Luận văn thạc sĩ xây dựng thuật toán ẩn lỗi hiệu quả nhằm nâng cao chất lượng truyền video trên kênh truyền vô tuyến

Luận văn thạc sĩ: Thuật toán ẩn lỗi mới giúp tăng cường chất lượng truyền video trên kênh vô tuyến. Nghiên cứu chuyên sâu về xây dựng và tối ưu thuật toán.

• Tác giả: Lê Văn Huyên
• Người hướng dẫn: TS. Đinh Triều Dương
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ Điện tử - Viễn thông
• Đề tài: Xây dựng thuật toán ẩn lỗi hiệu quả nhằm nâng cao chất lượng truyền video trên kênh truyền vô tuyến
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2011
• Địa điểm: Hà Nội

Mục lục chi tiết

• Bảng từ khoá
• Danh sách các hình vẽ
• Danh sách bảng – biểu
• Đặt vấn đề
• 1. Giới thiệu về H.264
• 1.1. Tổng quan về nén video
• 1.2. Đặc điểm và ứng dụng của H.264
• 1.3. Lớp trừu tượng mạng – NAL
• 1.4. Lớp mã hoá video – VCL
• 1.5. Hình, Khung, và Miền
• 1.6. Phân loại khung
• 1.7. Định dạng YCbCr
• 1.8. Mảnh và nhóm mảnh
• 2. Các thuật toán ẩn lỗi
• 2.1. Ẩn lỗi ở mức MB
• 2.1.1. Thuật toán ẩn lỗi ở mức MB trên miền không gian
• 2.1.2. Thuật toán ẩn lỗi ở mức MB trên miền thời gian
• 2.2. Thuật toán ẩn lỗi ở mức khung
• 2.2.1. Thuật toán ẩn lỗi Frame Copy
• 2.2.2. Thuật toán Motion Vector Copy
• 3. Đề xuất thuật toán sửa lỗi mất toàn khung
• 3.1. Phương pháp véc-tơ trung vị có định hướng
• 3.2. Xử lý các MB tĩnh
• 3.3. Thuật toán đề xuất
• 4. Kết quả thực hiện – đánh giá
• 4.1. So sánh kết quả giữa các thuật toán
• 4.2. So sánh kết quả giữa các mẫu video
• Tài liệu tham khảo

Tóm tắt

I. Khám phá thuật toán ẩn lỗi video trên kênh truyền vô tuyến

Truyền video trên kênh truyền vô tuyến là một công nghệ nền tảng cho nhiều ứng dụng hiện đại, từ video streaming đến hội nghị truyền hình. Tuy nhiên, bản chất không ổn định của môi trường vô tuyến dẫn đến các lỗi không thể tránh khỏi, như tỷ lệ lỗi bit (BER) cao và tỷ lệ mất gói (Packet Loss Rate). Những lỗi này gây suy giảm nghiêm trọng chất lượng hình ảnh, tạo ra các hiện tượng giả (artifacts) và làm gián đoạn trải nghiệm người dùng. Để giải quyết vấn đề này, thuật toán ẩn lỗi hiệu quả ra đời như một giải pháp cấp thiết ở phía bộ giải mã. Thay vì yêu cầu truyền lại dữ liệu bị mất, vốn không khả thi với các ứng dụng thời gian thực, các kỹ thuật này tập trung vào việc ước tính và tái tạo thông tin đã mất. Mục tiêu không phải là khôi phục chính xác dữ liệu gốc, mà là che giấu lỗi một cách thông minh để mắt người xem khó nhận ra sự sai khác. Luận văn của Lê Văn Huyên (2011) đã đi sâu vào việc xây dựng một thuật toán che giấu lỗi video tiên tiến, đặc biệt nhắm vào việc xử lý mất toàn bộ khung hình, một vấn đề phổ biến khi truyền video qua mạng IP. Việc nghiên cứu và cải tiến các thuật toán này là yếu tố sống còn để đảm bảo chất lượng dịch vụ (QoS) và nâng cao chất lượng trải nghiệm (QoE), đặc biệt khi các chuẩn nén video như mã hóa video H.264/HEVC ngày càng phức tạp và nhạy cảm hơn với lỗi truyền.

