專利名稱：用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)編碼的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)編碼的方法以及一種相應(yīng)的解碼方法。此外，本發(fā)明涉及一種用于執(zhí)行該編碼方法及解碼方法的編碼設(shè)備和解碼設(shè)備。
背景技術(shù)：
視頻編碼方法一般以兩個(gè)處理過(guò)程來(lái)執(zhí)行。首先，圖像在視頻流中以適當(dāng)?shù)姆绞浇柚陬A(yù)測(cè)和變換被去相關(guān)。去相關(guān)步驟的結(jié)果是變換系數(shù)、運(yùn)動(dòng)矢量、其他編碼信息等形式的符號(hào)。之后經(jīng)常還接著對(duì)所產(chǎn)生的符號(hào)進(jìn)行量化，由此提高壓縮效率。在第二處理過(guò)程中，對(duì)所生成的符號(hào)進(jìn)行無(wú)損耗的熵編碼，其中在所生成的符號(hào)中的仍存在的冗余、也即所述符號(hào)的出現(xiàn)概率及其統(tǒng)計(jì)學(xué)上的彼此相關(guān)性被充分利用，以便從符號(hào)中產(chǎn)生具有數(shù)據(jù)流的盡可能短的總長(zhǎng)度的盡可能短的代碼字。
從現(xiàn)有技術(shù)中已知用于熵編碼的不同方法。在VLC編碼(VLC=Variable Length Coding，可變長(zhǎng)度編碼)情況下，每個(gè)所生成的符號(hào)被雙射地映射到代碼字上。在符號(hào)和相應(yīng)的代碼字之間的關(guān)系在此通過(guò)代碼表、例如查找表來(lái)表示。
熵編碼的另一常用的方法是算術(shù)編碼。與符號(hào)被變換成代碼字的VLC編碼不同， 在算術(shù)編碼情況下從多個(gè)符號(hào)中生成單個(gè)代碼字。在算術(shù)編碼情況下，符號(hào)基于其頻率優(yōu)選地被映射到二進(jìn)制數(shù)，使得獲得相繼的符號(hào)的二進(jìn)制表示。
通常，熵編碼方法基于以下原理從出現(xiàn)的符號(hào)的頻率中推導(dǎo)出一個(gè)或多個(gè)概率模型，基于所述概率模型產(chǎn)生短代碼字，也即對(duì)于具有高頻率的符號(hào)或符號(hào)序列，利用熵編碼來(lái)生成比對(duì)于具有低頻率的符號(hào)或符號(hào)序列更短的代碼字。一般，熵編碼方法基于上下文，也即區(qū)分符號(hào)的不同類型，所述符號(hào)的不同類型表示不同的信息。對(duì)于符號(hào)的不同類型，出現(xiàn)的符號(hào)的頻率分開地在自己的上下文中并且從而基于自己的概率模型來(lái)處理。上下文在視頻編碼方法中必要時(shí)也可以與其他準(zhǔn)則有關(guān)，例如圖像區(qū)域的編碼可以與圖像中相鄰的圖像區(qū)域的編碼決策有關(guān)。另外，熵編碼方法經(jīng)常自適應(yīng)地被設(shè)計(jì)，也即概率模型基于出現(xiàn)的符號(hào)的變化頻率在編碼時(shí)相應(yīng)地被匹配。
為了提高熵編碼方法的編碼速度，從現(xiàn)有技術(shù)中已知不同的方法。在視頻編碼標(biāo)準(zhǔn)H. 264/AVC中，視頻流的圖像被分成所謂的切片，其中每個(gè)切片是圖像的一部分，該部分可以完全與其他部分無(wú)關(guān)地被編碼。也就是說(shuō)，最初符號(hào)的生成以及基于熵編碼對(duì)代碼字的隨后的生成均不具有在不同切片之間的相關(guān)性。因此，概率模型或上下文不越過(guò)切片被匹配。這導(dǎo)致更差的壓縮效率。
從現(xiàn)有技術(shù)中另外已知將視頻圖像劃分成所謂的熵切片(Entropy-Slice)(參見印刷品[2])。與上述傳統(tǒng)的切片不同，熵切片允許符號(hào)之間的相關(guān)性，例如內(nèi)部預(yù)測(cè)。只有基于熵編碼產(chǎn)生代碼字是在各個(gè)熵切片之間無(wú)關(guān)的。通過(guò)使用熵切片，與傳統(tǒng)的切片相比， 壓縮效率得以提高。盡管如此，還存在缺點(diǎn)，即對(duì)于不同的熵切片的符號(hào)使用不同的統(tǒng)計(jì)， 這又減小了熵編碼的效率。
在文獻(xiàn)[1]中，描述了所謂的有序熵切片的概念，所述有序熵切片改善了上述熵切片的特性。在此，對(duì)于熵編碼允許越過(guò)熵切片來(lái)形成上下文。因此考慮在熵切片之間的統(tǒng)計(jì)相關(guān)性并且由此改善編碼效率。此外，圖像中的各個(gè)宏塊在編碼時(shí)不逐行地被讀入，而是以之字形(zickzack-fSrmig)來(lái)讀入。這在圖IA至IC中加以說(shuō)明。這些圖示出根據(jù)印刷品[1]讀入宏塊的不同變型，其中各個(gè)宏塊作為相繼的矩形被再現(xiàn)并且出于清晰性原因僅部分地用附圖標(biāo)記MB表示。圖IA示出按行讀入宏塊，如通過(guò)垂直線Ll所表明的。在考慮上下文的情況下一一在該上下文中為了對(duì)宏塊編碼左側(cè)、左上、右側(cè)和右上的相鄰的宏塊必須是可用的，在該變型的情況下存在以下問(wèn)題不能并行地處理宏塊的多個(gè)行。與此不同，在以之字形處理宏塊時(shí)基于根據(jù)圖IB的線L2能夠?qū)崿F(xiàn)每?jī)尚械牟⑿刑幚?，因?yàn)槿绻x入了第一行對(duì)的五個(gè)宏塊，則已經(jīng)可以開始在第三行中對(duì)后續(xù)熵切片的第一宏塊進(jìn)行編碼。圖IC示出以之字形讀入宏塊的另一變型，其中現(xiàn)在能夠根據(jù)線L3實(shí)現(xiàn)每有序熵切片三個(gè)行的處理。
熵切片的另一變型是所謂的交錯(cuò)熵切片，所述交錯(cuò)熵切片在印刷品[4]中得以描述。在此，切片不是連續(xù)的行，而是各個(gè)切片的行是相互嵌套的。這再次在圖2A和2B中加以說(shuō)明。圖2A在此示出將圖像I劃分成兩個(gè)傳統(tǒng)的熵切片SLl和SL2，其中圖像的上面的一半構(gòu)成具有宏塊MBl的連續(xù)的切片SL1，并且下面的圖像部分SL2構(gòu)成具有相應(yīng)的宏塊 MB2 (陰影線所示)的相連的切片SL2。與該傳統(tǒng)的切片不同，在圖2B中示出交錯(cuò)熵切片的例子。在此，相應(yīng)的切片SL1，或SL2，通過(guò)彼此偏移一行的宏塊行構(gòu)成。切片SL1，在圖2B 中用全平面的宏塊ΜΒΓ表明并且通過(guò)第一、第三、第五等行構(gòu)成。與此相對(duì)，切片SL2’通過(guò)陰影線的宏塊MB2’表明并且通過(guò)第二、第四、第六等行構(gòu)成。交錯(cuò)熵切片能夠?qū)崿F(xiàn)越過(guò)熵切片的上下文形成。但是對(duì)于為熵編碼所使用的概率模型不生成共同的統(tǒng)計(jì)。
為了改善視頻編碼方法中的壓縮效率，另外在印刷品W]中描述了句法元素分割。在此，對(duì)于不同群的句法元素(例如模式信息、運(yùn)動(dòng)矢量、變化系數(shù))產(chǎn)生多個(gè)代碼字。 因?yàn)楦鱾€(gè)群具有不同的上下文，所以也分開地執(zhí)行上下文形成。因?yàn)椴煌旱南鄬?duì)頻率是不同的，所以在使用并行的編碼分支的情況下對(duì)于各個(gè)編碼分支不均衡在編碼時(shí)的計(jì)算負(fù)荷。
在文獻(xiàn)[3]中描述了算術(shù)編碼的特殊變型，其中在編碼時(shí)并行地處理兩個(gè)二進(jìn)制符合。通過(guò)這種方式可以在一個(gè)編碼循環(huán)中編碼四個(gè)狀態(tài)而不是兩個(gè)狀態(tài)。但是，在編碼的該方式情況下上下文形成是復(fù)雜的并且每編碼循環(huán)需要多個(gè)操作。發(fā)明內(nèi)容
