CN1758765A - 用于编码和/或解码运动图像的方法和装置 - Google Patents

Abstract

一种使用多个量化矩阵来编码运动图像的方法和装置。所述方法包括：将输入图像变换为至少一个宏块；为每个宏块提供多个量化矩阵，根据与变换的输入图像关联的多个特征来分类所述多个量化矩阵，所述多个特征包括与至少一个宏块关联的空间特征；确定每个宏块的空间特征；对于每个宏块，从多个量化矩阵中选择至少与相应的宏块的确定的空间特征对应的量化矩阵；使用所选择的量化矩阵来量化每个宏块；和通过包括关于所选择的量化矩阵的信息而对每个量化的宏块执行可变长度的编码。

Description

用于编码和/或解码运动图像的方法和装置

本案是申请日为2004年1月14日、申请号为200410033037.0、发明名称为“用于编码和/或解码运动图像的方法和装置”的发明专利申请的分案申请。

技术领域

本发明涉及一种用于编码和/或解码运动图像的方法和装置，尤其涉及一种能够通过考虑输入到运动图像编码器的图像特性而适应性地选择量化矩阵从而提高编码运动图像的效率的编码和/或解码运动图像的方法和装置。

背景技术

图1是用于编码运动图像的编码单元120和用于解码被编码的运动图像的解码单元140的方框图。

为了提供视频点播(VOD)服务或进行运动图像的通信，编码单元120创建通过压缩技术编码的位流，而解码单元140从输入到其中的位流来恢复原始图像。

为了去除来自输入图像数据的空间相关性，离散余弦变换(DCT)单元122以8×8的象素块为单元对输入到其中的图像数据进行DCT操作。量化单元(Q)124通过使用由DCT单元122获得的DCT系数对输入图像数据进行量化和用几个代表值来表示量化数据来执行高效的有损数据压缩。

逆量化单元(IQ)126对由量化单元124提供的量化的图像数据进行逆量化。逆离散余弦变换(IDCT)单元128对由逆量化单元126提供的逆量化的图像数据进行IDCT运算。帧存储器单元130以逐帧的方式存储由IDCT单元128提供的IDCT变换后的图像数据。

运动估计和补偿单元(ME/MC)132通过使用输入至其中的当前帧的图像数据和存储在帧存储器单元130中的前一帧的图像数据，来估计关于每个宏块的运动向量(MV)和相应于每一个块匹配误差的绝对差的总和(SAD)。

可变长度编码单元(VLC)134根据由运动估计和补偿单元132提供的估计的运动向量来从数字余弦变换和量化后的图像数据中去掉统计冗余。

通过解码单元140解码由编码单元120编码的位流。解码单元140包括可变长度解码单元(VLD)142、逆量化单元144、IDCT单元146、帧存储器单元148和运动估计单元150。

美国专利申请第No.6480539号公开了用于编码运动图像的装置的一个例子。

最近开发了一种机顶盒，其接收模拟地面广播节目并随后使用诸如MPEG2或MPEG4的数据压缩方法来解码和存储所接收到的节目。然而，在地面广播的情形下，到达接收终端的图像会由于信道噪声而被扭曲。举个例子来说，图像会看起来似乎向其中加入了白高斯噪声。如果这样压缩图像的话，压缩图像的效率将会因为白高斯噪声的影响而变得非常的低。

因此，为了去除传统的编码运动图像的方法中的噪声，在编码器的输入端口处提供了一个预处理滤波器。然而，如果使用该预处理滤波器，就需要一个附加的对运动图像进行编码的计算过程。

另外，在这一传统的编码运动图像的方法中，不考虑输入图像的特性而确定量化矩阵，并且通过以逐个图像的方式将量化矩阵应用至输入图像来对输入图像进行量化，在这一情形中编码输入图像的效率是很低的。

发明内容

本发明提供了一种用于编码和/或解码运动图像的方法和装置，其能够提高压缩运动图像的效率和性能。

本发明还提供了一种用于编码和/或解码运动图像的方法和装置，其能够去除噪声而不增加所进行计算次数。

根据本发明的一个方面，提供了一种利用多个量化矩阵编码运动图像的方法。该方法包括：(a)考虑输入图像的至少一个特征来选择多个量化矩阵中的一个，所述输入图像的至少一个特征是噪声信息或者是该输入图像的空间特征；(b)变换所述输入图像；(c)利用所选择的量化矩阵来量化变换后的输入图像。

