logo
3-260

Стандарт mpeg-1

Исходно этот стандарт предназначался для записи синхронизированных между собой видеоизображения и звукового сопровождения на существовавших в то время цифровых носителях, таких как CD-ROM диски, DAT-кассеты и т.д., с максимальной скоростью передачи данных порядка 1,5 Мбит/с. Кроме этого, новый стандарт должен был обеспечивать произвольный доступ к информации и возможность ее просмотра в обоих направлениях. В дальнейшем MPEG-1 получил достаточно широкое распространение во многом благодаря дискам VideoCD.

Первый вариант спецификации MPEG-1 был опубликован в январе 1992 года, а в 1993 году MPEG-1 был принят в качестве стандарта ISO/IEC 11172-2. Несколько позже были разработаны и стандартизированы сопутствующие спецификации для аудиоданных — MPEG-1 Audio Layer I, Layer II и Layer III (ISO/IEC 11172-3). Последним шагом здесь была разработка протокола синхронизации и пакетирования аудио и видеоданных в формате MPEG-1.

В связи с жестким ограничением максимальной скорости цифрового потока, типовым видеоформатом для MPEG-1 явился Common Intermediate Format (CIF), содержащий 240 строк по 352 точки в строке при 30 кадрах в секунду, или 288 строк и 352 точки в строке — при 25 кадрах. Подобное изображение приблизительно соответствует качеству картинки бытовой видеозаписи формата VHS и имеет разрешение в четыре раза ниже стандартного изображения вещательного телевидения. Для согласования размеров изображения со стандартным, алгоритм сжатия MPEG-1 предусматривает процедуру «прореживания» исходного телевизионного сигнала по вертикали и горизонтали, при которой исключается каждая вторая строка и каждый второй отсчет в оставшихся строках. При декомпрессии отброшенные значения восстанавливаются путем интерполяции.

Алгоритм сжатия изображений в MPEG-1 разрабатывался ориентированным на обработку последовательностей кадров и использование высокой избыточности информации (до 95 % и более), содержащейся в реальных изображениях, разделенных малыми временными интервалами. Действительно, фон между смежными кадрами обычно меняется мало, а все действие связано со смещениями относительно небольших фрагментов изображения. По этой причине необходимость передачи полной информации о кадре изображения возникает только при смене сюжета, а в остальное время можно ограничиваться выделением и передачей разностной информации, характеризующей направления и величины смещения элементов изображения, появление новых объектов или исчезновение старых. Причем такие различия могут выделяться как относительно предыдущих, так и относительно последующих кадров.

Несмотря на свою эффективность, стандарт MPEG-1 не лишен недостатков. Например, также как и в JPEG, на однотонном фоне фактически всегда заметна блочная структура. Аналогичная структура проявляется и на быстро меняющихся сценах.

Алгоритм MPEG-1 допускает использование кадров не только формата CIF, но и с другими разрешениями, вплоть до 4095x4095 пикселей. Однако субъективная оценка качества получаемого изображения показывает, что стандарт MPEG-1 можно эффективно использовать только приблизительно на интервале удвоения разрешения и формирования потока видеоданных со скоростями до 3,5 Мбит/с. Дальнейшее повышение качества изображения достигается уже только при кодировании по стандарту MPEG-2.

Для сжатия звука в стандарте MPEG-1 также была выбрана технология с потерей данных и, соответственно, некоторым ухудшением качества по сравнению с исходным.

Основу созданного алгоритма составила так называемая «психоакустическая модель», представляющая собой изученные свойства восприятия звуковых сигналов слуховым аппаратом человека. При этом для сжатия используется методика «кодирования воспринимаемого» (perceptual coding), при которой из исходного звукового сигнала удаляется информация, малозаметная для слуха. В результате, несмотря на изменение формы и спектра сигнала, его слуховое восприятие практически не меняется, а степень сжатия оправдывает незначительное уменьшение качества.

Основные приемы удаления части информации базируются на особенностях человеческого слуха, называемой «маскированием»: при наличии в спектре звука ярко выраженных пиков (преобладающих гармоник) более слабые частотные составляющие, лежащие в непосредственной близости от них, слухом практически не воспринимаются. Также ослабляется чувствительность человеческого уха и на периоды в 100 мс после и 5 мс до возникновения сильных (особенно шумовых) звуков. Кроме этого, ухо не способно различать и сигналы, по мощности лежащие ниже определенного уровня, (разного для разных частотных диапазонов). Учет этих особенностей при кодировании позволяет существенно экономить на наименее значимых, с точки зрения восприятия человеком, деталях звучания.

