P帧的像素偏移。在直接模式中，小的增 量被加到每个对应的运动向量。作为这个发明的另一个方面，这个概念可以扩展至指向一 个或多个η远离P帧的B帧参考，这些P帧又参考一个或多个前面或后续P帧或I帧，通过 考虑帧距离来确定帧比例分数(frame scale fraction)。图12是显示P帧和B帧序列的图，其中B帧的插值权重被确定为到2远离后续P 帧的距离的函数，该P帧参考1远离后续P帧。在这个说明性的例子中，M = 3，表示在进行 包围的P帧1204、1206之间有两个连续B帧1200、1202。在这个例子中，在下一个最近的 后续P帧1208中的每个共存的宏块可指向该居间的(即最近的)P帧1204，且最初的两个 B帧1200、1202可参考下一个最近的后续P帧1208而不是最近的后续P帧1204，如在传统 MPEG中的。因而，对于第一个B帧1200，帧比例分数5/3乘以来自下一个最近的后续P帧 1208的运动向量mv会被用作相对于P帧1208的像素偏移，且第二个B帧1202会使用4/3 乘以那个相同的运动向量的偏移。如果被B帧参考的最近的后续P帧指向下一个最近的前面P帧，那么再次使用简 单的帧距离以获得应用于运动向量的合适的帧比例分数。图13是显示P帧和B帧序列的 图，其中B帧的插值权重被确定为到1远离后续P帧的距离的函数，该P帧参考2远离前面 P帧。在这个说明性的例子中，M = 3，B帧1300、1302参考最近的后续P帧1304，该P帧 1304又参考2远离P帧1306。因而，对于第一个B帧1300，像素偏移分数是帧比例分数2/6 乘以来自最近后续P帧1304的运动向量mv，且第二个B帧1302会具有1/6乘以那个相同 的运动向量的像素偏移，因为最近的后续P帧1304的运动向量指向2远离前面P帧1306， 该帧相距6个帧。通常，在直接模式中B帧参考单个P帧的情况下，帧距离方法设定帧比例分数的分 子等于该B帧到其参考的或者“目标”P帧的帧距离，并设定分母等于从目标P帧到另一个 被目标P帧参考的P帧的距离。对于从B帧到后续P帧进行的测量，帧比例分数的符号是 负号，而对于从B帧到前面P帧进行的测量，帧比例分数的符号是正号。这种把帧距离或者 帧比例分数应用于P帧运动向量的简单方法能够实现有效的直接模式编码。
此外，这个发明的另一个方面是允许直接模式应用于一个P帧的多个插值的运动 向量参考。例如，如果从最近的和下一个最近的前面P帧插值一个P帧，那么根据本发明的 这个方面的直接模式参考允许插值混合用于每个多参考直接模式B帧宏块。通常，一个P 帧的两个或多个运动向量可以应用一个合适的帧比例分数。然后，两个或多个帧距离修正 的运动向量可以和参考或指向那个P帧的每个B帧的对应插值权重一起使用(如下所述)， 以生成插值B帧宏块运动补偿图14是显示P帧和B帧序列的图，其中一个后续P帧具有多个参考前面P帧的运 动向量。在这个例子中，B帧1400参考后续P帧P3。这个P3帧又具有两个运动向量mvl 和mv2，其参考对应的前面P帧P2和P1。在这个例子中，可以使用两个加权项中的任一个 或者这种加权项的组合在直接模式中对B帧1400的每个宏块进行插值。B帧1400的每个宏块可根据下列项构造成混合形式 由mvl的帧比例分数1/3取代的帧P2的对应像素(这些像素然后可能乘以某 个比例权值i)加上由mvl的帧比例分数-2/3取代的帧P3的对应像素(这些像素然后可 能乘以某个比例权值j)；以及 由mv2的帧比例分数2/3 (4/6)取代的帧Pl的对应像素(这些像素然后可能乘 以某个比例权值k)加上由mv2的帧比例分数-1/3 (-2/6)取代的帧P3的对应像素(这些 像素然后可能乘以某个比例权值1)。