根据本发明的另一个方面，提供了一种利用多个量化矩阵来编码运动图像的方法。该方法包括(a)对编码的图像数据进行可变长度解码；(b)从可变长度解码后的图像数据中提取指定根据输入图像的至少一个特征进行分类的多个量化矩阵中的一个的索引信息，所述输入图像的至少一个特征是噪声信息或者是该输入图像的空间特征；(c)基于所提取的索引信息选择多个量化矩阵中的一个；(d)使用所选择的量化矩阵对可变长度解码后的图像数据的每一个宏块进行逆量化。

根据本发明的另一个方面，提供了一种使用多个量化矩阵来编码运动图像的方法，该方法包括：(a)将输入图像变换为至少一个宏块；(b)为每个宏块提供多个量化矩阵，根据与变换的输入图像关联的多个特征来分类所述多个量化矩阵，所述多个特征包括与至少一个宏块关联的空间特征；(c)确定每个宏块的空间特征；(d)对于每个宏块，从多个量化矩阵中选择至少与相应的宏块的确定的空间特征对应的量化矩阵；(e)使用所选择的量化矩阵来量化每个宏块；(f)通过包括关于所选择的量化矩阵的信息而对每个量化的宏块执行可变长度的编码。

根据本发明的另一个方面，提供了一种利用多个量化矩阵来编码运动图像的装置。该装置包括：量化矩阵确定单元，其考虑输入图像的至少一个特征来为每一个宏块选择多个量化矩阵中的一个，并关于每一个宏块产生指示所选择的量化矩阵的索引信息；量化矩阵存储单元，其存储根据输入图像的特征分类的多个量化矩阵，并且根据由所述量化矩阵确定单元产生的索引信息来为每一个宏块输出一个量化矩阵；图像变换单元，其变换所述输入图像；量化单元，利用所选择的量化矩阵来量化变换后的输入图像。

根据本发明的另一个方面，提供了一种利用多个量化矩阵来解码运动图像的装置。该装置包括：可变长度解码单元，其接收编码的图像流、对输入图像流进行可变长度解码、从可变长度解码后的图像流的每一个宏块中提取指示根据输入图像的至少一个特征分类的多个的量化矩阵中的一个的索引信息，所述输入图像的至少一个特征是噪声信息或者是该输入图像的空间特征；量化矩阵存储单元，其存储多个量化矩阵、基于所提取的索引信息选择多个量化矩阵中的一个、输出所选择的量化矩阵；逆量化单元，其利用从所述量化矩阵存储单元输出的量化单元来逆量化可变长度解码的图像流的每一个宏块。

根据本发明的另一个方面，提供了一种使用多个量化矩阵来编码运动图像的装置，该装置包括：图像变换单元，用于将输入图像变换为至少一个宏块；量化矩阵确定单元，用于根据与变换的输入图像关联的多个特征来为每个宏块选择多个量化矩阵中的一个，并且为每个宏块产生指示所选择的量化矩阵的索引信息，所述多个特征包括与至少一个宏块关联的空间特征；量化矩阵存储单元，用于存储根据输入图像的特征而被分类的多个量化矩阵，并且根据由量化矩阵确定单元产生的索引信息而为每个宏块输出量化矩阵；量化单元，用于使用所选择的量化矩阵来量化变换的输入图像；可变长度编码单元，用于对由量化单元量化的输入图像执行可变长度编码，并且将由量化矩阵确定单元产生的索引信息插入到每个量化的宏块中。