Технически процесс сжатия включает несколько этапов. Первоначально входной цифровой поток звукового сигнала очищается от заведомо неслышных составляющих (слабые звуки, низкочастотные шумы, наивысшие гармоники) и разбивается на мелкие кадры, каждый из которых затем преобразуется в спектральное представление и делится на ряд частотных полос. Внутри каждой из таких полос производится описанное выделение и удаление маскируемых звуков, обеспечивающее общее сокращение объема данных сразу более чем два раза. Далее каждый кадр подвергается адаптивному кодированию прямо в спектральной форме.

При декодировании серия сжатых мгновенных спектров сигнала преобразуется обратно в обычную цифровую волновую форму.

Стандартом MPEG-1 предусматривается три уровня сжатия моно и стерео звуковых сигналов: Layer I, II и III. Эти уровни различаются достигаемой степенью сжатия и качеством звучания получаемых цифровых потоков. Layer I обеспечивает наименьшую степень сжатия (1:4) при потоке данных 192 Кбит/с на канал. Более эффективный Layer II дает сжатие до 6–8 раз и поток — 96–128 Кбит/с на канал. Layer III (более известный как формат MP3) обеспечивает вполне приемлемое звучание уже при скорости 56–64 Кбит/с на канал, что соответствует сжатию в 10–12 раз.

      1. MPEG-2

Успехи, достигнутые в создании стандарта MPEG-1, стимулировали его разработчиков уже в 1991 году на начало работ над стандартом MPEG-2. Спецификации первых трех подстандартов MPEG-2 (Audio, Video и Systems) были закончены в 1994 году, а в 1996 г. они были стандартизированы как ISO/IEC 13818-1, -2 и -3.

В отличие от своего предшественника, MPEG-2 задумывался как стандарт для передачи цифрового телевизионного изображения вещательного качества, что определило и многочисленные его технические отличия.

Структурно стандарт MPEG-2 состоит из трех основных частей: системной, видео и звуковой.

Системная часть описывает форматы кодирования для мультиплексирования звуковой, видео- и другой информации, рассматривает вопросы комбинирования одного или более потоков данных в один или несколько потоков, пригодных для хранения или передачи.

Видеочасть стандарта описывает кодированный битовый поток для высококачественного (максимальное разрешение до 16383х16383) цифрового видео. MPEG-2 является совместимым расширением MPEG-1 и предназначен для обработки телевизионных изображений с соотношениями сторон 3:4 и 9:16 и прогрессивным и чересстрочным разложением.

Отличается MPEG-2 и более широкими функциональными возможностями. Так, например, в MPEG-2 имеется возможность разделить результирующий передаваемый видеосигнал на несколько независимых потоков, содержащих сигналы различного качества. Такая функция может быть использована для одновременной трансляции стандартного цифрового телевизионного сигнала и сигнала HDTV. В этом случае разные телевизоры будут принимать одну и ту же программу, но с разным качеством картинки.

Звуковая часть стандарта MPEG-2 использует те же принципы полосного кодирования и психоакустического анализа сигналов, что и MPEG-1 Layer II, базирующийся на технологии MUSICAM, разработанной специалистами Corporate Computer Systems, Inc. (США). Однако MPEG-2 имеет и существенные отличия, и главное из них — поддержка кодирования многоканального звука по алгоритму Advanced Audio Coding (AAC) — прогрессивное кодирование звука. В нем предусмотрено наличие до пяти полных широкополосных каналов звука плюс дополнительный низкочастотный канал или до семи многоязычных комментаторских каналов. Возможны и другие варианты.

Стандарт MPEG-2 AAC был создан совместными усилиями специалистов института Fraunhofer и компаний Sony, NEC, Dolby и по сравнению с MPEG-1 имеет множество дополнений, направленных на улучшение качества выходного звукового сигнала (используется другой тип преобразований, улучшена обработка шумов и др.). Кроме того, AAC позволяет хранить в закодированном аудиосигнале информацию об авторских правах — так называемые «водяные знаки» (watermarks). Эта информация встраивается в формируемый цифровой поток таким образом, что уничтожить ее, не разрушив целостность аудиоданных, просто невозможно.

Несмотря на то, что MPEG-2 AAC представляет собой развитие звуковой части MPEG-1, он не является с ним обратно совместимым (звуковой декодер MPEG-1 не гарантирует обработку MPEG-2 AAC в полном объеме).

MPEG-2 AAC предусматривает три различных профиля (технологии) кодирования: Main, LC (Low Complexity) и SSR (Scaleable Sampling Rate), определяющих разное качество получаемого звука. Наивысшее качество обеспечивает профиль Main, содержащий наиболее развитый алгоритм анализа и обработки входного потока. Профили LC и SSR представляют собой упрощенные варианты технологии Main.

