摘 要：簡要介紹了MPEG－4標準的主要內容?熏在此基礎上著重介紹了音頻對象的編碼和視頻對象的編碼。
關鍵詞：MPEG－4； 多媒體傳輸集成框架； 視頻編碼
Ａｂｓｔｒａｃｔ：MPEG－4 ｓｔａｎｄａｒｄｓ ａｒｅ ｄｅｓｃｒｉｂｅｄ ｉｎ ｂｒｉｅｆ． Ｂａｓｅｄ ｏｎ ｔｈｉｓ， ａｕｄｉｏ ｏｂｊｅｃｔ ｃｏｄｉｎｇ ａｎｄ ｖｉｄｅｏ ｏｂｊｅｃｔ ｃｏｄｉｎｇ ａｒｅ ｅｍｐｈａｓｉｚｅｄ．
Ｋｅｙｗｏｒｄｓ：MPEG－4 Ｄｅｌｉｖｅｒｙ ｍｕｌｔｉｍｅｄｉａ ｉｎｔｅｇｒａｔｉｏｎ ｆｒａｍｅｗｏｒｋ Ｖｉｄｅｏ ｃｏｄｉｎｇ
0 前言
MPEG－4編碼標準是目前最新的國際編碼標準規范?熏本文就其主要的內容作了簡單的概述?熏并在此基礎上，著重介紹了具有特色的音頻對象的編碼和視頻對象的編碼。
1 多媒體傳輸集成框架
多媒體傳輸集成框架（ＤＭＩＦ）主要解決交互網絡中、廣播環境下以及磁盤中多媒體應用的操作問題，通過傳輸多路合成比特信息，建立客戶端和服務器端的握手和傳輸。與過去不同的是，由于MPEG－4碼流中，包括許多的AV對象，一般而言，這些AV對象都有各自的緩沖器，而不僅僅是視頻緩沖器和音頻緩沖器。
2 語法描述
MPEG－4定義了一個句法描述語言來描述AV對象比特流表示和場景描述信息。這個句法描述語言是對Ｃ＋＋的擴展，不僅易于表達其AV對象特性，而且也易于軟件仿真實現與模型驗證。與MPEG－4相比，MPEG－1和MPEG－2則采用一種類Ｃ語言的描述，MPEG－4描述語言反映了面向對象技術來描述對象。
3 音頻對象的編碼
視頻音頻的壓縮編碼自然仍是MPEG－4的核心所在。不過，與以前的MPEG－1、MPEG－2不同的是：MPEG－4不僅支持自然的聲音（如語音和音樂），而且支持基于描述語言的合成聲音，支持音頻的對象特征。即一個場景中，同時有人聲和背景音樂，它們也許是獨立編碼的音頻對象。
3．1 自然聲音編碼
MPEG－4研究比較了現有的各種音頻編碼算法，支持2～64Ｋ的自然聲音編碼。如8 ｋＨｚ采樣頻率的2～4 ｋｂｉｔ／ｓ的語音編碼，以及8或16 ｋＨｚ采樣頻率4～16 ｋｂｉｔ／ｓ的音頻編碼，一般采用參數編碼；6～24 ｋｂｉｔ／ｓ的語音編碼，一般采用碼激勵線性預測（ＣＥＬＰ）編碼技術；16 ｋｂｉｔ／ｓ以上碼率的編碼，則可采用時頻（Ｔ／Ｆ）變換編碼技術。這些技術實質上借鑒了已有的音頻編碼標準，如Ｇ．723、Ｇ．728以及MPEG－1和MPEG－2等。圖1是ＭＰＧＥ4的可伸縮自然音頻編碼器示意圖，包括了3種編碼技術。
3．2 合成聲音
在合成聲音編碼當中，MPEG－4引入了2個極有吸引力的編碼技術：文本到語音編碼和樂譜驅動合成編碼技術。這為網絡上低比特率下交互的帶有語音的游戲鋪平了道路。事實上，合成聲音編碼技術即是一種基于知識庫的參數編碼。特別值得一提的是MPEG－4的樂譜驅動合成技術，在該技術中，解碼器是由一種特殊的合成語言——結構化的音頻管弦樂團語言（ＳＡＯＬ）驅動的。其中的“管弦樂團”是由不同的“樂器”組成的。當解碼器不具有某一“樂器”時，MPEG－4還允許解碼器從編碼器下載該“樂器”到解碼器，以便正確恢復合成聲音。可見，MPEG－4不是提供一組角ＭＩＤＩ音樂標準中的“樂器”，而是提供了一個可隨時擴充的“管弦樂團”，因此，其可“演奏”樂譜自然更加豐富多彩。
4 視覺對象的編碼
同樣，MPEG－4也支持對自然和合成的視覺對象編碼。合成的視覺對象如2Ｄ、3Ｄ動畫，人的面部表情動畫等，這些合成圖像單獨編碼，不僅可有效壓縮，而且還便于操作。
對自然視覺對象的編碼，仍是MPEG－4的重點。相對于靜止圖像，MPEG－4采用零樹小波算法（Ｚｅｒｏｔｒｅｅ ＷAVｅｌｅｔ ａｌｇｏｒｉｔｈｍ）以提供高壓縮比，同時還提供多達11級的空間分辨率和質量的可伸縮性。
對于運動視頻對象的編碼，MPEG－4以支持圖像的編碼。
可見，MPEG－4為了支持基于對象的編碼，引入了形狀編碼模塊。為了支持高效壓縮，MPEG－4仍然采用了MPEG－1、MPEG－2中的變換、預測混合編碼框架。
對于一般的任意形狀的視頻對象，MPEG－4編碼后的碼流結構。
對于實時的極低比特率的應用，如可視電話，MPEG－4視頻編碼采用極低比特率視頻（ＶＬＢＶ）核進行編碼，類似于ＩＴＵ的Ｈ．263直接對矩形視頻編碼，而不采用形狀編碼模塊。
可見，MPEG－4采取了向前兼容Ｈ．263，同時，也提供了一些高層特性，如基于內容的編碼。其擴充的方式見圖5。
MPEG－4支持有誤碼信道傳輸下的魯棒性，提供了更好的同步和誤碼恢復機制。
5 場景描述
場景描述主要用于描述以上單個的AV對象如何在一個具體AV場景坐標下的組織與同步等問題。同時還有AV對象和AV場景的知識產權保護等問題。
6 MPEG－4展望
MPEG－4的應用將是廣泛而深遠的。這一新的標準將至少可以應用于以下場合：
ａ） 實時多媒體監控；
ｂ） 極低比特率下的移動多媒體通信；
ｃ） 基于內容存儲和檢索多媒體系統；
ｄ） Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ上的視頻流與可視游戲；
ｅ） 基于面部表情模擬的虛擬會議；
ｆ） ＤＶＤ上的交互多媒體應用；
ｇ） 基于計算機網絡的可視化合作實驗室場景應用；
ｈ） 演播室和電視的節目制作。路合成比特信息，建立客戶端和服務器端的握手和傳輸。與過去不同的是，由于MPEG－4碼流中，包括許多的AV對象，一般而言，這些AV對象都有各自的緩沖器，而不僅僅是視頻緩沖器和音頻緩沖器。
