AVS-M与H.264(Baseline)视频解码器结构的分析

H.264是JVT组织起草的一个覆盖多种应用和面向多种传输环境的国际标准，它规定了三种档次，基本档次（Baseline profile）、主要档次(Main profile)和扩展档次(Extended profile)，其中基本档次利用I片和P片支持帧内和帧间编码，支持利用基于上下文的自适应的变长编码进行的熵编码（CAVLC），主要用于会议电视、可视电话和无线通信等实时视频通信。

AVS（Audio video coding）标准是由我国自主制定，拥有自主知识产权的音视频编解码技术标准。AVS-M（Mobile video）是AVS系列标准中的第七部分--移动视频，应用于数字存储媒体、宽带视频业务、远程监控和可视电话等。

AVS-M和H.264（Baseline）视频解码器在结构上十分相似，但又各有其核心思想，本文基于JM10.2和WM3.3源代码对两解码器的关键技术作了详细分析。程序中并未单独有H.264（Baseline）的代码，是笔者从JM10.2中抽取出来分析的，下文中H.264均表示从基本档次上考虑。

两种标准的解码器结构

AVS-M和H.264视频解码器都只需考虑I帧和P帧（为了两标准视频解码器更好地比较，本文对H.264只考虑帧图像，不考虑场图像）的解码，总体思想是从比特流中解出头信息，产生预测块，熵解码得到的量化系数经反量化、反变换得到残差块，预测块和残差块相加后，经过滤波器即可得到重建的图像，其结构框图如图1所示。

图1 解码器总体框架

在实际应用当中，这两种标准设计出来的解码器应用领域有所不同，现就以下几个方面分析两种标准的差异。

1 比特流信息

①NALU(Network Abstract Layer Unit)：两标准中的比特流都是以NAL为单位，每个NAL单元包含一个RBSP，NALU的头信息定义了RBSP所属类型。类型一般包括序列参数集（SPS）、图像参数集（PPS）、增强信息（SEI）、条带（Slice）等，其中，SPS和PPS属于参数集，两标准采用参数集机制是为了将一些重要的序列、图像参数（解码图像尺寸、片组数、参考帧数、量化和滤波参数标记等）与其他参数分离，通过解码器先解码出来。此外，为了增强图像的清晰度，AVS-M增加了图像头（Picture head）信息。读取NALU过程中，每个NALU前有一个起始码0x000001，为防止内部0x000001序列竞争，H.264编码器在最后一字节前插入一个新的字节--0x03，所以解码器检测到该序列时，需将0x03删掉，而AVS-M只需识别出起始码0x000001。

②读取宏块类型（mb type）和宏块编码模板（cbp）：编解码图像以宏块划分，一个宏块由一个16*16亮度块和相应的一个8*8cb和一个8*8cr色度块组成。

(a) 两标准的帧内、帧间预测时宏块的划分是有区别的。H.264中，I_slice亮度块有Intra_4*4和Intra_16*16两种模式，色度块只有8*8模式；P_slice宏块分为16*16、16*8、8*16、8*8、8*4、4*8、4*4共7种模式。而AVS-M中，I_slice亮度块有I_4*4和I_Direct两模式，P_slice时宏块的划分和H.264中的划分一致。

(b) 两标准的宏块cbp值计算也不相同。H.264中，Intra_16*16宏块的亮度（色度）cbp直接通过读mb type得到；非Intra_16*16宏块的亮度cbp=coded_block_pattern%16，色度cbp=coded_block_pattern/16 。其中，亮度cbp最低4位有效，每位决定对应宏块的残差系数是否为0；色度cbp为0时，对应残差系数为0，cbp为1时，DC残差系数不为0，AC系数为0，cbp为2时，DC、AC残差系数都不为0。AVS-M中，当宏块类型不是P_skip时，直接从码流中得到cbp的索引值，并以此索引值查表得到codenum值，再以codenum查表分别得到帧内／帧间cbp。此cbp为6位，每位代表宏块按8*8划分时是否包含非零系数，当变换系数不为0时，需进一步读cbp_4*4中每位值来判断一个8*8块中4个4*4块的系数是否为0。

2 帧内预测

H.264中Intra_16*16亮度块和8*8色度块都有4种预测模式(垂直、水平、直流、平面)，AVS-M中8*8色度块只有3种(垂直、水平、直流)，H.264中Intra_4*4和AVS-M中的4*4亮度块都有9种预测模式，但排列顺序不一样。H.264中的Intra_4*4和AVS-M中的4*4亮度块的模式可以通过邻块的帧内模式来预测，预测方法不同。H.264中，当前亮度块的最可能模式由左块(A)、上块(B)中较小的决定，如果相邻块不存在，则A、B模块的模式置为DC。而预测模式的选定要看码流中标志信息prev_intra4*4_pred_mode，该标志为1时，则用最可能模式，该标志不为0时，还需看参数rem_intra4*4_pred_mode，如果它小于最可能模式，则预测模式即为rem_intra4*4_pred_mode，否则为rem_intra4*4_pred_mode+1。AVS-M中，左块(A)、上块(B)的预测模式（若不存在，置为-1）形成表格后，通过查表可获得当前块的最可能模式。对I_Direct,其预测模式即为最可能模式；对I_4*4，需看标志信息pred_mode_flag，该标志为0时，预测模式即为最可能模式；该标志为1时，当码流中读到的intra_luma_pred_mode小于最可能模式，则预测模式为最可能模式，否则，预测模式为intra_luma_pred_mode+1。另外， H.264中的Intra_16*16和色度预测模式从码流中读取，AVS-M的色度预测模式也从码流中读取。

3 帧间预测

两标准下亮度块的运动矢量等于预测运动矢量(MVPred)加上比特流中读取到的运动矢量差(MVD)。由于亮度MV精度为1/4像素，而色度精度为1/8像素，因此，色度块的运动矢量等于亮度块的两倍。AVS-M和H.264的当前亮度块E和邻块A、B、C、D的空间位置分别如图2、3所示。E的大小可以是16*16、16*8、8*16、8*8、8*4、4*8或4*4。显然，AVS-M中，A是与E的左下角样本紧邻的块，B、D与E的左上角样本紧邻的块，C是与E的右上角样本紧邻的块。H.264中，A是与E的左上角样本紧邻的块，B、D与E的左上角样本紧邻的块，C是与E的右上角样本紧邻的块。