和所有的直接模式一样，运动向量增量可以与mvl和mv2中的每一个一起使用。根据本发明的这个方面，如同多个前面P帧的情况一样，使用相同的插值方法和 运动向量帧比例分数应用，B帧中的直接模式预测宏块也能够参考多个后续的P帧。图15 是显示P帧和B帧序列的图，其中最近的后续P帧具有参考一个前面P帧的运动向量，且下 一个最近的后续P帧具有参考前面多个P帧的多个运动向量。在这个例子中，B帧1500参 考两个后续P帧P2和P3。帧P3具有两个运动向量mvl和mv2，它们参考对应的前面P帧 P2和P1。帧P2有一个运动向量mv3，其参考前面P帧P1。在这个例子中，使用3个加权项 在直接模式中对B帧1500的每个宏块进行插值。假如这样的话，运动向量帧比例分数可以 大于1或小于-1。这种形式的直接模式B帧宏块插值的加权可以利用这里描述的插值的全部通用 性。特别是，为了获得各种图像单元的最佳性能(例如质量对比特数)，可对每个权值或者 权值的组合进行测试。用于这种改进直接模式的插值分数组可以每个图像单元用少量比特 指定给解码器。B帧1500的每个宏块可根据下列项构造成混合形式 由mvl的帧比例分数-5/3取代的帧P3的对应像素(这些像素然后可能乘以某 个比例权值i)加上由mvl的帧比例分数-2/3取代的帧P2的对应像素(这些像素然后可 能乘以某个比例权值j)；·由mv2的帧比例分数-5/6取代的帧P3的对应像素(这些像素然后可能乘以某 个比例权值k)加上由mv2的帧比例分数1/6取代的帧Pl的对应像素(这些像素然后可能 乘以某个比例权值1)；以及·由mv3的帧比例分数-2/3取代的帧P2的对应像素(这些像素然后可能乘以某 个比例权值m)加上由mv3的帧比例分数1/3取代的帧Pl的对应像素(这些像素然后可能乘以某个比例权值η)。和所有的直接模式一样，运动向量增量可以与mvl、mv2和mv3中的每一个一起使用。注意，当下一个最近的后续P帧参考了包围一候选B帧的最近的P帧时，经常出现 特别有益的直接编码模式。在MPEG-4中B帧的直接模式编码总是使用后续P帧的运动向量作为参考。根据 本发明的另一个方面，B帧参考前面P帧的共存宏块的运动向量也是可能的，这些运动向量 有时将证明直接模式编码参考的有益选择。假如这样的话，当下 一个最近的前面P帧被最 近的前面P帧的运动向量参考时，运动向量帧比例分数将大于1。图16显示了 P帧和B帧 序列，其中最近的前面P帧具有参考前面P帧的运动向量。在这个例子中，B帧1600参考 了 1远离的前面P帧P2。帧P2的运动向量mv参考下一个前面P帧Pl (相对于B帧1600， 2远离)。图中显示了合适的帧比例分数。如果根据多个向量和帧对最近的前面P帧进行插值，那么应用类似于结合图14所 描述的那些方法以获得运动向量帧比例分数和插值权值。图17是显示P帧和B帧序列的 图，其中最近的前面P帧具有两个参考前面P帧的运动向量。在这个例子中，B帧1700参 考前面P帧P3。前面的帧P3的一个运动向量mvl参考下一个前面P帧P2，而第二个运动 向量mv2参考2远离的前面P帧P1。图中显示了合适的帧比例分数。B帧1700的每个宏块可以根据下列项构造成混合形式 由mvl的帧比例分数1/3取代的帧P3的对应像素(这些像素然后可能乘以某 个比例权值i)加上由mvl的帧比例分数4/3取代的帧P2的对应像素(这些像素然后可能 乘以某个比例权值j)；以及 由mv2的帧比例分数1/6取代的帧P3的对应像素(这些像素然后可能乘以某 个比例权值k)加上由mv2的帧比例分数7/6取代的帧Pl的对应像素(这些像素然后可能 乘以某个比例权值1)。