本發(fā)明的任務(wù)是，這樣改善數(shù)字化圖像序列中的符號(hào)的熵編碼，使得在編碼效率同時(shí)高的情況下能夠?qū)崿F(xiàn)對(duì)多個(gè)圖像區(qū)域的并行處理。
該任務(wù)通過(guò)根據(jù)權(quán)利要求1的編碼方法和根據(jù)權(quán)利要求14的解碼方法和根據(jù)權(quán)利要求16的編碼設(shè)備和根據(jù)權(quán)利要求18的解碼設(shè)備來(lái)解決。本發(fā)明的擴(kuò)展在從屬權(quán)利要求中予以定義。
在用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)編碼的本發(fā)明方法中，圖像被劃分成圖像區(qū)域，并且相應(yīng)圖像區(qū)域的符號(hào)借助于熵編碼被編碼，其中熵編碼基于一個(gè)或多個(gè)概率模型。 表述“圖像區(qū)域”在這里和在下面可以廣義地來(lái)解釋并且可以涉及任意形式的圖像片段。但是在優(yōu)選的變型中，圖像區(qū)域是圖像塊，例如從視頻編碼中已知的宏塊。所述概率模型在此考慮在圖像區(qū)域中出現(xiàn)的符號(hào)的頻率。因此通過(guò)概率模型經(jīng)由相應(yīng)的出現(xiàn)頻率而對(duì)相應(yīng)符號(hào)的概率進(jìn)行建模，其中如果使用具有不同統(tǒng)計(jì)的不同類型的符號(hào)，則可以使用多個(gè)概率模型。
根據(jù)本發(fā)明，在編碼循環(huán)中這樣處理圖像區(qū)域，使得在一個(gè)編碼循環(huán)中在多個(gè)并行的編碼分支中進(jìn)行熵編碼。在此可以將并行的編碼分支理解為同時(shí)或時(shí)間上重疊地執(zhí)行圖像區(qū)域的熵編碼的編碼分支。由此通過(guò)使用并行工作的熵編碼器對(duì)于每個(gè)編碼分支實(shí)現(xiàn)快速的熵編碼。根據(jù)本發(fā)明，在此在相應(yīng)的編碼分支中基于概率模型組對(duì)圖像區(qū)域編碼，其中概率模型組可以包括一個(gè)或多個(gè)概率模型。在此在相應(yīng)的編碼分支中對(duì)圖像區(qū)域編碼的情況下，對(duì)于該概率模型組基于在圖像區(qū)域中出現(xiàn)的符號(hào)來(lái)適配頻率。
本發(fā)明方法的特點(diǎn)在于，在每個(gè)編碼分支中用于編碼的該概率模型組基于共同的、對(duì)于所有編碼分支有效的概率模型組，其中所述共同的組考慮所有編碼分支的圖像區(qū)域中的符號(hào)的頻率。該共同的概率模型組在此以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的編碼循環(huán)中適配的頻率來(lái)更新?！皶r(shí)間在前的編碼循環(huán)”在此可以被理解為在更新所述共同的概率模型組之前(緊接著或也已經(jīng)過(guò)去較長(zhǎng)時(shí)間)經(jīng)歷的編碼循環(huán)。
本發(fā)明方法具有優(yōu)點(diǎn)，即一方面通過(guò)使用并行的編碼分支實(shí)現(xiàn)符號(hào)的快速編碼并且另一方面通過(guò)考慮所有編碼分支的統(tǒng)計(jì)在共同的概率模型組中確保高編碼效率。
所述共同的概率模型組的更新可以根據(jù)本發(fā)明通過(guò)不同的方式進(jìn)行。在一種變型中，所述共同的概率模型組的更新至少有時(shí)順序地這樣執(zhí)行，使得在時(shí)間上相繼的更新時(shí)考慮不同編碼分支的適配的頻率?？商娲鼗蚋郊拥兀部梢栽陬A(yù)先給定的同步時(shí)刻至少有時(shí)進(jìn)行所述共同的概率模型組的更新，在所述同步時(shí)刻，所述共同的概率模型組基于至少一個(gè)在前編碼循環(huán)的所有編碼分支的適配頻率被更新。
在本發(fā)明的一種變型中，所述共同的概率模型組可以基于在時(shí)間上直接在前的編碼循環(huán)中適配的頻率被更新。為了避免編碼分支相互阻止，另外存在以下可能性，即所述共同的概率模型組的更新基于在時(shí)間上不直接在前的編碼循環(huán)中適配的頻率進(jìn)行。通過(guò)這種方式，更新被延遲一個(gè)或多個(gè)編碼循環(huán)。
在本發(fā)明方法的另一變型中，在相應(yīng)的編碼分支中對(duì)圖像區(qū)域編碼之后，將適配的頻率中間存儲(chǔ)在中間的、分配給該相應(yīng)的編碼分支的概率模型組中，其中一個(gè)或多個(gè)中間存儲(chǔ)的中間的概率模型組結(jié)合共同的概率模型組被用于相應(yīng)編碼分支中的熵編碼，直至對(duì)共同的概率模型組更新為止。通過(guò)臨時(shí)中間存儲(chǔ)適配的頻率可以以簡(jiǎn)單的方式實(shí)現(xiàn)根據(jù)本發(fā)明的編碼的不同變型。
在本發(fā)明方法中，基于任意的、從現(xiàn)有技術(shù)中已知的熵編碼方法對(duì)相應(yīng)的圖像區(qū)域進(jìn)行熵編碼。尤其是可以使用已經(jīng)在開頭所提及的VLC編碼和/或算術(shù)編碼。例如，可以使用從視頻編碼標(biāo)準(zhǔn)H. 264/AVC已知的CAVLC編碼(CAVLC=Context_based Adaptive Variable Length Coding，基于上下文的自適應(yīng)可變長(zhǎng)度編碼)或CABAC編碼 (CABAC=Context-based Adaptive Binary Arithmetic Coding，白勺自iSiS二 制算術(shù)編碼)。
在本發(fā)明方法中可以通過(guò)不同的方式來(lái)將圖像區(qū)域布置在編碼分支中。尤其是可以這樣設(shè)計(jì)編碼分支，使得編碼循環(huán)通過(guò)根據(jù)圖像中的圖像區(qū)域的以行或列方式的走向相繼的圖像區(qū)域構(gòu)成。同樣可能的是，這樣設(shè)計(jì)編碼分支，使得編碼循環(huán)通過(guò)根據(jù)圖像中的圖像區(qū)域的之字形走向相繼的圖像區(qū)域構(gòu)成。通過(guò)最后所述的變型，尤其是也可以在考慮相鄰圖像區(qū)域的上下文的情況下實(shí)現(xiàn)編碼。
本發(fā)明方法也可以以適當(dāng)?shù)姆绞脚c已知的編碼方法組合，在所述已知的編碼方法中，圖像被劃分成圖像片段，所述圖像片段分開地被熵編碼。圖像片段在此可以至少有時(shí)在不考慮圖像片段之間的相關(guān)性的情況下和/或至少有時(shí)在考慮圖像片段之間的相關(guān)性的情況下被編碼。在不考慮相關(guān)性的情況下編碼的實(shí)施形式是基于切片的開頭所提及的分割。在考慮相關(guān)性的情況下編碼的變型是基于熵切片對(duì)圖像的開頭所提及的分割。
用于熵編碼的本發(fā)明方法可以與任意的、從現(xiàn)有技術(shù)中已知的視頻編碼方法組合。尤其是可以基于標(biāo)準(zhǔn)H. 264從數(shù)字化圖像序列中生成符號(hào)。優(yōu)選地，通過(guò)從現(xiàn)有技術(shù)中充分已知的變換(例如DCT變換)和同樣從現(xiàn)有技術(shù)中已知的對(duì)圖像區(qū)域的量化從數(shù)字化圖像序列中產(chǎn)生符號(hào)。
除了上述編碼方法之外，本發(fā)明此外包括一種解碼方法，利用所述解碼方法對(duì)根據(jù)本發(fā)明編碼的來(lái)自數(shù)字化圖像序列的符號(hào)進(jìn)行解碼。在此，類似于編碼方法，所編碼的圖像區(qū)域在解碼循環(huán)中這樣被處理，使得在解碼循環(huán)中在多個(gè)并行的解碼分支中進(jìn)行熵解碼，其中在相應(yīng)的解碼分支中基于概率模型組對(duì)所編碼的圖像區(qū)域解碼，其中頻率在對(duì)所編碼的圖像區(qū)域解碼時(shí)基于在所解碼的圖像區(qū)域中出現(xiàn)的符號(hào)對(duì)于該概率模型組被適配。