В настоящее время MPEG-2 применяется в компакт-дисках формата DVD (Digital Versatile Disk), спутниковом и наземном цифровом телевещании. Вообще надо отметить, что широкое распространение стандарта MPEG-2 приведет просто к цифровой революции в области видео. Так, например, применение стандарта MPEG-2, значительно снижающего скорость передачи видео- и звуковых данных, в вещательном телевидении позволяет осуществлять передачу сразу до пяти (и даже 10!) цифровых программ в стандартной полосе частот одного радиоканала эфирного, кабельного или спутникового телевидения.

      1. MPEG-4

Работы над стандартом MPEG-4 были начаты еще в первой половине 90-х годов. Отправной точкой для его создания стала задача кодирования минимально необходимых объемов аудио- и видеоданных (картинка с разрешением в четверть формата CIF при 15 кадрах в секунду) для их передачи по каналам с очень низкой пропускной способностью — 4,8–64 Кбит/с. Однако новый стандарт очень быстро вышел за эти рамки.

В октябре 1998 года была выпущена первая версия MPEG-4, а декабре 1999 г. — вторая, получившая официальный статус международного стандарта ISO/IEC 14496.

В отличие от своих предшественников, MPEG-4 не является просто технологией сжатия, хранения и передачи видео- или аудиоинформации. MPEG-4 — это, по сути, принципиально новый способ представления информации: объектно-ориентированное отображение цифровых медиаданных для трех областей: интерактивного мультимедиа, графических приложений и цифрового телевидения. Если стандарты MPEG-1 и MPEG-2 описывают работу с уже готовыми видеокадрами, то MPEG-4 фактически задает правила организации объектно-ориентированной среды. Он имеет дело не просто с цифровыми потоками и массивами данных, а с медиа-объектами, и его основой является формирование на приемном конце и в реальном масштабе времени итогового изображения и звука из имеющихся в наличии отдельных объектов, основываясь на так называемом «схематическом описании события» (scene description information). Основными шагами при этом являются:

Для достижения такого уровня гибкости представления все медиа объекты организуются в единую иерархическую структуру, включающую:

Такой метод представления данных позволяет помещать и перемещать медиа объекты в любое место сцены, трансформировать объекты и изменять их геометрические размеры, собирать из отдельных объектов составные объекты и проводить с ними различные операции, изменять вид объектов (например, их цвет, текстуру) и манипулировать объектами (перемещать, разворачивать и т.д.), изменять композицию сцены и отображать ее под разными ракурсами.

Для характеристики MPEG-4 с технических позиций, следует отметить, что стандарт содержит весь арсенал методов кодирования и компрессии пикселей изображения, используемых в MPEG-1 и MPEG-2. Кардинальным нововведением при компрессии видео в MPEG-4 является переход от деления изображения на квадратные блоки к операциям с объектами произвольной формы. К примеру, человек, двигающийся в кадре, будет восприниматься и обрабатываться как единый отдельный объект, перемещающийся относительно неподвижного объекта — заднего плана.

При кодировании неподвижных изображений и текстур в MPEG-4 применяется очень эффективный алгоритм на основе вейвлет-преобразований, обеспечивающий кодирование объектов произвольной формы, ряд уровней масштабируемости по разрешению и плавную масштабируемость по качеству картинки. Результирующий закодированный поток представляет собой «пирамиду» различных разрешений, и в приемнике картинка со временем «проявляется», улучшаясь настолько, насколько позволяет используемый канал передачи.

Кроме того, как уже было отмечено, MPEG-4 позволяет работать с 2D или 3D синтетическими объектами произвольной формы. Для этого используется их представление в виде сетки с треугольными сегментами. Отдельно передается информация о текстуре объекта.

Новые способы сжатия видео, в сочетании с масштабируемостью, позволяют передавать его со скоростями от 10 кбит/с, и на сегодня алгоритмы кодирования MPEG-4 оптимизированы для трех диапазонов скоростей цифровых потоков: до 64 Кбит/с, 64–384 Кбит/с и 384–4096 Кбит/с. Однако в MPEG-4 предусмотрена возможность создания и высокоскоростных видеопотоков — до 38,4 Мбит/с, а в студийных условиях — до 1,2 Гбит/с.

В качестве средств сжатия аудио в MPEG-4 используется комплекс из нескольких стандартов аудиокодирования. Общие аудиокодеры формируют потоки от 6 Кбит/с до 64 Кбит/с для монозвука и до 128 Кбит/с и выше для стерео и многоканальной передачи. Для наиболее качественного кодирования аудио в MPEG-4 используется тот же алгоритм AAC, что и в MPEG-2. Другой возможный алгоритм кодирования живого звука — TwinVQ.