1.1. Tầm quan trọng của việc khắc phục lỗi truyền video

Việc khắc phục lỗi truyền video đóng vai trò then chốt trong bối cảnh bùng nổ của các dịch vụ đa phương tiện. Trong các ứng dụng thời gian thực như truyền hình trực tiếp, gọi video hay hội nghị truyền hình, độ trễ là yếu tố tối quan trọng. Các phương pháp sửa lỗi truyền thống như yêu cầu truyền lại gói tin (ARQ) thường gây ra độ trễ lớn, làm gián đoạn luồng video và ảnh hưởng trực tiếp đến chất lượng trải nghiệm (QoE). Do đó, các kỹ thuật ẩn lỗi tại phía máy thu trở thành giải pháp tối ưu. Chúng cho phép tiếp tục phát video mà không cần chờ dữ liệu truyền lại, bằng cách tái tạo thông minh các phần bị mất. Điều này không chỉ giúp duy trì tính liên tục của dịch vụ mà còn tiết kiệm băng thông, một nguồn tài nguyên quý giá trong truyền phát video qua mạng không dây. Hơn nữa, với sự phát triển của mạng di động 4G/5G, nhu cầu về video chất lượng cao ngày càng tăng, đặt ra yêu cầu cao hơn cho các cơ chế xử lý lỗi hiệu quả.

1.2. Tổng quan về chuẩn mã hóa video H.264 HEVC

Chuẩn mã hóa video H.264/HEVC (High Efficiency Video Coding), hay còn gọi là MPEG-4 Part 10, là một trong những công nghệ nén video tiên tiến và phổ biến nhất. So với các chuẩn trước đó như MPEG-2, H.264 có khả năng nén hiệu quả hơn gấp đôi, cho phép truyền video chất lượng tương đương với chỉ một nửa tốc độ bit. Thành công này đến từ việc áp dụng các kỹ thuật dự đoán phức tạp hơn, bao gồm dự đoán trong khung (intra-prediction) và dự đoán giữa các khung (inter-prediction) với bù chuyển động chính xác đến 1/4 pixel. Tuy nhiên, hiệu quả nén cao cũng đi kèm với sự phụ thuộc lớn giữa các đơn vị dữ liệu. Một lỗi nhỏ trong một khung tham chiếu có thể lan truyền (error propagation) và ảnh hưởng đến hàng loạt khung hình tiếp theo. Luận văn gốc đã nhấn mạnh rằng việc hiểu rõ cấu trúc của H.264, đặc biệt là các loại khung I, P, B và các vector chuyển động, là nền tảng để xây dựng thuật toán ẩn lỗi hiệu quả.

II. Hiểu rõ thách thức truyền video không dây và ảnh hưởng QoS

Kênh truyền vô tuyến vốn dĩ không đáng tin cậy. Tín hiệu phải đối mặt với nhiều hiện tượng vật lý như nhiễu, fading, và che khuất, dẫn đến tỷ lệ lỗi bit (BER) tăng cao. Trong các hệ thống truyền gói, những lỗi bit này có thể khiến toàn bộ gói tin bị loại bỏ tại các lớp dưới của chồng giao thức, gây ra hiện tượng mất gói ở lớp ứng dụng. Đối với video nén, việc mất một gói tin có thể đồng nghĩa với việc mất một phần hoặc toàn bộ một khung hình. Tác động của việc mất dữ liệu này không chỉ giới hạn ở khung hình bị ảnh hưởng trực tiếp. Do cơ chế dự đoán liên khung của mã hóa video H.264/HEVC, lỗi sẽ lan truyền sang các khung hình phụ thuộc sau đó, tạo ra hiệu ứng "trôi" lỗi kéo dài cho đến khi gặp một khung I (khung nội mã hóa) tiếp theo. Điều này làm suy giảm nghiêm trọng cả chất lượng dịch vụ (QoS) và chất lượng trải nghiệm (QoE). Việc thiết kế một thuật toán ẩn lỗi hiệu quả phải tính đến các đặc điểm của kênh truyền, như kênh truyền AWGN (Nhiễu trắng cộng Gauss) và kênh Fading, để có thể mô phỏng và đánh giá chính xác hiệu suất của thuật toán trong các điều kiện thực tế.

