Tổng quan nghiên cứu

Trong kỷ nguyên số hóa, truyền thông đa phương tiện đã trở thành lưu lượng dữ liệu chủ đạo khi chiếm hơn 70% tổng băng thông Internet toàn cầu. Sự bùng nổ của các định dạng hiển thị chất lượng cao như Full HD 1080p, 4K Ultra HD và 8K kéo theo thách thức khổng lồ về dung lượng lưu trữ cũng như tốc độ truyền dẫn. Một đoạn video thô chưa qua xử lý nén ở độ phân giải 1920x1080 với tốc độ 25 khung hình/giây và độ sâu màu 8-bit đòi hỏi băng thông truyền tải lên đến 414.72 Mbps. Dù chuẩn mã hóa H.264/AVC ra mắt trước đó đã tạo ra bước tiến lớn, tiêu chuẩn này dần bộc lộ nhiều điểm nghẽn hiệu năng khi xử lý các luồng dữ liệu siêu nét qua hạ tầng mạng có băng thông giới hạn.

Nhằm giải quyết bài toán cấp thiết trên, luận văn thạc sĩ chuyên ngành Kỹ thuật Điện tử và Truyền thông tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội đã tập trung nghiên cứu, phân tích chuyên sâu và so sánh toàn diện hiệu suất của chuẩn nén H.265/HEVC so với chuẩn tiền nhiệm H.264/AVC. Mục tiêu cốt lõi của đề tài là làm sáng tỏ các cải tiến đột phá trong kiến trúc phân vùng dữ liệu, cơ chế dự đoán nội ảnh, bù chuyển động liên ảnh và các công cụ xử lý song song hiện đại. Đề tài được hoàn thành và bảo vệ thành công vào tháng 07 năm 2016 dưới sự hướng dẫn khoa học của Tiến sĩ Lê Vũ Hà.

Ý nghĩa thực tiễn của công trình nghiên cứu được thể hiện rõ nét qua các chỉ số định lượng: H.265/HEVC đạt khả năng tiết kiệm khoảng 50% bitrate ở cùng mức chất lượng cảm nhận trực quan hoặc tăng gấp đôi năng lực truyền tải kênh truyền mà không cần mở rộng hạ tầng vật lý. Kết quả này đặt nền móng lý thuyết và thực nghiệm vững chắc cho việc ứng dụng chuẩn nén thế hệ mới vào hệ thống truyền hình số, dịch vụ truyền phát video trực tuyến theo thời gian thực và thiết bị di động thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết mã hóa video lai (Hybrid Video Coding Framework), kết hợp giữa kỹ thuật loại bỏ dư thừa không gian (Intra Prediction), loại bỏ dư thừa thời gian (Inter Prediction), phép biến đổi cosin rời rạc (DCT), lượng tử hóa và mã hóa entropy thích ứng ngữ cảnh (CABAC).

Mô hình nghiên cứu tập trung giải phẫu 5 khái niệm kiến trúc mang tính cách mạng của tiêu chuẩn H.265/HEVC:

  1. Đơn vị cây mã hóa (Coding Tree Unit - CTU): Thay thế hoàn toàn khối macroblock cố định 16x16 pixel của H.264/AVC bằng cấu trúc cây linh hoạt có kích thước mở rộng từ 4x4 lên đến 64x64 pixel.
  2. Đơn vị mã hóa (Coding Unit - CU), Đơn vị dự đoán (Prediction Unit - PU) và Đơn vị biến đổi (Transform Unit - TU): Phân tách độc lập cấu trúc phân cấp cây tứ phân (Residual Quad-Tree), tối ưu hóa quá trình tính toán sai số dư thừa.
  3. Dự đoán nội ảnh đa hướng: Mở rộng không gian góc cạnh lên 35 chế độ dự đoán (gồm 33 chế độ định hướng góc với độ chính xác phân số 1/32 mẫu, 1 chế độ Planar và 1 chế độ DC) so với chỉ 9 chế độ ở chuẩn cũ.
  4. Lớp trừu tượng mạng (Network Abstraction Layer - NAL): Cấu trúc tiêu đề gói NAL tinh gọn với 2 byte dữ liệu phân định rõ ràng 64 loại gói tin khác nhau (VCL NAL và Non-VCL NAL) cùng các tập tham số video (VPS, SPS, PPS).
  5. Công cụ xử lý song song hóa: Bao gồm kỹ thuật phân chia vùng độc lập (Tiles) và kỹ thuật xử lý song song dạng sóng trước (Wavefront Parallel Processing - WPP).