本发明的其它方面和/或优点的一部分将在以下的说明中阐明，一部分将从说明书中显而易见，或者可以从本发明的实际应用中领会。

附图说明

结合附图，通过下面对实施例的详细描述，本发明的这些和/或其他方面和特征将变得更加清楚和明白，其中：

图1是传统的MPEG编码器和传统的MPEG解码器的方框图；

图2是对平均值不为0的图像进行处理的近似广义维纳(Wiener)滤波器的方框图；

图3是在DCT块中对平均值不为0的图像进行处理的近似广义维纳滤波器的方框图；

图4A到图4C是用于内部块编码的不同类型的近似广义维纳滤波器的大致的框图；

图5是用于中间块编码的典型视频编码器的框图；

图6是用于根据本发明的实施例来编码运动图像的装置的方框图；

图7是用于根据本发明的实施例来编码运动图像的装置的方框图；

图8是用于根据本发明的实施例来编码运动图像的装置的方框图；

具体实施方式

下面将对在附图中图示了其示例的本发明的实施例进行详细的介绍，其中相同的参考数字始终表示相同的元件。以下将通过参照附图对实施例进行说明以便解释本发明。

在编码运动图像时，预处理滤波是很重要的，因为它能通过从图像中去除噪声而提高编码运动图像的效率。传统的用于从图像中去除噪声的预处理滤波技术通常在空间像素块中执行，而在本发明中，在用于编码运动图像的装置的DCT块中执行噪声去除技术。

在本发明中，使用近似广义维纳滤波处理方法从图像中去除噪声。在近似广义维纳滤波处理方法中，通过利用例如离散余弦变换(DCT)的快速酉变换(unitary transformation)来实现维纳滤波。然而，可以选择性地使用除了近似广义维纳滤波处理方法之外的、在DCT块中执行滤波的滤波方法。

图2是对平均值不为0的图像进行处理的近似广义维纳滤波器的方框图。

在图2中，v代表一个包含噪声的图像块，

代表滤波后的图像块的按行排列的列向量。因为图像块v的平均值不为0，因此平均值估计单元210估计图像块v的平均值 并且减法单元220从图像块v中减去该估计的平均值

通过滤波单元230对从减法单元220中输出的作为相减结果的z进行滤波，并且滤波单元230输出滤波后的数据

作为滤波的结果。加法单元240将图像块v的估计平均值

加入到该滤波后的数据中，并随后输出期望的滤波数据 作为相加的结果。

下文中，将对用于处理平均值为0的图像模式的近似广义维纳滤波方法进行更详细的描述。

用于处理平均值为0的图像模式的近似广义维纳滤波方法可以通过下面的等式(1)来表达：

在等式(1)中， $\tilde{L}={\mathrm{ALA}}^{*T},L={[I+{\mathrm{\σ}}_n^2{R}^{-1}]}^{-1},$ R＝E[yy^T]，Z＝Az，并且σ_n ²代表噪声变化量。另外，在等式(1)中，A表示酉变换。由于在本实施例中，DCT被用作酉变换，因此此处A代表DCT。假设C₈和代表8×8的DCT矩阵和Kronecher算子，则A＝C₈C₈。

由于在大多数情况下，在酉变换中将

对角化，因此等式(1)可以改写为下面的等式(2)。

$\hat{y}=A^{*T}\hat{Y}---\left(2\right)$

在等式(2)中， $\hat{Y}=\tilde{L}Z\≈\left[\mathrm{Diag}\tilde{L}\right]Z.$

因此，通过将等式(2)应用到一个8×8的块中可以得到下面的等式(3)。

$\tilde{p}(k,l)\≅\frac{1}{1+\frac{{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}^2}\mathrm{\ψ}{(k,l)}^{-1}}---\left(4\right)$

在等式(4)中，ψ(k，l)代表沿着ALA^*T的对角线放置的标准化的元素，σ²代表原始图像y的变化量。通常，σ²是未知的。因此，用从变化量z中减去噪声变化量σ_n ²的结果来代替σ²。

如等式(3)所示，通过用

乘以二维DCT系数Z(k，l)来对平均值为0的图像块进行近似广义维纳滤波。一旦确定了

则通过将

加到 来得到最终的滤波的图像。

下文中，将对用于处理平均值不为0的图像模式的近似广义维纳滤波方法进行更详细的描述。

假定通过用S(k，l)，即满足下述等式(5)的平均块乘以一个包含噪声的输入DCT块而得到平均值。然后，在DCT块中进行加法和减法运算的图3中的近似广义维纳滤波器方法可以被重新调整为图4A，4B或4C中的近似广义维纳滤波器。