在每個(gè)解碼分支中用于解碼的概率模型組在此基于共同的、對(duì)于所有解碼分支有效的概率模型組，該概率模型組考慮所有解碼分支的所解碼圖像區(qū)域中的符號(hào)的頻率。該共同的概率模型組以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的解碼循環(huán)中適配的頻率被更新。
本發(fā)明此外涉及一種用于對(duì)數(shù)字化圖像序列編碼和解碼的方法，其中來(lái)自數(shù)字化圖像序列的符號(hào)利用上述編碼方法被編碼并且接著例如在經(jīng)由傳輸線段被傳輸之后利用上述本發(fā)明解碼方法被解碼。
本發(fā)明此外涉及一種用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)編碼的設(shè)備，其中圖像被劃分成圖像區(qū)域并且相應(yīng)圖像區(qū)域的符號(hào)可以通過(guò)所述設(shè)備借助于熵編碼被編碼，所述熵編碼基于一個(gè)或多個(gè)概率模型，其中所述一個(gè)或多個(gè)概率模型考慮在圖像區(qū)域中出現(xiàn)的符號(hào)的頻率，其中所述設(shè)備包括處理單元，所述處理單元包含-用于將圖像區(qū)域分成編碼循環(huán)使得在編碼循環(huán)中在多個(gè)并行的編碼分支中進(jìn)行熵編碼的裝置；-多個(gè)編碼裝置，其中每個(gè)編碼法裝置這樣用于相應(yīng)編碼分支的熵編碼，使得圖像區(qū)域在相應(yīng)的編碼分支中基于概率模型組被編碼，其中每個(gè)編碼裝置包括-用于在對(duì)圖像區(qū)域編碼時(shí)基于在圖像區(qū)域中出現(xiàn)的符號(hào)針對(duì)所述概率模型組適配頻率 的適配裝置，-用于這樣處理共同的概率模型使得在相應(yīng)的編碼分支中用于編碼的概率模型組基于共同的對(duì)于所有編碼分支有效的概率模型組的裝置，所述共同的概率模型組考慮所有編碼分支的圖像區(qū)域中的符號(hào)的頻率；-用于以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的編碼循環(huán)中適配的頻率來(lái)更新該共同的概率模型組的裝置。
本發(fā)明編碼設(shè)備因此適用于基于本發(fā)明方法對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)進(jìn)行編碼，其中尤其是可以利用編碼設(shè)備的相應(yīng)的其他裝置實(shí)現(xiàn)本發(fā)明方法的上述實(shí)施形式中的一個(gè)或多個(gè)。
除了編碼設(shè)備之外，本發(fā)明還包括一種用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)解碼的相應(yīng)的解碼設(shè)備，其中圖像被劃分成圖像區(qū)域并且相應(yīng)圖像區(qū)域的符號(hào)借助于熵編碼基于本發(fā)明編碼方法被編碼，其中熵編碼基于一個(gè)或多個(gè)概率模型，其中所述一個(gè)或多個(gè)概率模型考慮在所解碼的圖像區(qū)域中出現(xiàn)的符號(hào)的頻率。所述設(shè)備在此包括處理單元，所述處理單元包含-用于將所編碼的圖像區(qū)域分成解碼循環(huán)使得在解碼循環(huán)中在多個(gè)并行的編碼分支中進(jìn)行熵解碼的裝置；-多個(gè)解碼裝置，其中每個(gè)解碼裝置這樣用于相應(yīng)解碼分支的熵解碼，使得所編碼的圖像區(qū)域在相應(yīng)的解碼分支中基于概率模型組被解碼，其中每個(gè)解碼裝置包括-用于在對(duì)所編碼的圖像區(qū)域解碼時(shí)基于在所解碼的圖像區(qū)域中出現(xiàn)的符號(hào)針對(duì)所述概率模型組適配頻率的適配裝置，-用于這樣處理共同的概率模型使得在相應(yīng)的解碼分支中用于解碼的概率模型組基于共同的對(duì)所有解碼分支有效的概率模型組的裝置，所述共同的概率模型組考慮所有解碼分支的所解碼的圖像區(qū)域中的符號(hào)的頻率；-用于以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的解碼循環(huán)中適配的頻率來(lái)更新共同的概率模型組的裝置。
除了上述編碼設(shè)備和上述解碼設(shè)備之外，本發(fā)明還包括編解碼器或者用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)編碼和解碼的系統(tǒng)，其中所述編解碼器包含本發(fā)明編碼設(shè)備以及本發(fā)明解碼設(shè)備。


下面根據(jù)附圖詳細(xì)化地描述本發(fā)明的實(shí)施例。
圖IA至IC以及圖2A和2B示出不同的從現(xiàn)有技術(shù)中已知的編碼技術(shù)；圖3示出用于視頻編碼和視頻解碼的方法的原理表示，其中可以使用本發(fā)明的熵編碼或熵解碼；圖4A和4B示出基于本發(fā)明方法對(duì)宏塊進(jìn)行并行處理的兩個(gè)變型； 圖5至圖8示出在共同的概率模型的不同更新情況下本發(fā)明編碼方法的不同的變型； 圖9示出符號(hào)的解碼，所述符號(hào)利用根據(jù)圖5的方法的變型被編碼；和圖10示出本發(fā)明編碼和解碼系統(tǒng)的實(shí)施形式的示意性表示。
具體實(shí)施方式
根據(jù)圖IA至IC以及圖2A和2B的從現(xiàn)有技術(shù)中已知的編碼的變型已經(jīng)在上面廣泛地闡述，從而放棄對(duì)這些圖的再次描述。
本發(fā)明的熵編碼或熵解碼方法的下面描述的實(shí)施形式的特點(diǎn)在于，多個(gè)圖像區(qū)域并行地在不同的編碼分支中被處理，但是其中各個(gè)編碼分支訪問(wèn)共同的概率模型，所述共同的概率模型考慮所有編碼分支的符號(hào)的頻率分布。該概率模型以有規(guī)則的間隔基于要編碼或解碼的符號(hào)的變化的頻率被更新。符號(hào)在此在視頻編碼方法的范圍中被產(chǎn)生，其中這9樣的方法示意性地在圖3中示出。
圖3的左邊部分示出相應(yīng)的編碼器COD并且圖3的右邊部分示出用于解碼所使用的解碼器DEC。根據(jù)圖3，對(duì)來(lái)自數(shù)字化圖像I的視頻流進(jìn)行編碼，其中由在輸入信號(hào)I和先前圖像的經(jīng)運(yùn)動(dòng)補(bǔ)償?shù)闹貥?gòu)之間的差得出的預(yù)測(cè)誤差信號(hào)被壓縮。對(duì)在圖3中在加法器A中作為所讀入圖像與所預(yù)測(cè)圖像的差所確定的預(yù)測(cè)誤差進(jìn)行變換T、尤其是DCT變換 (DCT=Discrete Cosine Transformation，離散余弦變換)。由此獲得的變換系數(shù)接著以適當(dāng)?shù)姆绞皆诹炕鱍中被量化。通過(guò)這種方式對(duì)于相應(yīng)的圖像區(qū)域以宏塊的形式獲得相應(yīng)的符號(hào)S，該符號(hào)S代表來(lái)自圖像區(qū)域的所編碼的圖像信息，尤其是以變換系數(shù)和用于預(yù)測(cè)的運(yùn)動(dòng)矢量以及其他編碼參數(shù)的形式。在編碼范圍中所確定的運(yùn)動(dòng)矢量在此用MV表示，并且在解碼時(shí)也需要該運(yùn)動(dòng)矢量，如通過(guò)圖3中的垂直虛線所表明的。為了進(jìn)一步提高編碼效率，再次在熵編碼器EC中無(wú)損耗地對(duì)符號(hào)S進(jìn)行熵編碼，其中根據(jù)本發(fā)明使用熵編碼的特殊變型。