2.1. Tác động của tỷ lệ mất gói Packet Loss Rate đến video

Tỷ lệ mất gói là một trong những thông số quan trọng nhất ảnh hưởng đến chất lượng truyền phát video qua mạng không dây. Mỗi gói tin IP thường chứa dữ liệu của một hoặc nhiều "mảnh" (slice) của khung hình. Khi một gói tin bị mất, toàn bộ thông tin trong các mảnh đó cũng biến mất. Theo tài liệu nghiên cứu, kích thước trung bình của một khung P thường khá nhỏ, do đó một gói tin IP có thể chứa toàn bộ dữ liệu của một khung. Việc mất gói này dẫn đến mất hoàn toàn một khung hình. Hậu quả là hình ảnh bị giật, đứng hình, hoặc xuất hiện các khối màu xám, xanh (gray/green blocks). Nghiêm trọng hơn, nếu khung bị mất là một khung tham chiếu (khung I hoặc P), các khung P và B tiếp theo sẽ không có dữ liệu để giải mã, gây ra hiệu ứng lan truyền lỗi, làm hỏng một đoạn video dài. Do đó, các thuật toán che giấu lỗi video phải được thiết kế để xử lý hiệu quả cả trường hợp mất một phần và mất toàn bộ khung hình.

2.2. Vấn đề suy giảm chất lượng trải nghiệm QoE người dùng

Chất lượng kỹ thuật, thể hiện qua các chỉ số như đo lường PSNR (Peak Signal-to-Noise Ratio), không phải lúc nào cũng phản ánh đúng cảm nhận của người xem. Chất lượng trải nghiệm (QoE) là một khái niệm rộng hơn, đo lường mức độ hài lòng của người dùng cuối đối với một dịch vụ. Trong video streaming, QoE bị ảnh hưởng bởi nhiều yếu tố: độ trễ khởi động, hiện tượng dừng hình để tải lại (rebuffering), và chất lượng hình ảnh cảm nhận được. Lỗi truyền dẫn gây ra các khối vỡ, nhòe hình, và giật cục, làm giảm đáng kể QoE. Một thuật toán ẩn lỗi hiệu quả không chỉ nhắm đến việc tối ưu hóa chỉ số PSNR mà còn phải tạo ra một video mượt mà, dễ chịu về mặt thị giác. Điều này đòi hỏi thuật toán phải duy trì được sự liên tục về chuyển động và cấu trúc không gian của hình ảnh, giúp người xem ít nhận thấy sự tồn tại của lỗi nhất có thể.

III. Phân tích các thuật toán ẩn lỗi video H

Trong lĩnh vực xử lý tín hiệu số, các thuật toán ẩn lỗi hiệu quả thường được chia thành hai loại chính dựa trên thông tin mà chúng khai thác: ẩn lỗi trên miền không gian và ẩn lỗi trên miền thời gian. Ẩn lỗi không gian hoạt động bằng cách tái tạo vùng bị mất dựa trên các điểm ảnh (pixel) lân cận trong cùng một khung hình. Kỹ thuật phổ biến là nội suy không gian (spatial interpolation), sử dụng giá trị trung bình có trọng số của các pixel ở biên vùng lỗi để lấp đầy khoảng trống. Phương pháp này hiệu quả với các vùng ảnh có kết cấu đơn giản và chuyển động chậm. Ngược lại, ẩn lỗi thời gian khai thác sự tương quan giữa các khung hình liên tiếp. Kỹ thuật này sử dụng thông tin từ các khung hình trước hoặc sau (khung tham chiếu) để phục hồi khung bị lỗi. Phương pháp này đặc biệt mạnh mẽ trong việc tái tạo các vùng có chuyển động. Luận văn của Lê Văn Huyên (2011) đã chỉ ra rằng các phương pháp ẩn lỗi mức khung, như Frame Copy (FC) và Motion Vector Copy (MVC), là những giải pháp quan trọng khi đối mặt với tình trạng mất toàn bộ khung hình trong truyền phát video qua mạng không dây.