当前面P帧(相对于B帧)的运动向量指向下一个最近的前面P帧时，没有必要 只利用下一个最近的前面帧作为插值参考，如在图16中的。最近的前面P帧可以为运动补 偿证明更好的选择。假如这样的话，最近的前面P帧的运动向量被缩短到从B帧到那个P 帧的帧距离分数。图18是显示P帧和B帧序列的图，其中最近的前面P帧具有一个参考前 面P帧的运动向量。在这个例子中，对于M = 3，第一个B帧1800会使用1/3和-2/3帧距 离分数乘以最近的前面P帧P2的运动向量mv。第二个B帧1802会使用2/3和-1/3帧距 离分数(未示出)。将这种选择通知解码器以区分这个例子和图16中所示的例子。和所有其他的编码模式一样，直接模式的使用最好包括根据其他可用的插值和单 向量编码模式和参考帧对候选模式进行测试。对于直接模式测试，最近的后续P帧(可选 地，和下一个最近的后续P帧或甚至更远的后续P帧，和/或一个或多个前面P帧)可被作 为候选帧测试，并且少量的比特(典型地是一个或两个)可被用于指定由解码器使用的直 接模式P参考帧距离。扩展的插值值在MPEG-1、2、4及H. 261和H. 263标准中指定了，B帧使用前向参考帧和后向参考 帧的像素值的等加权，如由运动向量所取代的。本发明的另一个方面包括各种有用的不相等加权的应用，这些不相等加权显著提高B帧编码效率，以及这种不相等加权到多于两个 参考的扩展，这些参考包括两个或多个时间上向前或者向后的参考。本发明的这个方面还 包括用于为P帧而被参考和插值的一个以上的帧的方法。此外，当两个或多个参考在时间 上指向前，或者当两个或多个参考在时间上指向后时，那么有时使用负权重和超过1.0的 权重是有用的。例如，图19是显示三个P帧PI、P2和P3的帧序列，其中P3用两个运动向量使用 插值参考，而Pl和P2各一个。例如，如果连续的变化正在Pl和P3之间的帧范围发生，那 么P2-P1 (即帧P2的像素值(被P2的运动向量所取代)减去帧Pl的像素值(被Pl的运 动向量所取代))将等于P3-P2。类似地，P3-P1将是P2-P1和P3-P2大小的两倍。在这种 情况下，可以通过公式从P2和Pl差别地预测帧P3的像素值P3 = Ρ1+2χ(Ρ2-Ρ1) = (2χΡ2)-Ρ1 既然这样，P3的插值权重对于P2是2. 0，对于Pl是-1. 0。作为另一个例子，图20显示了四个P帧P1、P2、P3和P4的帧序列，其中P4使用具 有三个运动向量的插值参考，而PI、P2和P3各一个。因此，由于P4是从P3、P2和Pl预测 的，所以应用三个运动向量和插值权重。在这种情况下，如果连续的变化正在这个帧范围上 发生，那么 P2-P1 将等于 P3-P2 和 P4-P3，而 P4-P1 将等于 3x (P2-P1)和 3x (P3-P2)。因此，在这个例子中，基于P2和Pl的P4预测为P4 = Pl+3x (P2-P1) = (3χΡ2) - (2χΡ1)(权重为 3. 0 和-2. 0)基于P3禾Π Pl的Ρ4预测为Ρ4 = Ρ1+3/2χ(Ρ3-Ρ1) = (3/2χΡ3) - (1/2χΡ1)(权重为 1· 5 和 _0· 5)基于Ρ3和Ρ2的Ρ4预测为 Ρ4 = Ρ2+2χ (Ρ3-Ρ2) = (2χΡ3) _Ρ2 (权重为 2. 0 和 _1· 0)然而可能的是，最靠近Ρ4 (包括Ρ3和Ρ2)的变化，比包括Pl的预测是更可靠的Ρ4 的预测值。因此，通过给上面包括Pl的两个项各1/4权重，并给仅包括Ρ3和Ρ2的项1/2 权重，将导致1/2(2Ρ3-Ρ2)+1/4(3/2Ρ3-1/2Ρ1)+1/4(3Ρ2-2Ρ1)=13/8Ρ3+1/4Ρ2-5/8Ρ1 (权重为 1. 