如由圖2得出的，在編碼的范圍中也對(duì)量化的符號(hào)S進(jìn)行逆量化IQ和逆變換IT。 由此生成的信號(hào)最終到達(dá)圖像存儲(chǔ)器SP中，該圖像存儲(chǔ)器SP的輸出首先經(jīng)由加法器A’反饋到輸入端上，其中輸出另外經(jīng)由加法器A以負(fù)的方式到達(dá)變換T的輸入端。圖像存儲(chǔ)器 SP在此控制運(yùn)動(dòng)估計(jì)器ME，該運(yùn)動(dòng)估計(jì)器在其方面在輸入側(cè)被施加有視頻輸入數(shù)據(jù)并且已經(jīng)在上面提及的運(yùn)動(dòng)矢量MV被提供用于驅(qū)動(dòng)編碼器COD中的圖像存儲(chǔ)器SP。如已經(jīng)闡明的，所述運(yùn)動(dòng)矢量也被傳輸給解碼器DEC，其中運(yùn)動(dòng)矢量為此也被熵編碼，這從圖1不能看出。通過(guò)熵編碼器產(chǎn)生的代碼字S’最后被傳輸給解碼器DEC并且在那里首先進(jìn)行適當(dāng)?shù)母鶕?jù)本發(fā)明的熵解碼。由此，在編碼器側(cè)生成的符號(hào)S再次被重構(gòu)，接著對(duì)所述符號(hào)進(jìn)行逆量化IQ和逆變換IT。如此確定的所解碼的視頻數(shù)據(jù)接著與在解碼器DEC側(cè)上的相應(yīng)的圖像存儲(chǔ)器SP的數(shù)據(jù)相加并且是解碼器的輸出。該和信號(hào)此外被輸送給解碼器側(cè)的圖像存儲(chǔ)器SP，該圖像存儲(chǔ)器SP的輸出被輸送回到加法器A’’的輸入端上。
下面，基于相應(yīng)視頻圖像中的相應(yīng)宏塊的符號(hào)描述根據(jù)本發(fā)明的熵編碼和熵解碼的實(shí)施形式。在這里所闡述的變型中，三個(gè)解碼分支在相應(yīng)的解碼循環(huán)中被編碼，其中在編碼循環(huán)的每個(gè)編碼分支中，宏塊被熵編碼。各個(gè)編碼分支因此是不同的宏塊群，這些宏塊群按照實(shí)施形式是圖像的不同組成部分。
圖4A示出將宏塊MB分群成三個(gè)編碼分支的第一變型。第一編碼分支的宏塊在此用附圖標(biāo)記1指定，第二編碼分支的宏塊用附圖標(biāo)記2指定并且第三編碼分支的宏塊用附圖標(biāo)記3指定。這些附圖標(biāo)記也被用于表示相應(yīng)的編碼分支。編碼循環(huán)CC在圖4A的實(shí)施形式中由三個(gè)相繼的宏塊1、2和3構(gòu)成。圖像為了編碼因此逐行地被讀入，如通過(guò)圖4A中的線L所表明的。根據(jù)圖4A的分群在此適用于熵編碼，其中不使用相鄰宏塊的信息來(lái)對(duì)上下文建模。
與此不同地，圖4B示出編碼分支的構(gòu)造的另一變型，其中基于相鄰宏塊的信息能夠?qū)崿F(xiàn)上下文建模。編碼分支在此通過(guò)圖像I的相應(yīng)的相鄰的行構(gòu)成，其中在圖4B中第一行構(gòu)成第一編碼分支1，第二行構(gòu)成第二編碼分支2并且第三行構(gòu)成第三編碼分支3。重疊地進(jìn)行各個(gè)編碼分支的處理，其中在一個(gè)編碼分支中的編碼相對(duì)于下一行的編碼分支時(shí)間偏移兩個(gè)宏塊，這通過(guò)線L’表明。圖4B在此示出以下情形，在該情形時(shí)一些宏塊已經(jīng)被編碼，其中這些宏塊通過(guò)括號(hào)中的相應(yīng)的附圖標(biāo)記表明。編碼又在并行的分支中進(jìn)行，其中在編碼循環(huán)中現(xiàn)在來(lái)自相應(yīng)編碼分支的彼此偏移兩個(gè)宏塊的宏塊被處理。相繼的編碼分支因此根據(jù)圖像中的宏塊的之字形走向來(lái)構(gòu)成。對(duì)應(yīng)于圖4A的編碼循環(huán)CC在圖4B中例如通過(guò)圖像I的第一行中的第五宏塊1、圖像I的第二行中的第三宏塊2以及圖像I的第三行中的第一宏塊3構(gòu)成。
如已經(jīng)提及的，利用在圖4B中所示的實(shí)施形式可以基于相鄰的宏塊實(shí)現(xiàn)上下文的建模。盡管如此，該實(shí)施形式也可以在無(wú)上下文建模的情況下在用于編碼的方法時(shí)使用。 除了在圖4A和4B中所示的將宏塊分群成并行處理的編碼分支之外，必要時(shí)也可以設(shè)想其他分群。在本發(fā)明范圍中決定性的僅僅是，所有編碼分支在執(zhí)行熵編碼時(shí)訪問(wèn)共同的概率模型組，如下面還要更詳細(xì)闡明的。
圖5至圖8示出在共同的概率模型組的不同類型的更新情況下根據(jù)本發(fā)明的熵編碼的不同變型。在不限制一般性的情況下，在此根據(jù)圖4A基于對(duì)宏塊的按行處理構(gòu)成各個(gè)編碼分支。在宏塊的熵編碼的范圍中，在此基于概率模型組考慮符號(hào)的頻率，其中組可以包含一個(gè)或多個(gè)概率模型。每個(gè)概率模型在此考慮一個(gè)上下文(也即一種相應(yīng)類型的符號(hào)和 /或已經(jīng)編碼的塊的編碼決策)。例如，可以使用不同的概率模型用于要不同地編碼的信息， 例如用于變換系數(shù)、運(yùn)動(dòng)矢量以及編碼模式信息。
在單個(gè)編碼分支中的宏塊的熵編碼基于常用的熵編碼方法執(zhí)行，例如基于開頭提及的VLC編碼或算術(shù)編碼。尤其是，可以使用從現(xiàn)有技術(shù)中已知的編碼方法CABAC或CAVLC。 在單個(gè)編碼分支中的熵編碼從而基于已知的方法進(jìn)行，但是在這種熵編碼時(shí)以適當(dāng)?shù)姆绞绞褂霉餐母怕誓Ｐ徒M，其中考慮所有并行的編碼分支的符號(hào)的頻率。
在所有下面描述的圖5至8中通過(guò)相應(yīng)的箭頭表明，正在被編碼的宏塊動(dòng)用哪個(gè)概率模型組。在此，在各個(gè)宏塊的熵編碼范圍中，相應(yīng)的用于熵編碼的該類模型組被適配并且被存儲(chǔ)在中間概率模型組中，其中中間概率模型組在方法的過(guò)程中在更新已經(jīng)在上面提及的共同的概率模型組之后再次被丟棄。下面，將中間概率模型組稱為陰影組。
圖5示出根據(jù)本發(fā)明的熵編碼的變型，其中共同的概率模型組順序地通過(guò)各個(gè)編碼分支的所適配的頻率而被調(diào)整。箭頭的起源在此在圖5中以及也在所有其他圖6至9中表明，對(duì)于相應(yīng)的箭頭尖端所處于的該(正在被編碼的)宏塊訪問(wèn)哪個(gè)概率模型組。在圖5的實(shí)施形式中，首先在編碼循環(huán)CCl中對(duì)編碼分支1至3的每一個(gè)的宏塊的符號(hào)編碼。在此， 對(duì)于每個(gè)所述分支使用無(wú)關(guān)的自適應(yīng)熵編碼器。因?yàn)樵诿總€(gè)編碼分支中涉及所編碼的第一宏塊，所以在編碼時(shí)對(duì)于所有編碼分支使用相同的初始標(biāo)準(zhǔn)統(tǒng)計(jì)(也即概率模型)。在每個(gè)編碼分支的編碼范圍中，最初的概率模型組在每個(gè)編碼分支中基于符號(hào)的相應(yīng)的頻率被調(diào)整，使得對(duì)于每個(gè)編碼分支而言概率模型的第一陰影組被生成。概率模型的所述陰影組在此必須僅包含相應(yīng)的符號(hào)類型的經(jīng)修改的概率模型。未修改的概率模型不必被存儲(chǔ)。最初的標(biāo)準(zhǔn)統(tǒng)計(jì)是共同的概率模型組的第一版本，該第一版本于是在編碼的過(guò)程中被更新。
在圖5的實(shí)施形式中，在第一編碼循環(huán)CCl中對(duì)宏塊1編碼之后已經(jīng)在后續(xù)的編碼循環(huán)CC2中對(duì)宏塊1進(jìn)行編碼，而不必等待在編碼循環(huán)CCl中對(duì)宏塊2和3的編碼結(jié)束。 在此，在第二編碼循環(huán)CC2中對(duì)宏塊1的編碼范圍中生成概率模型的第二陰影組，該第二陰影組存儲(chǔ)相對(duì)于概率模型的第一陰影組的變化。編碼決策基于最初的共同的概率模型組以及概率模型的第一和第二陰影組來(lái)作出。