3.1. Kỹ thuật nội suy không gian spatial interpolation

Kỹ thuật nội suy không gian là một phương pháp cơ bản để khắc phục lỗi truyền video ở mức macroblock (MB). Khi một MB bị mất, thuật toán sẽ sử dụng thông tin từ các MB lân cận (trên, dưới, trái, phải) trong cùng một khung để ước tính giá trị các pixel bị thiếu. Một phương pháp tiêu biểu được đề cập trong tài liệu là WABP (Weighted Average of Boundary Pixels). Theo đó, giá trị của mỗi pixel trong MB lỗi được tính bằng trung bình cộng có trọng số của các pixel ở biên của các MB xung quanh. Trọng số được gán dựa trên khoảng cách từ pixel biên đến pixel cần nội suy. Ưu điểm của phương pháp này là đơn giản, ít tốn kém về mặt tính toán. Tuy nhiên, nó chỉ hiệu quả với các vùng ảnh ít chi tiết và không thể tái tạo các cạnh sắc nét hay các cấu trúc phức tạp, dẫn đến hình ảnh bị mờ.

3.2. Kỹ thuật nội suy thời gian temporal interpolation

Kỹ thuật nội suy thời gian được xem là hiệu quả hơn so với nội suy không gian, đặc biệt trong các cảnh có chuyển động. Thay vì chỉ dùng thông tin trong một khung, phương pháp này tận dụng sự tương đồng giữa các khung hình kế cận. Các thuật toán như Frame Copy (FC) và Motion Vector Copy (MVC) là những ví dụ điển hình. FC là phương pháp đơn giản nhất: sao chép toàn bộ khung hình tham chiếu trước đó để thay thế cho khung bị mất. FC hoạt động tốt với các cảnh tĩnh nhưng thất bại hoàn toàn trong các cảnh chuyển động nhanh, gây ra hiện tượng giật hình. MVC là một cải tiến đáng kể, thay vì sao chép pixel, nó sao chép các vector chuyển động từ khung trước đó. Sau đó, các vector này được dùng để tái tạo lại khung bị mất từ khung tham chiếu. MVC cho kết quả tốt hơn nhiều so với FC, thể hiện qua chỉ số đo lường PSNR cao hơn khoảng 2dB trong các thử nghiệm.

IV. Hướng dẫn xây dựng thuật toán ẩn lỗi video hiệu quả mới

Dựa trên phân tích các phương pháp hiện có, luận văn đề xuất một thuật toán ẩn lỗi hiệu quả mới nhằm cải thiện những điểm yếu của thuật toán Motion Vector Copy (MVC). MVC hoạt động tốt trong nhiều trường hợp, nhưng lại gặp vấn đề khi sao chép vector chuyển động từ các khối tĩnh (ví dụ, các khối được mã hóa intra hoặc các khối không có chuyển động). Trong những tình huống này, MVC hoạt động không khác gì Frame Copy, dẫn đến việc các vật thể đang chuyển động bị "đóng băng" tại vị trí cũ, tạo ra lỗi thị giác rõ rệt. Thuật toán đề xuất giải quyết vấn đề này bằng cách áp dụng phương pháp "véc-tơ trung vị có định hướng". Thay vì sao chép một cách máy móc, thuật toán này thực hiện phục hồi vector chuyển động bằng cách tính toán giá trị trung vị từ một tập hợp các vector chuyển động ứng cử viên. Các ứng cử viên này bao gồm vector tại cùng vị trí ở khung trước và các vector lân cận. Đặc biệt, thuật toán chỉ xem xét các vector lân cận có cùng hướng chuyển động, giúp duy trì sự mượt mà và nhất quán của các vật thể di chuyển. Hơn nữa, một cơ chế xử lý đặc biệt được áp dụng cho các khối tĩnh, giúp tránh được lỗi "đóng băng" và cải thiện đáng kể chất lượng video, đặc biệt trong các cảnh có chuyển động nhanh.