通过使用等式(3)和等式(5)，可以通过下面的等式(6)来表示在DCT块中滤波的图像块。

$=F(k,l)\·V(k,l)$

等式(6)中的F(k，l)可以由下面的等式(7)来表达。

$F(k,l)=\tilde{p}(k,l)\·(1-S(k,l))+S(k,l)=\frac{1+S(k,l)\·\frac{{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}^2}\·\frac{1}{\mathrm{\ψ}(k,l)}}{1+\frac{{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}^2}\·\frac{1}{\mathrm{\ψ}(k,l)}}---\left(7\right)$

如等式(6)所示，整个的滤波过程可以被简化为F(k，l)的乘法。等式(7)显示F(k，l)是由信噪比(SNR)、协方差矩阵、平均值矩阵共同确定的。

为了确定F(k，l)，必须获得平均值矩阵S(k，l)。在本实施例中，在关于平均值矩阵S(k，l)的所有可能候选中，选择满足等式(5)的一个。可以用下面的等式(8)来表示平均矩阵S(k，l)。等式(8)显示了可以在DCT块中采用的平均矩阵S(k，l)的多种形式中最简单的一种。

$S(k,l)=\left[\begin{array}{cccccccc}1& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]---\left(8\right)$

下文中，将参考图4和5更加详细地描述在用于编码运动图像的装置中进行的预处理过程。

如上所述，可以通过将图像块与DCT值相乘来对平均值不为0的图像块进行近似广义维纳滤波处理。

图4A到4C是在用于编码运动图像的装置中的几种不同类型的近似广义维纳滤波器的方框图。更特别的是，图4A到4C描述了一种处理内部块的编码装置的结构。图4A和4B描述了通过对DCT块的内部块进行滤波，并对滤波后的内部块进行量化和可变长度编码(VLC)而不对该滤波后的内部块进行逆DCT来编码内部块。换句话说，图4A和4B描述了通过用F(k，l)乘以DCT系数来完成滤波。同时，通过参考量化表用某一数值去乘或去除DCT系数来执行量化。如图4C所示，通过用F(k，l)乘以DCT系数来进行的滤波和通过用某一数值乘以DCT系数来进行的量化可以结合为一个操作。

如图5所示，在图4A到4C中所描述的本发明的构想可以直接应用到当用于编码运动图像的装置处理一个中间块的场合，只要已经从运动补偿块信息P(m，n)中去除了噪声。

依赖于输入图像块是中间块还是内部块来确定协方差值ψ(k，l)。因此，图5中的F(k，l)可以依赖于所述输入图像块是中间块还是内部块而变化。

下文中，将参考下面的等式(9)详细描述一种获取多个内部块或中间块的估计的变化量的方法，其中已从所述多个内部块或中间块的每一个中减去了它们的平均值。假设S表示一个已经从其中减去了相应块的平均值的N×N(其中N＝8)的块，可以使用等式(9)获得该N×N块的可变矩阵。

$\hat{C}=\frac{1}{2}\frac{N}{2\mathrm{trace}\left(S^{T}S\right)}(S^{T}S+{\mathrm{SS}}^T)---\left(9\right)$

W.Niehsen和M.Brunig在“运动补偿的帧差异的协方差分析(CovarianceAnalysis of Motion-compensated Frame Differences)”，IEEE Trans.Circ.Syst.For Video Technol.，1999年6月，中已经公开了等式(9)。

通过将等式(9)应用于实验图像的变化，可以得到一个估计的变化量。当原始图像块为内部块时，原始图像被划分为8×8的块，并且随后计算出每个8×8的块的变化量。另一方面，当原始图像块为中间块时，通过将上面的等式(9)应用于每一个被确定为中间块的图像块来计算估计的变化量。

通过使用估计的协方差值，可以得到等式R＝E[y y^T]。下面，通过对R执行DCT，可以得到等式ψ＝ARA^*T。

下面将描述一种计算等式(7)中的 的方法。

在等式7中，可以通过使用噪声测量器来获取噪声变化量σ_n ²。假定噪声和原始图像象素是独立的随机变量，则可以使用下面的等式(10)计算出原始图像的变化量σ²的估计值