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ tập chuỗi video kiểm chuẩn quốc tế được công nhận bởi ITU-T VCEG và ISO/IEC MPEG, bao gồm các định dạng độ phân giải phổ biến từ SD 720x576, Full HD 1920x1080 đến 4K 3840x2160 với tần số quét chuẩn 25 fps và 30 fps, sử dụng định dạng lấy mẫu màu YUV 4:2:0.

Cỡ mẫu nghiên cứu bao gồm 12 chuỗi video kiểm chuẩn tiêu biểu đại diện cho các đặc tính không gian phức tạp (độ tương phản, kết cấu vi mô) và đặc tính thời gian đa dạng (chuyển động nhanh, góc quay lia toàn cảnh, khung hình tĩnh). Phương pháp chọn mẫu có chủ đích được áp dụng nghiêm ngặt theo khuyến nghị chuẩn hóa quốc tế nhằm đảm bảo tính bao quát và phản ánh trung thực hành vi của bộ mã hóa trong mọi tình huống truyền dẫn.

Phương pháp phân tích hiệu năng dựa trên việc đo lường định lượng tương quan Tốc độ bit – Độ méo dạng (Rate-Distortion Analysis), tỷ số tín hiệu trên nhiễu đỉnh (PSNR tính bằng đơn vị dB), tốc độ xử lý khung hình trên giây và tỷ lệ tiết kiệm băng thông ở các mức tham số lượng tử hóa QP khác nhau (22, 27, 32, 37). Lý do lựa chọn mô hình phần mềm tham chiếu HM (HEVC Test Model) và JM (Joint Model) là nhằm bảo đảm tính khách quan tuyệt đối, khả năng tái lập cao và triệt tiêu sai số can thiệp phần cứng. Quá trình mô phỏng và thu thập dữ liệu được thực hiện liên tục trong khoảng thời gian 10 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm và đánh giá định lượng giữa hai bộ mã hóa video đã mang lại 4 phát hiện khoa học mang tính cốt lõi:

Thứ nhất, H.265/HEVC đạt tỷ lệ tiết kiệm dung lượng trung bình khoảng 50% bitrate so với chuẩn H.264/AVC trên cùng một mức chất lượng cảm nhận trực quan (PSNR tương đương). Đặc biệt, ở các chuỗi video độ phân giải cao 1080p và 4K, mức giảm lưu lượng có thể đạt tới 55% nhờ khả năng triệt tiêu thông tin dư thừa vượt bậc.

Thứ hai, việc mở rộng kích thước khối mã hóa từ macroblock 16x16 truyền thống lên cấu trúc CTU 64x64 pixel giúp tăng diện tích vùng bao phủ lên gấp 16 lần. Sự thay đổi này giúp giảm thiểu đáng kể số lượng khối cần xử lý ở các phân vùng hình ảnh đồng nhất (như bầu trời, mặt nước hoặc nền tĩnh), từ đó cắt giảm hơn 40% lượng thông tin tiêu đề (header overhead) truyền tải.

Thứ ba, cơ chế dự đoán nội ảnh 35 chế độ kết hợp với giải thuật lọc mẫu tham chiếu thích ứng hai bước giúp giảm thiểu sai số dự đoán không gian tới hơn 30%. Khả năng mô hình hóa hướng góc chính xác đến 1/32 mẫu phân số mang lại độ mịn màng cho các đường biên và góc nghiêng phức tạp.

Thứ tư, các công cụ xử lý song song hóa WPP và Tiles đã tối ưu hóa xuất sắc hiệu năng đa luồng trên kiến trúc CPU đa nhân, giúp tăng tốc độ xử lý mã hóa từ 2 đến 4 lần tùy thuộc vào số lượng luồng thực thi, giải quyết triệt để bài toán trễ thời gian trong truyền tải video trực tiếp.

Thảo luận kết quả

Nguyên nhân căn bản giúp H.265/HEVC vượt trội về hiệu năng nằm ở sự kết hợp đồng bộ giữa cấu trúc phân vùng linh hoạt dạng cây tứ phân và các bộ lọc vòng lặp cải tiến. Bên cạnh bộ lọc khử khối (Deblocking Filter), chuẩn nén mới tích hợp thêm bộ lọc bù sai số thích ứng mẫu (Sample Adaptive Offset - SAO), giúp tái tạo biên dạng trung thực và hạn chế hiện tượng méo khối hình học.