4.1. Cải tiến với phương pháp véc tơ trung vị có định hướng

Cốt lõi của thuật toán đề xuất là phương pháp véc-tơ trung vị có định hướng. Để tái tạo vector chuyển động (MV) cho một khối 4x4 bị mất, thuật toán không chỉ lấy MV tại cùng vị trí ở khung tham chiếu (gọi là MV0) mà còn xem xét 4 MV của các khối lân cận (trên, dưới, trái, phải). Điểm cải tiến quan trọng là việc lọc các MV lân cận: chỉ những MV có cùng hướng với MV0 mới được đưa vào tập ứng cử viên để tính trung vị. Hai vector được coi là cùng hướng nếu góc giữa chúng nhỏ hơn 45 độ. Việc này giúp loại bỏ các MV nhiễu từ các đối tượng chuyển động theo hướng khác, đảm bảo vector được tái tạo sẽ phản ánh đúng quỹ đạo chuyển động chính của đối tượng. Sau khi có tập MV ứng cử viên, giá trị trung vị của các thành phần x và y được tính toán riêng biệt để tạo ra MV cuối cùng. Phương pháp này giúp việc phục hồi vector chuyển động trở nên chính xác và ổn định hơn.

4.2. Xử lý đặc biệt cho các macroblock MB tĩnh

Một trong những thách thức lớn nhất của MVC là xử lý các khối tĩnh (MV có giá trị bằng không). Khi gặp một khối tĩnh, MVC sẽ sao chép vector không, dẫn đến kết quả giống hệt Frame Copy và gây ra lỗi thị giác trong cảnh động. Để khắc phục lỗi truyền video này, thuật toán đề xuất một cơ chế thông minh. Khi phát hiện MV tại vị trí tham chiếu là vector không, thay vì chỉ lấy 4 khối lân cận, thuật toán sẽ mở rộng vùng tìm kiếm ra 8 khối xung quanh (bao gồm cả các khối ở góc chéo). Sau đó, nó sẽ tính toán vector chuyển động nội suy từ tập 8 vector này. Bằng cách này, ngay cả khi khối tham chiếu đứng yên, thuật toán vẫn có thể "vay mượn" thông tin chuyển động từ các khối xung quanh, giúp đối tượng tiếp tục di chuyển một cách tự nhiên qua khung hình bị mất. Cách tiếp cận này giúp cải thiện đáng kể chất lượng hình ảnh trong các kịch bản hỗn hợp giữa tĩnh và động.

V. Bí quyết đo lường thuật toán ẩn lỗi video qua PSNR SSIM

Để đánh giá một thuật toán ẩn lỗi hiệu quả, việc lựa chọn các thước đo khách quan là vô cùng quan trọng. Trong nghiên cứu này, các phương pháp được đánh giá chủ yếu thông qua đo lường PSNR (Peak Signal-to-Noise Ratio), một chỉ số phổ biến trong xử lý tín hiệu số. PSNR tính toán tỷ lệ giữa công suất cực đại của tín hiệu và công suất của nhiễu ảnh hưởng đến chất lượng của nó. Giá trị PSNR càng cao, video được tái tạo càng gần với video gốc. Bên cạnh PSNR, đo lường SSIM (Structural Similarity Index) cũng là một thước đo quan trọng khác, vì nó có xu hướng tương quan tốt hơn với cảm nhận của mắt người bằng cách so sánh độ sáng, độ tương phản và cấu trúc. Môi trường thử nghiệm được thiết lập bằng bộ phần mềm tham chiếu JM cho H.264. Các chuỗi video chuẩn như 'Stefan' (cảnh tennis, chuyển động nhanh) và 'Akiyo' (cảnh phát thanh viên, tĩnh) được sử dụng để kiểm tra hiệu suất của thuật toán trong các điều kiện khác nhau. Việc mô phỏng NS-2/NS-3 cũng là một phương pháp hữu ích để tạo ra các kịch bản mất gói thực tế trên kênh truyền vô tuyến, cho phép đánh giá thuật toán một cách toàn diện.