在等式(10)中，σ_z ²表示每一个宏块(MB)的变化量。在用于编码运动图像的典型装置中，以逐个宏块的方式来计算σ_z ²。在本实施例中，假定相同宏块中的8×8的块具有相同的变化量。从而，不需要进行附加的计算以获得每一个8×8块的变化量。

图6是根据本发明的实施例来编码运动图像的装置的框图，其考虑输入图像的特征而对该输入图像进行编码。

在本实施例中，在量化矩阵中适当的反映了包含在输入图像中的噪声的级别。

下文中，将参考图1到图6详细描述根据本发明优选实施例的、用于编码运动图像的装置的结构和操作。

图6所示的装置包括分别对应于图1的编码单元120中的DCT单元122、量化单元124、VLC单元134、逆量化单元126、逆DCT单元128、帧存储器130以及运动估计和补偿单元132的离散余弦变换单元610、量化单元(Q)620、可变长度编码单元(VLC)670、逆量化单元(IQ)630、逆DCT单元(IDCT)640、帧存储器单元650以及运动估计和补偿单元660。另外，该装置进一步包括噪声估计单元680、量化加权矩阵确定单元692和量化加权矩阵存储单元694。

因为DCT单元610、逆DCT单元(IDCT)640、帧存储器单元650以及运动估计和补偿单元660提供和图1中它们各自的对应部分相同的功能，因此不再重复它们的描述。

量化加权矩阵确定单元692基于从噪声估计单元680接收到的噪声变化量σ_n ²以及从运动估计和补偿单元660接收到的预定的宏块的变化量σ_z ²，来确定相应于预定的宏块的量化加权矩阵。然后，量化加权矩阵确定单元692将相应于确定的量化加权矩阵的索引信息发送到量化加权矩阵存储单元694和VLC单元670。

下面，将对基于从噪声估计单元680接收到的σ_n ²以及从运动估计和补偿单元660接收到的σ_z ²来确定相应于预定的宏块的量化加权矩阵的方法进行详细的描述。

如上面参考等式(8)以及图4和图5所描述的，可以通过等式(7)来确定F(k，l)。一旦确定了F(k，l)则在量化过程中，用F(k，l)去乘8×8块的DCT系数V(k，l)，并用预定的量化加权矩阵去除所得的相乘结果

图6所示的装置将用DCT系数V(k，l)去乘F(k，l)的处理和用预定的量化加权矩阵去除

的处理合并为一个单一处理，并执行这一处理。换句话说，如果用Q(k，l)来表示加权矩阵QT的(k，l)的位置分量，那么(k，l)的位置在新的量化加权矩阵QT’中为Q(k，l)/F(k，l)。

在本实施例中，通过将两个分离的处理合并为一个单一的处理，预先计算出利用σ_n ²和σ_z ²获得的多个F矩阵，然后利用所述多个F矩阵来计算新的量化加权矩阵QT’并随后将其存储在量化加权矩阵存储单元694中。

另外，在本实施例中，利用σ_n ²和σ_z ²所获得的五个新的量化加权矩阵被存储在量化加权矩阵存储单元694中。一旦σ_n ²和σ_z ²被确定，则可以使用等式(10)计算

的值。

如等式(7)所示，F(k，l)由S(k，l)，ψ(k，l)和

来确定。使用等式(8)计算S(k，l)，并取决于输入图像是内部块还是中间块来变化地设定ψ(k，l)。因此，只剩一个变量来确定F(k，l)，即

在本实施例中，提供了

的五个不同的估计值以及它们各自的量化加权矩阵QT’。所提供的量化加权矩阵QT’存储在量化加权矩阵存储单元694中。

量化加权矩阵确定单元692基于从噪声估计单元680接收的σ_n ²以及从运动估计和补偿单元660接收的σ_z ²来量化

将量化后的结果作为相应于预定的宏块的量化矩阵的索引信息发送到量化加权矩阵存储单元692和VLC单元670。

举例来说，如果存储在量化加权矩阵存储单元694中的量化加权矩阵根据

被分为五个不同的类型，则以五个级别来执行 的量化，并且五个量化加权矩阵的每一个的索引信息被设置为0、1、2、3或4。

在一个存在有大量噪声的图像中，特别是对于具有很小的变化量的块来说， 是非常大的。当

非常大时，F(k，l)接近0，导致严重的区块现象(blocking phenomenon)。为了防止所述区块现象，如下面的等式(11)所示使用了T_cutoff。