在第一編碼循環(huán)CCl中對(duì)宏塊2和3的編碼結(jié)束之后，用概率模型的第一陰影組更新共同的概率模型組，該第一陰影組在編碼循環(huán)CCl中對(duì)宏塊1進(jìn)行編碼時(shí)被生成。概率模型的該第一陰影組然后可以被丟棄。最后在第二編碼循環(huán)CC2中對(duì)宏塊2進(jìn)行編碼， 其中現(xiàn)在動(dòng)用更新的共同的概率模型組。在此，在對(duì)宏塊進(jìn)行編碼時(shí)再次考慮概率模型的以前產(chǎn)生的第一陰影組，該第一陰影組在第一編碼循環(huán)CCl中對(duì)相應(yīng)的宏塊2進(jìn)行編碼時(shí)被生成。類似于第二編碼分支CC2中的宏塊1，在第二編碼循環(huán)CC2中對(duì)宏塊2進(jìn)行編碼時(shí)現(xiàn)在生成概率模型的另外的第二陰影組，其中在編碼循環(huán)CC2中對(duì)宏塊2的編碼基于更新的共同的概率模型組以及概率模型的第一和第二陰影組。
一旦在第二編碼循環(huán)CC2中對(duì)宏塊1進(jìn)行了編碼，可以用來(lái)自在第一編碼循環(huán)CCl 中的宏塊2的編碼的概率模型的第一陰影組更新共同的概率模型組。類似地，在編碼循環(huán) CC2中對(duì)宏塊2進(jìn)行編碼之后用來(lái)自第一編碼循環(huán)CCl中的宏塊3的編碼的概率模型的第一陰影組更新共同的概率模型組。該方法通過(guò)這種方式繼續(xù)，直至所有宏塊被編碼為止。
如從圖5的實(shí)施例的上述描述中得出的，只有當(dāng)共同的概率模型組用來(lái)自編碼循環(huán)CCl中的宏塊1的編碼的概率模型的第一陰影組更新時(shí)，才能夠開始在編碼循環(huán)CC2中對(duì)宏塊2編碼。但是，只有當(dāng)在第一編碼循環(huán)CCl中完成地對(duì)宏塊3編碼時(shí)才能夠執(zhí)行該更新，因?yàn)榉駝t在編碼分支3中使用錯(cuò)誤的統(tǒng)計(jì)。
因此在上述方法的擴(kuò)展中，除了對(duì)于確定的編碼分支特定的概率模型的陰影組之外，也在考慮概率模型的一個(gè)或多個(gè)已經(jīng)編碼的陰影組的情況下對(duì)于共同的概率模型組生成中間概率模型組。通過(guò)這種方式可以在新編碼循環(huán)的編碼分支中基于相應(yīng)的中間的概率模型組執(zhí)行編碼，即使當(dāng)在前的編碼循環(huán)的編碼分支中仍進(jìn)行編碼時(shí)也是如此。一旦在前的編碼循環(huán)的編碼分支中的編碼結(jié)束并且共同的概率模型組被更新，則相應(yīng)的臨時(shí)概率模型組不再被需要。相應(yīng)生成的臨時(shí)的概率模型組在此不必完整地被生成，而是僅計(jì)算如下概率模型組就足夠了，在所述概率模型組中符號(hào)的頻率已變化。
共同的概率模型組的順序更新的上述變型可以以適當(dāng)?shù)姆绞揭沧鳛檠舆t的更新來(lái)構(gòu)造，其中共同的概率模型組不用在前的循環(huán)的概率模型的相應(yīng)的陰影組更新，而是用還進(jìn)一步在過(guò)去的循環(huán)的概率模型的相應(yīng)的陰影組更新。本發(fā)明的這樣的變型在圖6中示出。在此情況下認(rèn)識(shí)到，對(duì)于第一和第二編碼循環(huán)CCl和CC2首先使用初始的標(biāo)準(zhǔn)概率模型組并且從第三編碼循環(huán)起才用來(lái)自第一編碼循環(huán)CCl的概率模型的在編碼過(guò)程中所產(chǎn)生的陰影組來(lái)相應(yīng)地更新共同的概率模型組。同樣，在第四編碼循環(huán)CC4中用來(lái)自第二編碼循環(huán)CC2的概率模型的陰影組更新共同的概率模型組并且在第五編碼循環(huán)CC5中用來(lái)自第三編碼循環(huán)CC3中的概率模型的陰影組更新共同的概率模型組。圖6的變型的優(yōu)點(diǎn)在于， 在一般情況下編碼分支相互不阻止。另外，如果更新被延遲一個(gè)編碼循環(huán)，也僅需要概率模型的兩個(gè)陰影組，如這在圖6中所表明的。如果延遲多于一個(gè)編碼循環(huán)，則需要概率模型的附加的陰影組。更新的延遲越大，在編碼分支的速度方面的偏差越能夠更多地被容忍，而編碼分支不相互阻止。但是由于統(tǒng)計(jì)的延遲的更新，編碼效率稍微變差。
圖7示出共同的概率模型組的更新的第三變型。在該變型中，在每個(gè)編碼循環(huán)中結(jié)束了各個(gè)編碼之后在固定的同步時(shí)刻用概率模型的所有對(duì)每個(gè)編碼分支生成的陰影組更新共同的概率模型組。通過(guò)這種方式避免每編碼分支產(chǎn)生概率模型的多個(gè)陰影組。但是，編碼循環(huán)的編碼速度通過(guò)最慢的編碼分支確定。同步時(shí)刻在此不必在每個(gè)編碼循環(huán)結(jié)束之后被設(shè)置。更確切地說(shuō)也存在以下可能性，即在預(yù)先確定數(shù)量的編碼循環(huán)之后執(zhí)行更12新。該變型具有優(yōu)點(diǎn)，即共同的概率模型組不必再如此經(jīng)常地被更新并且在編碼分支的速度方面的較大偏差被容忍。圖8示出編碼分支的更新的這樣的變型，其中更新總是在兩個(gè)編碼循環(huán)之后才進(jìn)行。在圖8中尤其是認(rèn)識(shí)到，對(duì)于編碼循環(huán)CCl和CC2分別使用相同的共同的概率模型組，其中在考慮第一編碼循環(huán)CCl的陰影組的情況下在編碼循環(huán)CC3開始時(shí)執(zhí)行該共同的概率模型組的更新。
對(duì)用在前面所述的方法編碼的符號(hào)的解碼與編碼類似地來(lái)進(jìn)行。也就是說(shuō)，解碼在并行的解碼分支中被執(zhí)行，其中共同的概率模型組又基于所解碼的符號(hào)的頻率被更新。 下面，示例性地基于所編碼的符號(hào)來(lái)描述解碼過(guò)程，所述符號(hào)用根據(jù)圖5的編碼過(guò)程產(chǎn)生。 該解碼過(guò)程在圖9中被再現(xiàn)，其中又通過(guò)相應(yīng)的箭頭表明，正在被解碼的宏塊訪問(wèn)哪個(gè)概率模型組。解碼在相應(yīng)的解碼循環(huán)DC1、DC2、DC3等中進(jìn)行，在所述解碼循環(huán)內(nèi)現(xiàn)在并行地實(shí)施相應(yīng)的解碼分支1’、2’和3’，利用這些解碼分支對(duì)相應(yīng)編碼的宏塊解碼。解碼分支1’、 2’和3’中的每一個(gè)因此在分開的解碼過(guò)程中被解碼。在此，首先在第一解碼循環(huán)DCl中用適當(dāng)?shù)某跏紭?biāo)準(zhǔn)概率模型組對(duì)宏塊解碼。在解碼時(shí)得出的對(duì)所解碼的符號(hào)的頻率的更新又被存儲(chǔ)在概率模型的單獨(dú)的陰影組中。
在第一解碼循環(huán)DCl中對(duì)宏塊1’解碼之后，在使用概率模型的第二陰影組的情況下在第二解碼循環(huán)DC2中進(jìn)行宏塊1’的解碼。如果在第一解碼循環(huán)DCl中對(duì)于宏塊2’和 3’的熵解碼結(jié)束，則與在編碼時(shí)類似地用解碼循環(huán)DCl中的宏塊1’的概率模型的第一陰影組更新共同的概率模型組。