So sánh với các nghiên cứu cùng thời kỳ của nhóm chuyên gia JCT-VC, kết quả của luận văn hoàn toàn tương thích và khẳng định tính ưu việt của HEVC. Tuy nhiên, luận văn cũng chỉ rõ một thách thức lớn: Đối với các video có độ phân giải thấp (dưới mức HD 720p), độ phức tạp tính toán của H.265/HEVC tăng cao gấp 1.5 đến 2.5 lần so với H.264/AVC, khiến thời gian mã hóa kéo dài nếu không có sự hỗ trợ của phần cứng tăng tốc chuyên dụng.

Để thể hiện trực quan hóa các kết quả nghiên cứu, dữ liệu hiệu năng được biểu diễn mạch lạc thông qua các biểu đồ đường cong Rate-Distortion (RD Curves) so sánh trục hoành là Bitrate (kbps) và trục tung là chất lượng PSNR (dB). Đi kèm với đó là bảng đối chuẩn chi tiết tỷ lệ suy giảm bitrate Bjontegaard Delta (BD-Rate) trên từng nhóm chuỗi mẫu, chứng minh ưu thế rõ ràng của HEVC trên toàn bộ dải phân giải từ thấp đến cao.

Đề xuất và khuyến nghị

Dựa trên kết quả so sánh và đánh giá hiệu năng thực nghiệm, luận văn đưa ra 4 nhóm giải pháp công nghệ mang tính khả thi cao:

  1. Tối ưu hóa thuật toán quyết định chế độ dự đoán nội ảnh nhanh (Fast Intra Mode Decision): Các nhóm phát triển phần mềm cần tích hợp giải thuật phân tích gradient định hướng để loại trừ sớm các chế độ dự đoán không khả dĩ, hướng tới mục tiêu cắt giảm từ 30% đến 40% thời gian tính toán mã hóa nhưng vẫn duy trì độ suy giảm chất lượng hình ảnh dưới 0.1 dB; thời gian hoàn thành thử nghiệm trong vòng 6 tháng.
  2. Ứng dụng toàn diện kỹ thuật xử lý song song WPP trên nền tảng vi xử lý đa lõi: Các kỹ sư hệ thống nhúng cần triển khai mô hình mã hóa đa luồng bất đồng bộ nhằm đạt mục tiêu mã hóa theo thời gian thực 60 khung hình/giây (fps) cho nội dung chuẩn 4K, tiến độ thực hiện trong lộ trình 9 tháng.
  3. Nâng cấp hạ tầng mạng truyền dẫn và phân phối nội dung đa phương tiện (CDN): Các nhà mạng viễn thông và đơn vị cung cấp dịch vụ OTT cần xây dựng lộ trình chuyển đổi từ chuẩn H.264 sang chuẩn H.265, đặt mục tiêu giảm thiểu 45% chi phí băng thông đường truyền và tiết kiệm 50% không gian máy chủ lưu trữ trong vòng 12 tháng.
  4. Tích hợp khối đồng xử lý giải mã phần cứng tiết kiệm năng lượng (Hardware Co-processor): Các doanh nghiệp sản xuất thiết bị phần cứng điện tử cần thiết kế vi mạch chuyên dụng ASIC/FPGA tích hợp bộ giải mã HEVC thế hệ mới, hướng tới việc giảm thiểu từ 25% đến 35% mức tiêu thụ điện năng trên các thiết bị đầu cuối di động trong khoảng thời gian 18 tháng.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và thực tiễn cao, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

  • Kỹ sư phát triển hệ thống xử lý đa phương tiện và viễn thông: Nắm vững chi tiết kỹ thuật của cấu trúc phân vùng CTU, CU, PU, TU và định dạng gói NAL để tối ưu hóa thuật toán nén luồng cho các dịch vụ truyền phát video trực tiếp qua Internet.
  • Học viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Điện tử – Truyền thông: Sử dụng tài liệu như một nguồn tham khảo chuẩn mực về phương pháp phân tích bù chuyển động, cơ chế lọc mẫu tham chiếu thích ứng và các kỹ thuật xử lý tín hiệu số nâng cao.
  • Doanh nghiệp truyền hình số và đơn vị cung cấp dịch vụ phát sóng trực tuyến: Khai thác các số liệu so sánh định lượng về bitrate và chi phí băng thông để hoạch định bài toán đầu tư nâng cấp hạ tầng phát sóng, giảm thiểu chi phí vận hành máy chủ.
  • Kỹ sư thiết kế vi mạch và hệ thống nhúng: Vận dụng mô hình phân tích xử lý song song Tiles và WPP vào việc thiết kế cấu trúc vi mạch tích hợp cho chip giải mã video thời gian thực trên camera giám sát và điện thoại thông minh.