375,0. 25 和-0. 625)据此，有时既使用大于1. 0的权重又使用小于0的权重是有用的。在其它时候，如 果从一个帧到下一个帧存在类似噪音的变化，具有0.0和1. 0之间的适度的系数的正加权 平均可产生Ρ4的宏块(或者其他的像素区域)的最佳预测。例如，图20中Ρ1、Ρ2和？3各 1/3的等加权在某些情况下可能形成Ρ4的最佳预测。注意最佳匹配的运动向量被用来确定Ρ1、Ρ2、Ρ3等的区域，在这个例子中，计算时 使用了 PI、Ρ2、Ρ3。在某些情况下，这个匹配可能最好是AC匹配，其允许变化的DC项通过 AC系数预测。或者，如果使用DC匹配(例如绝对差的和)，那么经常能够预测AC系数的变 化。在其他情况下，各种形式的运动向量匹配将形成具有各种权重混合的最佳预测。通常， 特定情况的最佳预测是使用这里所描述的方法经验地确定的。这些技术也适用于具有两个或多个在时间上指向后或指向前的运动向量的B帧。 当在时间上指向前时，以上描述的用于P帧的系数模式被颠倒过来以准确地向后预测当前 的P帧。使用本发明的这个方面，在向前和向后两个方向上均具有两个或多个运动向量是可能的，因此同时在两个方向预测。这些各种预测的合适的加权混合可以通过选择混合的 加权来优化，混合加权最佳地预测了当前B帧的宏块(或其他像素区域)。图21是显示P帧和B帧序列的图，其中不同P帧具有一个或多个参考前面不同 P帧的运动向量，图中也显示了分配给被特定B帧参考的各自向前和向后参考的不同权重 a-e。在这个例子中，B帧2100参考三个前面P帧和两个后续P帧。在图21所示的例子中，帧 P5必须被解码以使这个例子工作。有时以解码所需的 顺序(“发送顺序”)在比特流中给帧排序是有用的，发送顺序没有必要是显示的顺序(“显 示顺序”)。例如，在显示循环运动(例如物体的旋转)的帧序列中，特定的P帧可能更类似 远处的P帧而不是最近的后续P帧。图22是显示P帧和B帧序列的图，其中P帧的比特流 发送顺序不同于显示顺序。在这个例子中，帧P3更类似于帧P5而不是帧P4。因此在P4之 前发送和解码P5，但在P5之前显示P4是有用的。优选地，当这种P帧可以被丢弃时(例如 在比特流顺序中η个帧的终止时间或者在显示顺序中的帧X之后)，每个P帧应该通知解码
ο如果从一个小的选择集中选择权重，那么少量比特就能够通知解码器要使用哪个 权重。和这里所描述的所有其他权重一样，这可以每一个图像单元通知解码器一次，或者在 解码过程中权重变化是有用的任何其他点上。下载新的权重集也是可能的。在这种方式中，少量的权重集可以在给定时间上有 效。这允许少量的比特通知解码器在解码过程中在任何给定点将使用哪个有效的权重集。 为了确定合适的权重集，可以在编码过程中测试大量的权重。如果发现小的子集提供高效 率，那么可以通知解码器使用那个子集。因此能够只用几个比特把该子集的特定元素通知 解码器。例如10个比特可以选择1024个子集元素中的一个。此外，当改变特定的小子集 以维持效率时，可以把新的子集通知解码器。因此，编码器可以对比更新权重集所需的比特 数，动态地优化在权重集元素中选择所需的比特数。此外，少量的短编码能被用于表示常 见的有用权重，例如1/2、1/3、1/4等等。在这种方式中，少量的比特能被用于表示权重集， 例如用于P帧中的K-前向-向量预测(其中K = 1，2，3···)，或者B帧中的K-前向-向量 和L-后向-向量预测(其中K和L从0，1，2，3…中选择)，或者P帧中的K-前向-向量和 L-后向-向量预测(其中K和L从0，1，2，3…中选择)，作为当前M值的函数(即B帧相对 于邻近P (或I)帧的相对位置)。