最后，進(jìn)行第二編碼循環(huán)DC2的宏塊2’的解碼，其中為此現(xiàn)在使用更新的共同的概率模型組。可替代地，如果由共同的概率模型組和解碼循環(huán)DCl中的宏塊1’的概率模型的第一陰影組生成臨時(shí)的概率模型組，則在解碼循環(huán)DC2中的宏塊2’的熵解碼也可以在執(zhí)行更新之前開始。如果共同的概率模型組用第一解碼循環(huán)DCl中的宏塊2’的概率模型的第一陰影組更新，則解碼分支3’通過(guò)類似的方式開始解碼。可替代地，如果在第一解碼循環(huán)DCl中宏塊1’和2’的解碼結(jié)束，則可以使用臨時(shí)的概率模型組用于在第二解碼循環(huán)DC2 中對(duì)宏塊3’解碼。在相應(yīng)的更新情況下基于用于所有其他編碼循環(huán)的上述步驟繼續(xù)編碼， 直至所有宏塊被解碼為止。
在實(shí)施上述方法時(shí)必須用信號(hào)通知給解碼器的主參數(shù)一方面是并行編碼分支的數(shù)量N，其中該數(shù)量在圖3或圖8的例子中為N=3。對(duì)于N=I的情況，該方法對(duì)應(yīng)于傳統(tǒng)的熵編碼，如例如在標(biāo)準(zhǔn)H. 264/AVC中所使用的。作為另外的參數(shù)，可以傳輸共同的概率模型組的更新的延遲D。該參數(shù)在圖5和圖7的實(shí)施形式中是D=O編碼循環(huán)。對(duì)于圖6和圖8 的實(shí)施形式，適用的是D=l。同樣，作為參數(shù)也可以傳遞是否在預(yù)先確定的同步時(shí)刻執(zhí)行同步化的更新。在圖7和圖8的實(shí)施形式中，用信號(hào)通知同步化的更新，而在圖5和圖6的實(shí)施形式中用信號(hào)通知不執(zhí)行同步化的更新。
本發(fā)明方法的在前面所述的變型可以與上下文建模的適當(dāng)?shù)姆椒ńM合，例如上述熵切片、有序熵切片或交錯(cuò)熵切片。同樣，可以將本發(fā)明方法與根據(jù)印刷品[3]和[4]的上述句法元素分割或多個(gè)二進(jìn)制符號(hào)的并行處理組合。
如果在各個(gè)編碼分支中的熵編碼暫停，則一般必須執(zhí)行共同的概率模型組的更新。但是必要時(shí)也存在的可能性是，共同的概率模型組中的各個(gè)概率模型以原子的 (atomar)方式被更新。在這種情況下，各個(gè)編碼分支能夠在無(wú)中斷的情況下繼續(xù)其編碼。以原子方式的更新在此意味著，在更新概率模型時(shí)由編碼分支對(duì)該模型的讀訪問(wèn)被中斷并且在更新概率模型之后，相應(yīng)的概率模型從編碼分支的概率模型的陰影組中被刪除。
本發(fā)明方法的在前面所述的實(shí)施形式基于各個(gè)宏塊的編碼被描述。但是該方法也可以被應(yīng)用于要編碼的圖像序列內(nèi)的任意其他圖像區(qū)域并且不被限制于宏塊。
本發(fā)明方法具有一系列優(yōu)點(diǎn)。尤其是實(shí)現(xiàn)高的壓縮效率，因?yàn)槭褂霉餐膶?duì)于所有編碼分支有效的概率模型組，該概率模型組以規(guī)則的間隔用編碼分支的所適配的統(tǒng)計(jì)來(lái)更新。因此，共同的概率模型組中的統(tǒng)計(jì)比在使用分開的無(wú)關(guān)的概率模型組時(shí)更好地近似于實(shí)際的概率。通過(guò)并行地編碼或解碼多個(gè)編碼或解碼分支，另外以小的延遲實(shí)現(xiàn)快速的編碼和解碼。此外，本發(fā)明方法也可以以適當(dāng)?shù)姆绞脚c用于基于上下文地自適應(yīng)地熵編碼的其他并行處理方法組合。
圖10以示意性表示示出由本發(fā)明編碼設(shè)備和本發(fā)明解碼設(shè)備組成的系統(tǒng)的具體構(gòu)型。編碼設(shè)備用于對(duì)數(shù)字化圖像序列進(jìn)行熵編碼，并且類似于圖3用EC表示。解碼設(shè)備用于對(duì)利用設(shè)備EC熵編碼的數(shù)字化圖像序列進(jìn)行解碼，并且類似于圖3用ED表示。不僅設(shè)備EC而且設(shè)備ED均包含多個(gè)組件，這些組件可以被設(shè)計(jì)為各個(gè)硬件組件、例如設(shè)計(jì)為計(jì)算機(jī)中的硬件組件。以相同的方式，設(shè)備ED也包含多個(gè)組件，這些組件可以被設(shè)計(jì)為硬件組件，例如設(shè)計(jì)為計(jì)算機(jī)中的硬件組件。
除了在圖10中所示的組件之外，設(shè)備EC必要時(shí)作為附加的組件可以包含以變換單元T、量化器Q、逆量化器IQ、逆變換單元IT、圖像存儲(chǔ)器SP、運(yùn)動(dòng)估計(jì)器ME以及相應(yīng)的加法器A和A’形式的在圖3中所示的組件。所有這些組件又可以被實(shí)現(xiàn)為各個(gè)硬件組件。
設(shè)備EC在圖10的構(gòu)型中包含用于將所處理的圖像的圖像區(qū)域分成編碼循環(huán)的裝置100。在此，在編碼循環(huán)中在多個(gè)并行的編碼分支中執(zhí)行熵編碼。為了在相應(yīng)的編碼分支中執(zhí)行編碼，設(shè)備EC例如包含三個(gè)編碼裝置101、102和103，其中每個(gè)編碼裝置均被設(shè)置用于在相應(yīng)的編碼分支中編碼。如果利用該設(shè)備應(yīng)該能夠編碼多于三個(gè)的編碼分支，則設(shè)置相應(yīng)較大數(shù)量的編碼裝置。每個(gè)編碼裝置基于概率模型組執(zhí)行熵編碼。
編碼裝置101作為子組件包含適配裝置IOla以及用于處理共同的概率模型的裝置101b。類似地，編碼裝置102和103也包含相應(yīng)的適配裝置10 或103a和相應(yīng)的用于處理共同的概率模型的裝置102b或10北。相應(yīng)編碼分支中的適配裝置在此用于在對(duì)圖像區(qū)域編碼時(shí)基于在圖像區(qū)域中出現(xiàn)的符號(hào)對(duì)于該概率模型組適配頻率。在每個(gè)編碼分支中設(shè)置的用于處理共同的概率模型的裝置這樣執(zhí)行處理，使得在相應(yīng)的編碼分支中用于編碼的概率模型組基于共同的對(duì)所有編碼分支有效的概率模型組，該概率模型組考慮所有編碼分支的圖像區(qū)域中的符號(hào)的頻率。在設(shè)備EC中另外設(shè)置用于以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的編碼循環(huán)中適配的頻率更新共同的概率模型組的裝置104。
根據(jù)圖10的編碼設(shè)備EC提供所編碼的數(shù)字化圖像序列，該數(shù)字化圖像序列可以經(jīng)由任意的傳輸線段被傳輸給解碼設(shè)備ED。經(jīng)由傳輸線段的傳輸在此在圖10中通過(guò)箭頭 P表明。解碼設(shè)備ED接收所編碼的圖像流并且執(zhí)行相應(yīng)的熵解碼，其中該設(shè)備為此具有多個(gè)組件。特別地，設(shè)備ED包含用于這樣將所編碼的數(shù)字化圖像序列的所編碼的圖像區(qū)域分成解碼循環(huán)使得在解碼循環(huán)中在多個(gè)并行的解碼分支中進(jìn)行熵解碼的裝置。對(duì)于每個(gè)解碼分支，在此設(shè)置相應(yīng)的解碼裝置201或202或203，其中在多于三個(gè)編碼分支的情況下，相應(yīng)的其他解碼裝置集成在設(shè)備ED中。每個(gè)解碼裝置基于概率模型組執(zhí)行熵解碼。
解碼裝置201包括用于在對(duì)所編碼的圖像區(qū)域解碼時(shí)基于在所解碼的圖像區(qū)域中出現(xiàn)的符號(hào)對(duì)于該概率模型組適配頻率的適配裝置201a。此外，這樣設(shè)置用于處理共同的概率模型的裝置201b，使得在相應(yīng)的解碼分支中用于解碼的概率模型組基于共同的對(duì)于所有解碼分支有效的概率模型組，該概率模型組考慮所有解碼分支的所解碼的圖像區(qū)域中的符號(hào)的頻率。類似于解碼裝置201，解碼裝置202或203也包括相應(yīng)的用于適配頻率的適配裝置20 或203a和相應(yīng)的用于處理共同的概率模型的裝置202b或20北。圖10的解碼設(shè)備ED另外作為其他組件包含用于以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的解碼循環(huán)中適配的頻率更新共同的概率模型組的裝置204。