$\frac{{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}^2}=\min (T_{\mathrm{cutoff}},\frac{{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}^2})---\left(11\right)$

通常，T_cutoff具有介于1和2之间的数值。

量化加权矩阵存储单元694将与从量化加权矩阵确定单元692接收到的索引信息相对应的量化加权矩阵发送到量化单元620和逆量化单元630。

量化单元620使用从量化加权矩阵存储单元694接收到的量化加权矩阵来量化预定的宏块。

逆量化单元630使用接收到的量化加权值来逆量化预定的宏块。

VLC单元670对由量化单元620量化后的输入图像数据执行VLC，并将从量化加权矩阵确定单元692中接收到的量化加权矩阵的索引信息插入到宏块的首部。

在本实施例中，将相应的量化加权矩阵的索引信息插入到宏块的首部并发送该宏块的首部。如果在量化加权矩阵存储单元694中存储有十个量化加权矩阵，那么每一个宏块需要4位数据。

假定相邻的宏块之间有相似的图像特征并且按照推测在它们的索引值之间存在相关性。因此，可以将一个宏块的索引值和相邻宏块的索引值之间的差异用作索引信息。在将单一的量化加权矩阵应用至整个序列的情况下，将被传送的索引信息的数量会大大的缩减。

在本实施例中，存储在量化加权矩阵存储单元694中的多个量化加权矩阵还应当被存储在解码单元中。也可以使用基于逐个图像的方式利用图像扩展首部发送到解码单元或者基于逐个序列的方式利用序列扩展首部发送到解码单元的多个量化加权矩阵。

如上所述，可以从输入图像中去除噪声，并且根据包含在输入图像中的噪声的级别通过适当地将量化矩阵应用到每一个宏块来提高对输入图像进行编码的效率。

对于用户来说，也可以任意地确定量化加权矩阵。在本实施例中，已经将噪声去除描述为是对DCT块中的输入图像块的Y分量进行的。然而，噪声去除也可以应用到输入图像块的U或V分量，在这种情况下，对于输入图像块的U或V分量来说，还专门地需要附加的量化加权矩阵。

图7是根据本发明的另外一个优选实施例的、用于编码运动图像的装置的方框图，其考虑输入图像的特征而对输入图像进行编码。

更为特别的是，在输入图像的不同的特征中，本实施例中考虑了输入图像的每一个宏块的边缘特征。

参照图7，根据本发明的另一个实施例的、用于编码运动图像的装置包括分别与图1的编码单元120中的DCT单元122、量化单元124、VLC单元134、逆量化单元126、逆DCT单元128、帧存储器130以及运动估计和补偿单元132相对应的DCT单元710、量化单元720、VLC单元770、逆量化单元730、逆DCT单元740、帧存储器单元750以及运动估计和补偿单元760。另外，该装置进一步包括量化矩阵确定单元780和量化矩阵存储单元790。因为DCT单元710、逆DCT单元740、帧存储器单元750、运动估计和补偿单元760以及VLC单元770提供和图1中他们各自的对应部分相同的功能，因此不再重复它们的描述。

量化矩阵确定单元780考虑输入图像的特征为每一个宏块选择最佳量化矩阵，然后将所选择的量化矩阵的索引信息发送到量化矩阵存储单元790和VLC单元770。

量化矩阵确定单元780考虑每一个宏块的边缘特征，将其作为从预定数量的量化矩阵中选择一个的基准。

下面将详细描述考虑宏块的边缘特征来选择一个量化矩阵的方法。

当输入图像的预定的宏块是内部块时，将边缘检测器用作苏贝尔(sobel)算子来计算预定的宏块的每一个象素中的边缘的大小和方向。等式(12)可以表示所述sobel运算。

$H_1=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right],H_2=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 2\\ 1& 2& 1\end{array}\right]---\left(12\right)$