图23是显示具有分配权重的P帧和B帧序列的图。B帧2300具有权重a_e，其值 是从B帧权重集2302的表格分配的。P帧2304具有权重m和n，其值是从P帧权重集2306 的表格分配的。某些权重可以是静态的(即不变地下载到解码器)，并由编码器通知。其他 权重可以被动态地下载然后通知。这个相同的技术可被用于动态地更新权重集以对比于AC插值选择DC插值。此外， 可以表示编码值，其对比于变换值(在替换的线性或非线性表示中)的线性插值选择一般 的(线性)插值(通常以非线性表示表示的像素值的插值)。类似地，这种编码值可以表示 哪些这样的插值应用于AC值或DC值或者是否分开预测的AC和DC部分。有效的子集也可被用于最少化在目前使用的权重系数集之间选择所必需的比特 数。例如，如果1024个下载的权重集被保存在解码器中，那么可能在帧的一个特定部分期 间需要大概16个是有效的。因此，通过选择(从1024个中选出)16个权重集的哪些子集是有效的，只需要使用4个比特选择这16个中的哪个权重集是有效的。可以为这些最常见 子集使用短编码来表示这些子集，因而允许少量的比特在常用的子集中选择。
柔化和锐化和通过减去平均值从AC信号中简单地分开DC分量一样，在运动向量补偿预测的 过程中，其他的滤波运算也是可能的。例如，各种高通、带通和低通滤波器可被应用于像素 区域(例如宏块)以提取各种频率带。然后，当进行运动补偿时，可以修改这些频率带。例 如，在有噪音的移动图像上滤出最高的频率以柔化(使之不太清晰或者稍微地模糊)该图 像通常可能是有用的。更加柔化的图像像素，与用于量化的更陡的斜矩阵(tilt matrix) 结合(更陡的斜矩阵忽略当前块中的更高频率的噪音)，通常形成更高效的编码方法。已经 有可能在每个图像单元的量化斜矩阵中表示变化。还可能下载亮度和色度的定制斜矩阵。 注意不管斜矩阵是否改变，都可以提高运动补偿的效率。然而，通常最有效的是既改变斜矩 阵又改变在运动补偿过程中应用的滤波器参数。常见做法是使用降低的色度编码分辨率和色度特定的斜矩阵。但是，在这个例子 中，色度编码分辨率是静态的(例如4:2:0水平和垂直地编码半分辨率或者4:2:2只是水 平地编码半分辨率)。可以根据本发明的这个方面通过在运动补偿过程中把一个动态滤波 器处理应用于色度和亮度(独立地或合作地)来提高编码效率，每个图像单元选择一个。题为"Enhanced Temporal and Resolution Layering in Advanced Television，， 的美国专利申请09/545233号(前文引用过)描述了改进的负半周(截断的正弦函 数)位移滤波器的使用。这些滤波器具有的优点是当进行运动向量位移的碎片像素 (fractional-pixel)部分时，它们保持清晰度。在整像素(integer pixel)位移点和碎片 像素位移点，使用降低或提高其清晰度的滤波器可更优地移动某些宏块(或其他有用的图 像区域)。例如，对于“变焦”(其中，帧中的某些物体随着时间移出焦点和帧的其他部分进 入焦点)来说，转变是清晰度和柔度的变化之一。因此，能够在图像的某些区域提高清晰度 而在其他区域降低清晰度的运动补偿滤波器能够提高编码效率。特别地，如果图像的区域 正移出焦点，那么降低清晰度可能是有益的，这将柔化图像(因而可能产生更好的匹配)和 减少颗粒和/或噪音(因而可能提高编码效率)。如果图像的区域正进入焦点，那么保持最 好的清晰度或者甚至使用更大的负半周正弦滤波器值提高清晰度可能是有益的。