Для передачи речи в стандарте использованы технологии голосовых синтезаторов — вокодеров с алгоритмами: HVXC (Harmonic Vector eXcitation Coding) — для скоростей потока 2–4 Кбит/с и CELP (Code Excited Linear Predictive) — для скоростей 4–24 Кбит/с.

Синтезированная речь передается текстом, дополняемым характеристиками голоса — тембром, ударениями, изменениями высоты тона, скорости произнесения фонем, полом и возрастом говорящего, акцентом и т.д. Параллельно с голосом может генерироваться и поток параметров для анимации лица, определяющий его выражение, движения губ и др.

Синтез произвольных звуков и музыки в MPEG-4 осуществляется с помощью технологии «Структурированного звука» (Structured Audio — SA), разработанной в MIT Media Lab. Для этого используются два языка: SAOL (Structured Audio Orchestra Language) и SASL (Structured Audio Score Language). Первый характеризует «оркестр» и используется для описания способов синтеза сигналов различных «инструментов», которыми могут быть: скрипка, рояль, пожарная сирена, звук падающей воды и т.п. Второй язык — «структурированный партитурный» — предназначен для составления партитуры всех инструментов, формирующих аудиообъекты. Для декодирования аудиосоставляющих сцены в приемное оборудование сначала загружаются параметры инструментов, а затем цифровым потоком передается партитура. Таким способом обеспечивается идентичность звучания во всех декодерах при очень низком входном потоке и высокой точности воспроизведения. Стандартом также поддерживается механизм привязки звука к расположению объекта в виртуальном пространстве и его изменения при перемещении объекта. Кроме того, имеются механизмы изменения звука и в зависимости от акустических свойств изображаемой среды.

Важность появления стандарта MPEG-4 трудно переоценить, он гораздо больше, чем просто описание определенных правил кодирования. По существу он претендует стать единым концептуальным способом описания, представления и обработки мультимедиа-данных на ближайшее десятилетие. В нем разработчики собрали и обобщили очень многое из того, что было наработано за последние десять лет в ранее мало пересекавшихся областях и технологиях компьютерной графики и телевидения, и сумели объединить все это в новое качество.

      1. MPEG-7

Работы над MPEG-7 начались в октябре 1996 года, а форму стандарта он обрел в сентябре 2001 года. Его официальное название: Multimedia Content Description Interface — Интерфейс описания мультимедиа данных.

Принципиальным отличием MPEG-7 является то, что он разрабатывался совсем не для установления каких-либо правил на передачу аудио- и видеоданных или типизацию и характеристику данных какого-то конкретно рода. Стандарт предусмотрен как описательный, предназначенный для регламентации характеристик мультимедиа данных любого типа, вплоть до аналоговых, и записанных в разных форматах (например, с разным пространственным и временным разрешением кадра). Среда хранения и передачи описания тоже может быть произвольной, и оно может храниться и передаваться отдельно от самого материала. Стандарт также включает механизмы преобразования описаний из одной формы представления в другую. Например, речь может преобразовываться в текст, изображение в речь, живое видео в анимацию и т.д. Это обеспечит универсальность создаваемых описаний, то есть позволит разным базам описаний взаимодействовать с разными поисковыми машинами, а также передавать описательную информацию по любым каналам связи. Другими словами MPEG-7 можно охарактеризовать как стандарт работы с мультимедиа информацией, предназначенный для обработки, фильтрации и управления мультимедиа информацией.

В качестве одной из основных целей применения MPEG-7 планируется обеспечение быстрого поиска необходимой мультимедиа информации в наиболее естественной форме — по мультимедийным ключам: фрагментам мелодий, фотографиям и т.д. Вариантами здесь могут быть:

Для реализации указанных свойств MPEG-7 содержит наборы дискриптеров (описателей) для различных типов мультимедиа информации, способы их определения и взаимосвязи между ними. Описание содержимого осуществляется с использованием нескольких уровней. Так, высший уровень используется для описания файла, в нем указывается название, автор, дата создания и т.п. Уровнем ниже — описываются структурные особенности аудиовизуального содержания, такие как цвет, текстура, тон, темп и т.п.

Актуальность создания подобных поисковых систем, например для сети Интернет или интерактивных систем телевизионного вещания не вызывает сомнений. А в качестве возможных областей их применения можно указать медицину и дистанционные исследования окружающей среды, архивирование и редактирование аудио- видеоматериалов, обучение, видеонаблюдение и многое другое.