量化矩阵确定单元780使用等式(12)来计算垂直边的长度和水平边的长度，并且使用水平边和垂直边的长度来计算预定的宏块的边缘的强度和方向。之后，量化矩阵确定单元780考虑预定宏块的边缘的强度和方向以及编码效率，从预定数量的量化矩阵中选择一个。换句话说，在预定的宏块包含水平或者垂直边的情况下，量化矩阵确定单元780全面考虑预定宏块的水平或者垂直边来选择一个能够使能量化的量化矩阵。

在预定的宏块为中间块的情形下，将这样的边缘检测器用作sobel算子也可以获得预定的宏块中包含的一个边的强度和方向。

在本实施例中，将sobel检测器用来计算在预定宏块中包含的一个边的强度和方向。然而，也可以使用例如差分滤波器或罗波特滤波器的空间滤波器来计算在预定宏块中包含的边的强度和方向。

另外，在本实施例中，考虑预定的宏块的边缘特征来选择量化矩阵。然而，在为预定宏块适当地选择最优的量化矩阵时，可以考虑会影响编码效率或输出图像质量的预定宏块的其它特征。

量化矩阵存储单元790基于从量化矩阵确定单元780接收到的索引信息来选择量化矩阵，并将所选择的量化矩阵传送到量化单元720和逆量化单元730。

量化单元720使用从量化矩阵存储单元790接收到的量化矩阵来进行量化。

逆量化单元730使用从量化矩阵存储单元790接收到的量化矩阵来进行逆量化。

VLC单元770对从量化单元720接收到的量化后的输入数据以及从量化加权矩阵确定单元780接收到的对应于预定宏块的量化矩阵的索引信息进行VLC。所述索引信息被插入到宏块的首部。

在本实施例中，将对应于预定宏块的量化加权矩阵的索引信息插入到预定的宏块的首部，并随后进行发送。可以将一个宏块的索引值和相邻的宏块的索引值之间的差异用作索引信息。

在本实施例中，存储在量化矩阵存储单元790中的多个量化加权矩阵也存储在解码单元中。但是，也可以使用以逐图像的方式使用图像扩展首部发送到解码单元或者以逐序列的方式使用序列扩展首部发送到解码单元的多个量化加权矩阵。

图8是根据本发明一个实施例的用于解码运动图像的装置的框图。参照图8，该装置包括分别与图1的解码单元140中的可变长度解码单元142、逆量化单元144、逆DCT单元146、帧存储器单元148和运动补偿单元150相对应的可变长度解码单元810、逆量化单元820、逆DCT单元830、帧存储单元840和运动补偿单元850。另外，该装置进一步包括量化加权矩阵确定单元860。逆DCT单元830、帧存储器单元840和运动补偿单元850提供和图1中他们各自的对应部分相同的功能，因此不再重复他们的描述。

可变长度解码单元810对输入流进行可变长度解码、从预定的宏块的首部提取与该输入流相对应的预定宏块的量化加权矩阵的索引信息，并且输出该提取的索引信息至量化加权矩阵存储单元860。

量化加权矩阵存储单元860将与从可变长度解码单元810接收的索引信息相对应的量化加权矩阵输出到逆量化单元820。量化加权矩阵存储单元860存储根据由编码单元处理的输入图像的特征来分类的多个量化加权矩阵，所述由编码单元处理的输入图像的特征例如作为输入图像变化量和该输入图像的边缘特征之间的比值的噪声变化量。

可以以逐图像的方式使用图像扩展首部来发送在量化加权矩阵存储单元860中存储的多个量化加权矩阵，或以逐序列的方式使用序列扩展首部将所述量化加权矩阵发送到解码单元。如由图8中的虚线所标记的，将多个量化加权矩阵从可变长度解码单元810发送到量化加权矩阵存储单元860。