在编码过程中，色度滤波也能够从提高和降低清晰度中受益。例如，4:2:0编码 (水平和垂直地编码半分辨率色度)的许多编码效率优点可以通过为色度使用更柔的运动 补偿滤波器而在U和/或V通道中保持全分辨率来实现。仅仅当在U和V通道中的色彩细 节是高时，才有必要选择最清晰的位移滤波器；在有高色彩噪音或者颗粒的地方较柔的滤 波器将更有益。除了焦点的变化之外，从一个帧到下一个帧的方向和运动模糊变化量也是普遍 的。当运动图像胶片帧的速率为24fps时，即使一个简单的对话场景从一个帧到下一个帧 在运动模糊方面也有显著的变化。例如，在一个帧中上嘴唇可能是模糊的，且在下一个帧中 清晰化，这完全是由于在照相机中打开快门期间的嘴唇运动。对于这样的运动模糊，不仅在 运动补偿过程中具有锐化和柔化(模糊化)滤波器而且具有锐化和柔化的方向方面将是有 益的。例如，如果可以确定运动的方向，那么沿那个方向的柔化或锐化可被用于对应图像特 写的移动或停止。用于运动补偿的运动向量本身可以相对于任何周围的帧(或对应区域)为特定帧(或帧内的区域)提供关于运动量、运动量的变化(即运动模糊)的一些有用信 息。特别是，运动向量是P帧之间的最佳运动匹配，而运动模糊来自帧中的在打开快门时间 期间的运动图24是一个帧内的物体位置对时间的图。照相机的快门只在部分帧时间期间打 开。当快门打开时，物体的任何运动导致模糊。运动模糊量是由在快门打开期间的位置变 化量表示的。因此，当快门打开时位置曲线2400的斜率是运动模糊的度量。运动模糊量和运动方向也可以从清晰度量度、周围的运动向量(图像区域匹配的 地方)、特征拖影检测和帧区域的人为辅助指定的组合中确定。可以基于确定的运动模糊量 和运动方向选择滤波器。例如，对比所确定的运动模糊量和运动方向，各种滤波器的映射可 以经验地确定。当结合本发明的其他方面时，这种智能应用的滤波器可以显著地提高压缩编码效 率。可以选择少量的这种滤波器，用少量的比特通知解码器。同样，这能够是以每个图像 单元一次或者在解码过程中的其他有用点上实现。与权重集一样，可以使用一组动态装入 的滤波器，以及有效的子集机制以最少化在最有益的滤波器参数集合之间选择所需的比特 数。实现本发明可以在硬件或软件，或者两者的组合(例如可编程的逻辑阵列)中实现。除 非另外指定，作为本发明的一部分而包括的算法本质上不与任何特定的计算机或者其他装 置相关。特别地，各种通用目的的设备可以与根据本文所述编写的程序一起使用，或者可能 更方便的是构造更特殊的装置(例如集成电路)以执行特定功能。因此，本发明可以在一 个或多个可编程计算机系统上执行的一个或多个计算机程序中实现，每个可编程计算机系 统包括至少一个处理器、至少一个数据存储系统(包括永久的和易失的存储器和/或存储 单元)，至少一个输入设备或端口，和至少一个输出设备或端口。程序代码被应用于输入数 据以执行这里描述的功能并生成输出信息。输出信息以公知的方式被应用于一个或多个输 出设备。每个这样的程序可以用任何希望的计算机语言(包括机器的、汇编的、或高级过 程化的、逻辑的、面向对像的编程语言)实现以与计算机系统通信。在任何情况下，语言可 以是编译语言或解释语言。每个这样的计算机程序优选存储在或者下载到存储介质或设备上(例如固态存 储器或介质，或者磁介质或光介质)，这些存储介质或设备是通用或专门目的的可编程计算 机可读的，当存储介质或设备被计算机系统读取以执行这里描述的程序时，这样的计算机 程序用于配置和操作计算机。也可以考虑将本发明系统实现成计算机可读存储介质，其被 配置为具有一计算机程序，如此配置的存储介质使计算机系统以特定的和预定的方式运行 以执行本文所描述的功能。已经描述了本发明的多个实施例。但是，应该理解的是，在不脱离本发明的精神和 范围的情况下可以进行各种修改。例如，上文所述的某些步骤可能是顺序无关的，因此可以 以一种与所述不同的顺序执行。因此，其他的实施例均在所附权利要求的范围内。