利用解碼設(shè)備ED獲得所解碼的數(shù)字化圖像序列。解碼設(shè)備在此必要時(shí)還可以包含以逆量化器IQ和逆變換單元IT以及存儲(chǔ)器SP和加法器A’，形式的在圖3中所示的附加組件。這些附加的組件在此可以被設(shè)計(jì)為各個(gè)硬件組件、例如設(shè)計(jì)為計(jì)算機(jī)的硬件組件。
文獻(xiàn)目錄[1]X. Guo, "Ordered Entropy Slices for Parallel CABACITU-T SG 16/Q. 6， Doc. VCEG-AK25, Yokohama,日本，2009 年 4 月[2]A. Segall 禾口 J. Zhao, "Entropy slices for parallel entropy decoding", ITU-T SG 16/Q. 6，Doc. C0M16-C405，日內(nèi)瓦，瑞士，2008 年 4 月[3]V. Sze 禾口 M. Budagavi, "Parallel CABAC，，， ITU—T SG 16/Q. 6， Doc. C0M16-C334,日內(nèi)瓦，瑞士，2008 年 4 月[4]V. Sze, M. Budagavi, A. P. Chandrakasan, "Massively Parallel CABAC", ITU-T ITU-T SG 16/Q. 6，Doc. VCEG-AL21,倫敦，英國(guó) / 日內(nèi)瓦，瑞士，2009 年 7 月。
權(quán)利要求
1.用于對(duì)來(lái)自數(shù)字化圖像(I)序列的符號(hào)編碼的方法，其中圖像(I)被劃分成圖像區(qū)域(MB)并且相應(yīng)圖像區(qū)域(MB)的符號(hào)(S)借助于熵編碼被編碼，所述熵編碼基于一個(gè)或多個(gè)概率模型，其中所述一個(gè)或多個(gè)概率模型考慮在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)的頻率，其中-圖像區(qū)域(MB)在編碼循環(huán)(CC，CC1，CC2，…，CC5)中被處理為，使得在編碼循環(huán)(CC， CCl, CC2，…CC5)中在多個(gè)并行的編碼分支(1，2，3)中進(jìn)行熵編碼，其中在相應(yīng)的編碼分支(1，2，3 )中基于概率模型組對(duì)圖像區(qū)域(MB)編碼，其中所述頻率在對(duì)圖像區(qū)域編碼時(shí)基于在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)針對(duì)該概率模型組被適配；-在每個(gè)編碼分支(1，2，3)中用于編碼的概率模型組基于共同的、對(duì)于所有編碼分支 (1，2，3)有效的概率模型組，該共同的、對(duì)于所有編碼分支有效的概率模型組考慮在所有編碼分支(1，2，3)的圖像區(qū)域(MB)中的符號(hào)(S)的頻率；-所述共同的概率模型組以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的編碼循環(huán) (CC，CCl, CC2，…，CC5)中適配的概率被更新。
2.根據(jù)權(quán)利要求1所述的方法，其中這樣順序地進(jìn)行共同的概率模型組的更新，使得在時(shí)間相繼的更新時(shí)考慮不同編碼分支(1，2，3)的所適配的頻率。
3.根據(jù)前述權(quán)利要求之一所述的方法，其中在預(yù)先給定的同步時(shí)刻(Tl，T2，T3)進(jìn)行共同的概率模型組的更新，在所述同步時(shí)刻，共同的概率模型組基于至少一個(gè)在前的編碼循環(huán)(CC，CCl, CC2，…，CC5)的所有編碼分支(1，2，3)的所適配的頻率被更新。
4.根據(jù)前述權(quán)利要求之一所述的方法，其中至少有時(shí)基于在時(shí)間上直接在前的編碼循環(huán)(CC，CCl, CC2，…，CC5)中所適配的頻率進(jìn)行共同的概率模型組的更新。
5.根據(jù)前述權(quán)利要求之一所述的方法，其中至少有時(shí)基于在時(shí)間上不直接在前的編碼循環(huán)(CC，CCl, CC2，…，CC5)中所適配的頻率進(jìn)行共同的概率模型組的更新。
6.根據(jù)前述權(quán)利要求之一所述的方法，其中在相應(yīng)的編碼分支(1，2，3)中對(duì)圖像區(qū)域 (MB)編碼之后將適配的頻率存儲(chǔ)在中間的分配給該相應(yīng)的編碼分支(1，2，3)的概率模型組中，其中一個(gè)或多個(gè)中間存儲(chǔ)的中間的概率模型組結(jié)合共同的概率模型組被用于在相應(yīng)的編碼分支(1，2，3)中熵編碼，直至對(duì)共同的概率模型組更新為止。
7.根據(jù)前述權(quán)利要求之一所述的方法，其中相應(yīng)的圖像區(qū)域(MB)的熵編碼是VLC編碼和/或算術(shù)編碼，尤其是CAVLC和/或CABAC編碼。
8.根據(jù)前述權(quán)利要求之一所述的方法，其中編碼分支(1，2，3)被設(shè)計(jì)為，使得編碼循環(huán)(CC，CCl, CC2，…，CC5)由圖像區(qū)域(MB)構(gòu)成，所述圖像區(qū)域按照?qǐng)D像(I)中的圖像區(qū)域(MB)的以行或列方式的走向相繼。
9.根據(jù)前述權(quán)利要求之一所述的方法，其中編碼分支(1，2，3)被設(shè)計(jì)為，使得編碼循環(huán)(CC，CCl, CC2，…，CC5)由圖像區(qū)域(MB)構(gòu)成，所述圖像區(qū)域按照?qǐng)D像(I)中的圖像區(qū)域(MB)的之字形走向相繼。
10.根據(jù)前述權(quán)利要求之一所述的方法，其中圖像(I)被劃分成圖像片段，所述圖像片段分開地被熵編碼。
11.根據(jù)權(quán)利要求10所述的方法，其中所述圖像片段至少有時(shí)在不考慮圖像片段之間的相關(guān)性情況下和/或至少有時(shí)在考慮圖像片段之間的相關(guān)性的情況下被編碼。
12.根據(jù)前述權(quán)利要求之一所述的方法，其中來(lái)自數(shù)字化圖像序列的符號(hào)(S)通過(guò)圖像區(qū)域(MB)的變換和量化來(lái)生成。
13.根據(jù)前述權(quán)利要求之一所述的方法，其中來(lái)自數(shù)字化圖像序列的符號(hào)基于標(biāo)準(zhǔn) H. 264來(lái)生成。
14.用于對(duì)來(lái)自數(shù)字化圖像(I)序列的用根據(jù)前述權(quán)利要求之一所述的方法編碼的符號(hào)(S’)解碼的方法，其中圖像(I)被劃分成圖像區(qū)域(MB)并且相應(yīng)的圖像區(qū)域(MB)的符號(hào)(S)借助于熵編碼根據(jù)前述權(quán)利要求之一被編碼，其中熵編碼基于一個(gè)或多個(gè)概率模型， 其中所述一個(gè)或多個(gè)概率模型考慮在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)的頻率，其中-所編碼的圖像區(qū)域(MB，)在解碼循環(huán)(DC1，DC2，DC3)中被處理為，使得在解碼循環(huán) (DC1，DC2，DC3)中在多個(gè)并行的解碼分支(1’，2’，3’)中進(jìn)行熵解碼，其中在相應(yīng)的解碼分支(1’，2’，3’)中基于概率模型組對(duì)所編碼的圖像區(qū)域(MB’ )解碼，其中頻率在對(duì)所編碼的圖像區(qū)域(MB’)解碼時(shí)基于在所解碼的圖像區(qū)域(MB’)中出現(xiàn)的符號(hào)(S)針對(duì)該概率模型組被適配；-在每個(gè)解碼分支(1’，2’，3’)中用于解碼的概率模型組基于共同的、對(duì)于所有解碼分支有效的概率模型組，該共同的、對(duì)于所有解碼分支有效的概率模型組考慮在所有解碼分支(1’，2’，3’)的所解碼的圖像區(qū)域中的符號(hào)(S)的頻率；-共同的概率模型組以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的解碼循環(huán) (DC1，DC2，DC3)中適配的頻率被更新。