本发明能够应用到不同类型的用于编码和/或解码运动图像的方法和装置中，例如MPEG-1，MPEG-2或MPEG-4。另外，本发明可以实现为写入在计算机可读的记录介质上的计算机可读代码。所述计算机可读记录介质包括任何类型的、可以以计算机可读方式在其上写入数据的记录设备。举例来说，计算机可读记录介质包括ROM、RAM、CD-ROM、磁带、硬盘、软盘、闪存、光数据存储器和载波(例如通过因特网进行的数据传输)。另外，计算机可读的记录介质可以经由相互通过网络方式连接的多个计算机系统来分发，以便以分散的方式将计算机可读代码存储在计算机可读记录介质上。

如上所述，在根据本发明实施例的编码和/或解码运动图像的方法中，考虑输入图像的特征将量化矩阵适当地应用到该输入图像的每一个宏块中。因此，可能提高编码输入图像的效率和性能。

虽然已经示出和描述了本发明的一些实施例，但本领域的技术人员应当明白，可以在不背离本发明的原理和精神的前提下对这些实施例作出改变，其中本发明的范围由随后的权利要求及其等价物所限定。

Claims (16)

1.一种使用多个量化矩阵来编码运动图像的方法，该方法包括：

将输入图像变换为至少一个宏块；

为每个宏块提供多个量化矩阵，根据与变换的输入图像关联的多个特征来分类所述多个量化矩阵，所述多个特征包括与至少一个宏块关联的空间特征；

确定每个宏块的空间特征；

对于每个宏块，从多个量化矩阵中选择至少与相应的宏块的确定的空间特征对应的量化矩阵；

使用所选择的量化矩阵来量化每个宏块；和

通过包括关于所选择的量化矩阵的信息而对每个量化的宏块执行可变长度的编码。

2.根据权利要求1所述的方法，其中所述变换的输入图像的多个特征包括输入图像的噪声信息。

3.根据权利要求2所述的方法，其中所述噪声信息是噪声变化值和输入图像的变化值之间的比率。

4.根据权利要求1所述的方法，其中所述空间特征是在输入图像中包含的边的长度。

5.根据权利要求1所述的方法，其中所述变换包括从离散傅立叶变换方法、离散余弦变换方法、和阿达马方法中进行选择和使用。

6.根据权利要求1所述的方法，其中根据输入图像的多个特征而将多个量化矩阵进行分类。

7.根据权利要求1所述的方法，其中所述执行可变长度编码包括将多个量化矩阵的每一个的索引信息插入到宏块的首部。

8.根据权利要求7所述的方法，其中所述索引信息是与一个宏块对应的量化矩阵的索引和与相邻宏块对应的量化矩阵的索引之间的差异。

9.一种使用多个量化矩阵来编码运动图像的装置，该装置包括：

图像变换单元，用于将输入图像变换为至少一个宏块；

量化矩阵确定单元，用于根据与变换的输入图像关联的多个特征来为每个宏块选择多个量化矩阵中的一个，并且为每个宏块产生指示所选择的量化矩阵的索引信息，所述多个特征包括与至少一个宏块关联的空间特征；

量化矩阵存储单元，用于存储根据输入图像的特征而被分类的多个量化矩阵，并且根据由量化矩阵确定单元产生的索引信息而为每个宏块输出量化矩阵；

量化单元，用于使用所选择的量化矩阵来量化变换的输入图像；

可变长度编码单元，用于对由量化单元量化的输入图像执行可变长度编码，并且将由量化矩阵确定单元产生的索引信息插入到每个量化的宏块中。

10.根据权利要求9所述的装置，其中所述变换的输入图像的一个特征是输入图像的噪声信息。

11.根据权利要求10所述的装置，其中所述噪声信息是噪声变化值和输入图像的变化值之间的比率。

12.根据权利要求9所述的装置，其中所述空间特征是在输入图像中包含的边的长度。

13.根据权利要求9所述的装置，其中所述可变长度编码单元将多个量化矩阵的每一个的索引信息插入到宏块的首部。

14.根据权利要求13所述的装置，其中所述索引信息是与一个宏块对应的量化矩阵的索引和与相邻宏块对应的量化矩阵的索引之间的差异。

15.根据权利要求9所述的装置，其中所述图像变换单元从离散傅立叶变换方法、离散余弦变换方法、和阿达马方法中进行选择。

16.根据权利要求9所述的装置，其中根据输入图像的多个特征而将多个量化矩阵进行分类。

Images