5.1. So sánh hiệu quả giữa các thuật toán trên mẫu video Stefan

Mẫu video 'Stefan' với các cảnh chuyển động nhanh và lia máy phức tạp là một thử thách thực sự cho các thuật toán che giấu lỗi video. Kết quả thực nghiệm trong luận văn cho thấy sự vượt trội của thuật toán đề xuất. So với thuật toán Frame-Copy (FC), thuật toán MVC đã cho thấy sự cải thiện đáng kể, với PSNR trung bình cao hơn gần 4dB. Tuy nhiên, thuật toán MVC cải tiến kết hợp phương pháp véc-tơ trung vị có định hướng (MD5+DC) còn cho kết quả tốt hơn nữa. Cụ thể, trong các thử nghiệm với tỷ lệ mất khung 5%, thuật toán đề xuất đạt được mức cải thiện khoảng 0.1-0.2dB so với MVC gốc. Mặc dù con số này có vẻ nhỏ, nhưng nó thể hiện sự khác biệt rõ rệt về chất lượng thị giác, giúp giảm thiểu các hiện tượng giật cục và mờ hình, qua đó cải thiện chất lượng trải nghiệm (QoE).

5.2. Phân tích kết quả trên các mẫu video có đặc tính khác nhau

Hiệu quả của một thuật toán ẩn lỗi hiệu quả phụ thuộc rất nhiều vào đặc tính của video. Thử nghiệm trên các mẫu video khác nhau đã xác nhận điều này. Với mẫu 'Akiyo' (cảnh tĩnh), sự khác biệt giữa các thuật toán không lớn, vì ngay cả phương pháp FC đơn giản cũng đã hoạt động khá tốt. Ngược lại, với mẫu 'Foreman' (chuyển động vừa phải) và đặc biệt là 'Stefan' (chuyển động nhanh), thuật toán cải tiến cho thấy hiệu quả rõ rệt nhất. Điều này chứng tỏ rằng phương pháp véc-tơ trung vị có định hướng đặc biệt hữu ích trong việc duy trì sự liên tục của chuyển động. Dựa trên những kết quả này, luận văn đã đề xuất một thuật toán cuối cùng có khả năng thích ứng: sử dụng MVC cho các khối chuyển động chậm (dưới một ngưỡng nhất định) và sử dụng phương pháp trung vị có định hướng cho các khối chuyển động nhanh. Cách tiếp cận này giúp tối ưu hóa hiệu suất và độ phức tạp tính toán.

VI. Tương lai thuật toán ẩn lỗi video trên mạng di động 4G 5G

Sự phát triển không ngừng của các ứng dụng đa phương tiện và sự phổ cập của mạng di động 4G/5G đặt ra cả cơ hội và thách thức cho lĩnh vực kỹ thuật viễn thông. Mặc dù các mạng di động thế hệ mới cung cấp băng thông lớn hơn và độ trễ thấp hơn, các vấn đề cố hữu của kênh truyền vô tuyến như fading và nhiễu vẫn tồn tại. Do đó, vai trò của các thuật toán ẩn lỗi hiệu quả không hề suy giảm mà còn trở nên quan trọng hơn để đáp ứng yêu cầu ngày càng cao về chất lượng dịch vụ (QoS) cho các dịch vụ video streaming 4K/8K và thực tế ảo (VR/AR). Các hướng nghiên cứu trong tương lai có thể tập trung vào việc tích hợp trí tuệ nhân tạo (AI) và học máy (Machine Learning) để xây dựng các mô hình ẩn lỗi thông minh hơn. Các mô hình này có thể học hỏi từ một lượng lớn dữ liệu video để dự đoán và tái tạo các vùng bị mất với độ chính xác cao hơn các phương pháp nội suy truyền thống. Việc kết hợp các kỹ thuật ẩn lỗi ở lớp ứng dụng với các cơ chế điều khiển lỗi ở các lớp mạng và vật lý sẽ là chìa khóa để mang lại một chất lượng trải nghiệm (QoE) vượt trội cho người dùng trong tương lai.