15.用于對(duì)數(shù)字化圖像序列編碼和解碼的方法，其中-來(lái)自數(shù)字化圖像序列的符號(hào)(S)用根據(jù)權(quán)利要求1至13之一的方法被編碼；-所編碼的符號(hào)(S’ )利用按照權(quán)利要求14的方法被解碼。
16.用于對(duì)來(lái)自數(shù)字化圖像序列的符號(hào)編碼的設(shè)備，其中圖像(I)被劃分成圖像區(qū)域 (MB)并且相應(yīng)圖像區(qū)域(MB)的符號(hào)(S)能夠通過(guò)所述設(shè)備借助于熵編碼被編碼，所述熵編碼基于一個(gè)或多個(gè)概率模型，其中所述一個(gè)或多個(gè)概率模型考慮在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)的頻率，其中所述設(shè)備包括處理單元(EC)，所述處理單元包含-用于這樣將圖像區(qū)域(MB)分成編碼循環(huán)(CC，CCl, CC2，…，CC5)使得在編碼循環(huán) (CC，CC1，CC2，…，CC5)中在多個(gè)并行的編碼分支(1，2，3)中進(jìn)行熵編碼的裝置(100)；-多個(gè)編碼裝置，其中每個(gè)編碼裝置(101，102，103)均用于這樣對(duì)相應(yīng)的編碼分支(1， 2，3)進(jìn)行熵編碼，使得在相應(yīng)的編碼分支(1，2，3)中基于概率模型組對(duì)圖像區(qū)域(MB)編碼，其中每個(gè)編碼裝置(101，102，103)包括-用于在對(duì)圖像區(qū)域編碼時(shí)基于在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)針對(duì)該概率模型組適配頻率的適配裝置(101a, 102a，103a)，-用于這樣處理共同的概率模型使得在相應(yīng)的編碼分支(1，2，3)中用于編碼的概率模型組基于共同的、對(duì)于所有編碼分支(1，2，3)有效的概率模型組的裝置(101b，10 ， 10北)，所述共同的、對(duì)于所有編碼分支有效的概率模型組考慮所有編碼分支(1，2，3)的圖像區(qū)域(MB)中的符號(hào)(S)的頻率；-用于以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的編碼循環(huán)(CC，CCl, CC2，… ，CC5)中所適配的頻率更新共同的概率模型組的裝置(104)。
17.根據(jù)權(quán)利要求16所述的設(shè)備，其中所述設(shè)備(COD)包括一個(gè)或多個(gè)用于執(zhí)行根據(jù)權(quán)利要求2至13之一所述的方法的其他裝置。
18.用于對(duì)來(lái)自數(shù)字化圖像(I)序列的所編碼的符號(hào)(S’)解碼的設(shè)備，其中圖像(I) 被劃分成圖像區(qū)域(MB)并且相應(yīng)的圖像區(qū)域(MB)的符號(hào)(S)借助于熵編碼根據(jù)權(quán)利要求 1至13之一被編碼，其中熵解碼(ED)基于一個(gè)或多個(gè)概率模型，其中所述一個(gè)或多個(gè)概率模型考慮在所解碼的圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)的頻率，其中所述設(shè)備包括處理單元 (ED )，所述處理單元包含-用于這樣將所編碼的圖像區(qū)域(MB，)分成解碼循環(huán)(DC1，DC2，DC3)使得在解碼循環(huán) (DC1，DC2，DC3)中在多個(gè)并行的解碼分支(1’，2’，3’)中進(jìn)行熵解碼的裝置(200)；-多個(gè)解碼裝置，其中每個(gè)解碼裝置(201，202，203)這樣用于對(duì)相應(yīng)的解碼分支(1’， 2’，3’)進(jìn)行熵解碼，使得在相應(yīng)的解碼分支(1’，2’，3’)中基于概率模型組對(duì)所編碼的圖像區(qū)域(MB，)解碼，其中每個(gè)解碼裝置(201，202，203)包括-用于在對(duì)所編碼的圖像區(qū)域(MB’)解碼時(shí)基于在所解碼的圖像區(qū)域(MB’)中出現(xiàn)的符號(hào)(S)針對(duì)該概率模型組適配頻率的適配裝置(201a，202a, 203a),-用于這樣處理共同的概率模型使得在相應(yīng)的解碼分支(1’，2’，3’)中用于解碼的概率模型組基于共同的、對(duì)于所有解碼分支有效的概率模型組的裝置(201b，202b，203b)，該共同的、對(duì)于所有解碼分支有效的概率模型組考慮在所有解碼分支(1’，2’，3’)的所解碼的圖像區(qū)域(MB，)中的符號(hào)(S)的頻率；-用于以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的解碼循環(huán)(DC1，DC2，DC3)中適配的頻率更新共同的概率模型組的裝置(204 )。
19.用于對(duì)來(lái)自數(shù)字化圖像(I)序列的符號(hào)(S)編碼和解碼的編解碼器，包括根據(jù)權(quán)利要求16或17的編碼設(shè)備(COD)和根據(jù)權(quán)利要求18的解碼設(shè)備(DEC)。
全文摘要
本發(fā)明涉及一種用于對(duì)來(lái)自數(shù)字化圖像(I)序列的符號(hào)編碼的方法，其中圖像(I)被劃分成圖像區(qū)域(MB)并且相應(yīng)圖像區(qū)域(MB)的符號(hào)(S)借助于熵編碼被編碼，所述熵編碼基于一個(gè)或多個(gè)概率模型，其中所述一個(gè)或多個(gè)概率模型考慮在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)的頻率。在根據(jù)本發(fā)明的方法中，圖像區(qū)域(MB)在編碼循環(huán)(CC，CC1，CC2，…CC5)中這樣被處理，使得在編碼循環(huán)(CC，CC1，CC2，…CC5)中在多個(gè)并行的編碼分支(1，2，3)中進(jìn)行熵編碼，其中在相應(yīng)的編碼分支(1，2，3)中基于概率模型組對(duì)圖像區(qū)域(MB)編碼，其中頻率在對(duì)圖像區(qū)域編碼時(shí)基于在圖像區(qū)域(MB)中出現(xiàn)的符號(hào)(S)針對(duì)該概率模型組被適配。在每個(gè)編碼分支(1，2，3)中用于編碼的該概率模型組基于共同的、對(duì)于所有編碼分支(1，2，3)有效的概率模型組，該共同的、對(duì)于所有編碼分支有效的概率模型組考慮在所有編碼分支(1，2，3)的圖像區(qū)域(MB)中的符號(hào)(S)的頻率。共同的概率模型組以預(yù)先確定的時(shí)間間隔基于在至少一個(gè)時(shí)間在前的編碼循環(huán)(CC，CC1，CC2，…CC5)中適配的概率被更新。
文檔編號(hào)H04N7/50GK102550028SQ201080046392
公開日2012年7月4日 申請(qǐng)日期2010年10月13日 優(yōu)先權(quán)日2009年10月15日
發(fā)明者P.阿蒙 申請(qǐng)人:西門子公司