Câu hỏi thường gặp

Chuẩn nén H.265/HEVC giúp tiết kiệm bao nhiêu băng thông so với H.264/AVC? Chuẩn H.265/HEVC giúp giảm khoảng 50% tốc độ bit (bitrate) so với H.264/AVC trên cùng một mức chất lượng hình ảnh đo bằng PSNR. Ví dụ, một luồng phát sóng 4K đòi hỏi băng thông khoảng 20 Mbps khi dùng chuẩn cũ thì chuẩn mới chỉ cần khoảng 10 Mbps để duy trì độ sắc nét tương đương.

Sự khác biệt cốt lõi giữa khối Macroblock và Đơn vị cây mã hoá (CTU) là gì? Macroblock trong H.264 có kích thước cố định là 16x16 pixel, trong khi CTU của H.265 có kích thước linh hoạt mở rộng từ 4x4 lên đến 64x64 pixel. Kích thước 64x64 lớn gấp 16 lần diện tích macroblock, cho phép gộp các vùng ảnh đồng nhất để mã hóa hiệu quả hơn và giảm tải thông tin tiêu đề.

Cơ chế dự đoán nội ảnh trong H.265/HEVC hoạt động như thế nào? H.265/HEVC sử dụng 35 chế độ dự đoán nội ảnh, gồm 33 chế độ định hướng góc với độ chính xác 1/32 mẫu, 1 chế độ Planar và 1 chế độ DC. Hệ thống sử dụng các điểm ảnh biên lân cận kết hợp thuật toán lọc thích ứng hai bước để bù trừ năng lượng dư thừa không gian.

Hai công cụ xử lý song song Tiles và WPP khác nhau ở điểm nào? Kỹ thuật Tiles chia khung hình thành các ô chữ nhật hoàn toàn độc lập, dễ dàng phân phối cho nhiều lõi nhưng có thể tạo vết mờ nhẹ ở ranh giới. Trong khi đó, WPP chia khung hình theo từng hàng và bắt đầu xử lý hàng kế tiếp ngay khi hai khối ở hàng trên hoàn tất, giữ nguyên sự tương quan dữ liệu mà không làm suy giảm chất lượng.

Tại sao H.265/HEVC lại tiêu tốn nhiều tài nguyên tính toán hơn khi mã hoá? Do không gian tìm kiếm cây tứ phân quá sâu cùng 35 chế độ dự đoán nội ảnh và kích thước khối biến thiên từ 4x4 đến 64x64, khối lượng tính toán kiểm thử tăng gấp 1.5 đến 2.5 lần. Điều này đòi hỏi thuật toán chọn chế độ nhanh hoặc phần cứng chuyên dụng để đáp ứng thời gian thực.

Kết luận

  • Khẳng định chuẩn mã hóa H.265/HEVC tạo ra bước nhảy vọt khi tiết kiệm khoảng 50% lưu lượng băng thông so với chuẩn H.264/AVC mà vẫn bảo toàn độ sắc nét hình ảnh.
  • Hệ thống hóa toàn diện kiến trúc phân vùng cây tứ phân với kích thước đơn vị CTU lên tới 64x64 pixel, giải quyết triệt để điểm nghẽn của macroblock 16x16 truyền thống.
  • Làm sáng tỏ hiệu quả vượt trội của 35 chế độ dự đoán nội ảnh kết hợp cơ chế lọc mẫu tham chiếu thích ứng có độ chính xác 1/32 mẫu phân số.
  • Đánh giá vai trò chiến lược của hai công cụ xử lý song song Tiles và WPP trong việc khai thác tối đa năng lực phần cứng đa nhân hiện đại.
  • Đề xuất các giải pháp kỹ thuật cụ thể nhằm cắt giảm từ 30% đến 40% thời gian mã hóa, mở đường cho việc phổ biến chuẩn nén video mới trên hạ tầng số.

Luận văn đã đóng góp một hệ thống tri thức hoàn chỉnh từ phân tích lý thuyết đến đánh giá thực nghiệm, tạo tiền đề cho quá trình chuẩn hóa và thương mại hóa công nghệ truyền thông đa phương tiện trong giai đoạn phát triển tiếp theo. Các tổ chức, viện nghiên cứu và kỹ sư công nghệ quan tâm có thể khai thác các mô hình giải thuật trong luận văn để tiếp tục tối ưu hóa các bộ mã hóa video thế hệ mới phục vụ đời sống xã hội.