权利要求
一种具有可参考帧和双向预测帧序列的视频图像压缩系统，所述视频图像压缩系统包括图像区域，其中至少一个双向预测帧的至少一个图像区域被编码为两个或多个可参考帧的选定图像区域的不相等加权。
2.根据权利要求1所述的视频图像压缩系统，其中至少一个双向预测帧的至少一个图 像区域被两个或多个可参考帧的插值编码。
3.根据权利要求2所述的视频图像压缩系统，其中两个或多个可参考帧的至少一个与 所述双向预测帧在显示顺序上被至少一个居间的可参考帧间隔开。
4.根据权利要求2所述的视频图像压缩系统，其中两个或多个可参考帧的至少一个与 所述双向预测帧在显示顺序上被至少一个居间的后续可参考帧间隔开。
5.根据权利要求1所述的视频图像压缩系统，其中所述不相等加权包括大于1或小于 O的权重。
6.根据权利要求1所述的视频图像压缩系统，其中所述不相等加权包括从所述至少一 个预测帧到所述两个或多个可参考帧的每个可参考帧的时间距离的函数。
7.根据权利要求1所述的视频图像压缩系统，其中所述帧序列中的每个帧包括排列在 宏块中的像素值。
8.根据权利要求7所述的视频图像压缩系统，其中基于来自两个或多个预测帧的运动 向量使用直接模式预测来确定双向预测帧中的至少一个宏块。
9.根据权利要求8所述的视频图像压缩系统，其中用小于O或大于1的帧比例分数乘 以至少一个运动向量对至少一个这样的运动向量进行换算。
10.根据权利要求7所述的视频图像压缩系统，其中按显示顺序基于来自一个或更多 预测帧的运动向量使用直接模式预测来确定双向预测帧中的至少一个宏块。
11.根据权利要求11所述的视频图像压缩系统，其中这样的一个或更多预测帧的至少 一个在显示顺序上在所述双向预测帧之前。
12.根据权利要求12所述的视频图像压缩系统，其中用小于0或大于1的帧比例分数 乘以至少一个运动向量对至少一个这样的运动向量进行换算。
13.根据权利要求7所述的视频图像压缩系统，其中基于来自一个或更多预测帧的运 动向量使用直接模式预测来确定双向预测帧中的至少一个宏块。
14.根据权利要求13所述的视频图像压缩系统，其中这样的一个或更多预测帧的至少 一个在显示顺序上在所述双向预测帧之后，并且与所述双向预测帧被至少一个居间的可参 考帧间隔开。
15.根据权利要求14所述的视频图像压缩系统，其中用小于0或大于1的帧比例分数 乘以至少一个运动向量对至少一个这样的运动向量进行换算。
全文摘要
一种用于在视频图像压缩系统中改进一个或多个预测帧的图像质量的方法、系统和计算机程序，其中每个帧包括多个像素。某些类型的帧的宏块图像区域在某些情况下可以参考一个或多个可参考帧来编码，而在其他情况下可以参考两个或多个可参考帧来编码。这种编码可能包括插值，例如不相等加权的插值。图像区域的DC值或AC像素值也可以在加权或未加权的情况下进行插值。具有可变数量的双向预测帧的这类帧的编码模式可以动态地确定。可以以不同于显示顺序的传送顺序把帧从编码器传送到解码器。在运动向量补偿预测的过程中，可以把锐化和/或柔化滤波器应用于某些帧的图像区域。
文档编号H04N7/32GK101969569SQ201010551279
公开日2011年2月9日 申请日期2003年6月27日 优先权日2002年6月28日
发明者G·A·迪莫斯 申请人:杜比实验室认证公司