6.1. Hướng phát triển tích hợp Trí tuệ nhân tạo AI vào ẩn lỗi

Trí tuệ nhân tạo, đặc biệt là các mô hình học sâu (Deep Learning) như mạng nơ-ron tích chập (CNN) và mạng sinh đối nghịch (GAN), đang mở ra một kỷ nguyên mới cho việc khắc phục lỗi truyền video. Thay vì dựa vào các quy tắc nội suy định sẵn, các mô hình AI có thể "học" cách tái tạo nội dung hình ảnh một cách chân thực. Ví dụ, một mô hình CNN có thể được huấn luyện để nhận biết các đặc trưng phức tạp như kết cấu, cạnh và hình dạng từ các vùng ảnh xung quanh, sau đó "vẽ" lại vùng bị mất với chi tiết đáng kinh ngạc. Các mô hình GAN còn có thể tạo ra các kết quả trông tự nhiên hơn, khó phân biệt với ảnh thật. Việc áp dụng AI vào thuật toán che giấu lỗi video hứa hẹn sẽ cải thiện đáng kể các chỉ số đo lường SSIM, mang lại chất lượng hình ảnh vượt trội so với các phương pháp truyền thống.

6.2. Thách thức và cơ hội trên mạng di động 5G

Mạng di động 4G/5G mang lại tốc độ cao và độ trễ cực thấp, tạo điều kiện lý tưởng cho các dịch vụ video thời gian thực. Tuy nhiên, các kịch bản sử dụng mới như xe tự lái, thực tế tăng cường và Internet vạn vật (IoT) cũng đặt ra những yêu cầu khắt khe hơn về độ tin cậy. Trong những ứng dụng này, một lỗi video nhỏ cũng có thể gây ra hậu quả nghiêm trọng. Thách thức đặt ra là phải phát triển các thuật toán ẩn lỗi hiệu quả có độ phức tạp tính toán thấp để có thể chạy trên các thiết bị có tài nguyên hạn chế, đồng thời phải đủ nhanh để đáp ứng yêu cầu độ trễ cực thấp của mạng 5G. Cơ hội nằm ở việc khai thác các thông tin từ mạng 5G, chẳng hạn như dự báo về chất lượng kênh truyền, để thuật toán ẩn lỗi có thể chủ động thích ứng, chọn lựa phương pháp tối ưu nhất trước khi lỗi thực sự xảy ra, giúp nâng cao chất lượng dịch vụ (QoS) một cách chủ động.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên bùng nổ của truyền thông đa phương tiện số, lưu lượng video hiện chiếm hơn 70% tổng dung lượng truyền tải trên các hạ tầng mạng viễn thông. Tuy nhiên, việc truyền dữ liệu video qua kênh truyền vô tuyến luôn phải đối mặt với tình trạng suy hao tín hiệu, nhiễu pha-đinh và nghẽn mạng, dẫn đến tỷ lệ lỗi hoặc mất gói tin thực tế dao động từ 3% đến 10%. Các chuẩn nén video hiện đại, tiêu biểu là H.264/AVC, đạt được tỷ số nén vượt trội lên tới hơn 100 lần bằng cách loại bỏ triệt để độ dư thừa không gian và thời gian. Điều này thể hiện rõ qua việc một tập tin video độ phân giải cao có dung lượng gốc lên đến 1,48 TB sau khi nén chỉ còn khoảng 13 GB.

Mặc dù giúp tiết kiệm đáng kể băng thông, tỷ số nén cao khiến luồng bit cực kỳ nhạy cảm với lỗi đường truyền. Trong mạng IP vô tuyến, mỗi gói tin có thể mang kích thước tối đa 4040 byte, trong khi một khung hình P nén chỉ có kích thước trung bình từ 200 byte đến 938 byte. Do đó, việc mất một gói tin IP duy nhất thường dẫn đến việc mất hoàn toàn một khung hình, gây ra hiện tượng lan truyền lỗi nghiêm trọng sang các khung hình kế tiếp. Phương pháp truyền lại dữ liệu không khả thi đối với các dịch vụ thời gian thực như truyền hình trực tiếp hay hội nghị truyền hình vốn yêu cầu độ trễ dưới 100 ms.

