適應性 H.264 位元率控制系統

由 3.3.2 小節得知，由 Li 等學者提出的 JVT-G012 草案，雖然成功利用線性 迴歸的方法來預測待編 MB 的 MAD，並依據 MAD 的預測值來計算適合的量化 參數，解決了 RDO 的問題，但卻沒有考慮到初始 QP 的設定以及空間的相關性 所以在畫面變動劇烈情況下無法準確的做預測。

所以我們提出適應性 H.264 位元率控制系統來改進此問題，改進方式如下：

1. GOP 層：

首先在 GOP 層，由於第一張影像是沒有其他畫框可以參考，所以若 要找出最佳地初始 QP，最簡單地方法就是全搜尋法(full search)，將 51 種 QP 都實際做一遍編碼，如此一來將會大幅增加編碼時間，而 A.

Armstrong 等學者[9]也發現了此問題，所以他們提出二元搜尋法(binary

search algorithm: BSA)來尋找出最佳化初始 QP，而此方法只需要做 6 次 編碼即可得到最佳初始 QP，如圖 3.12 所示，在頻寬 2 Mbps 下 QP 從 26 開始做編碼，而後依據所編位元率還調整更高或是更低地 QP。

然而 BSA 仍然需要 6 次的編碼，其所花費時間依然耗時，所以我們 結合了之前研究的快速化框內模式預測(fast intra mode decision: FIMD)，

其方法是利用 I 畫面待編碼方塊臨近的四個已編碼區塊相對應的模式，

優先作為候選的測試模式，並透過臨界値的組合來終止模式決策的過程，

達到快速預測，透過 FIMD 和 BSA 的結合，可以大幅降低計算最佳量化 參數的處理時間，達到低延遲的效果。

圖 3.12、於 2 Mbps 頻寬下，BSA 搜尋最佳量化參數示意圖

2. 畫框層：

而在畫框層中，除了利用畫框的時間關聯性，使用前一張畫框的檔 頭來預測我們目前要編碼的檔頭預測資訊，更進一步利用畫框內有很高 的空間關聯性，因此我們提出一個時空關聯性模型[10]，如圖 3.13 所示，

並且分析在不同半徑下，檔頭位元數差最小之機率統計，如圖 3.14 所示，

我們可以清楚的觀察到，當搜尋的半徑越大所找到和實際檔頭位元一樣 的 MB 機率就越高，而更進一步統計，如圖 3.15 所示，經 RDO 後所得 到的實際 MAD 和只經 INTER 16×16 和 INTRA 16×16 二個框內預測模

式後的粗略 MAD(簡稱 MADrough)來加以分析，可以發現 MADrough和實 際 MAD 有相同的趨勢，即表示有很強的相關性，因此我們可以利用

MADrough的資訊量來進行空間關聯性的 MAD 預測，並提出時空關聯性

的 MAD 預測模式，其公式如下所示：

2 1

.

[ i ] a MAD [ i ] a

MAD

 



2 1

,

[ i ] b MAD [ i ] b

MAD

 



(3.9)

圖 3.13、時空關聯性模型示意圖

圖 3.14、檔頭位元的時間關聯性分析

圖 3.15、實際 MAD 與粗略 MAD 的差異性分析

3. MB 層：

分別求得MAD_rough，比較最小min_cost，並記錄起來，做為線

利用先前所計算時間的 MADpred,temp[i],min，到前一張畫 框中相對位置，半徑為2 的範圍找到差值最小的 MAD，來

圖 3.16、適應性 H.264 位元率控制流程圖

load one frame

1^st I/P frame ? encode with

initial QP

allocate frame bit budget

R-Q model

allocate GOP bit budget

select optimal QP using BSA and fast intra mode methods

rough motion compensation

load one MB

1^st MB? encode with

average QP

frame budget < 0?

MB layer MAD Prediction

allocate MB bit budget encode with