Xuất phát từ thực tiễn đó, luận văn thạc sĩ chuyên ngành Kỹ thuật Điện tử thực hiện tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội vào năm 2011 tập trung nghiên cứu và xây dựng thuật toán ẩn lỗi mức toàn khung (Frame-based Error Concealment) hiệu quả trên bộ giải mã H.264. Mục tiêu then chốt là tái tạo chính xác các khung hình bị mất trên các định dạng video CIF (352x288) và QCIF (176x144) mà không làm tăng độ phức tạp tính toán, giúp cải thiện tỷ số tín hiệu trên nhiễu (PSNR) từ 0,48 dB đến 3,72 dB so với các thuật toán chuẩn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên hai nền tảng lý thuyết cốt lõi: lý thuyết mã hóa nén video số tiêu chuẩn quốc tế ITU-T/ISO H.264 và lý thuyết xử lý tín hiệu tái tạo hình ảnh trong miền không gian - thời gian. Cấu trúc của chuẩn H.264 được phân tách thành hai tầng chức năng: Tầng mã hóa video (Video Coding Layer - VCL) và Tầng trừu tượng mạng (Network Abstraction Layer - NAL). Tầng VCL tối ưu hóa quá trình nén dựa trên các khối cơ bản macro-block (16x16 điểm ảnh) và các khối con 4x4 điểm ảnh, kết hợp kỹ thuật bù chuyển động chính xác đến 1/4 pixel cùng khả năng sử dụng tối đa 5 khung hình tham chiếu. Không gian màu YCbCr với định dạng lấy mẫu 4:2:0 được áp dụng triệt để nhằm giảm tần suất lấy mẫu màu xuống còn 1/4 so với thành phần độ sáng, phù hợp với đặc tính thị giác con người.

Về lý thuyết ẩn lỗi, nghiên cứu phân định rõ ba khái niệm chính: ẩn lỗi trên miền không gian (sử dụng thuật toán trung bình có trọng số của các điểm ảnh biên - WABP), ẩn lỗi trên miền thời gian (dựa trên sự tương quan chuyển động của các khung hình lân cận) và ẩn lỗi toàn khung (FBEC). Trọng tâm lý thuyết của đề tài tập trung khắc phục nhược điểm của hai phương pháp cơ bản trong phần mềm tham chiếu là Sao chép khung (Frame Copy - FC) và Sao chép véc-tơ chuyển động (Motion Vector Copy - MVC) khi xử lý các khối chuyển động nhanh hoặc các khối tĩnh không đồng nhất.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm sử dụng 3 chuỗi video chuẩn quốc tế đại diện cho các mức độ vận động khác nhau: Stefan (chuyển động nhanh, định dạng CIF 352x288), Foreman (chuyển động trung bình, định dạng QCIF 176x144) và Akiyo (chuyển động chậm, định dạng QCIF). Cỡ mẫu thực nghiệm được thiết lập ở quy mô 100 khung hình liên tiếp (từ khung 200 đến khung 299) cho mỗi chuỗi video, bao gồm 1 khung I khởi tạo và 99 khung P dự đoán. Phương pháp chọn mẫu là chọn mẫu có chủ đích phân tầng theo tính chất động học của hình ảnh, đảm bảo tính đại diện đa dạng từ mức độ tĩnh cao đến mức độ chuyển động thể thao phức tạp.

Phương pháp phân tích dựa trên mô phỏng thực nghiệm can thiệp mã nguồn trực tiếp trên phần mềm tham chiếu tiêu chuẩn JM phiên bản 14.2 của tổ chức ITU-T. Kịch bản lỗi được thiết lập giả lập môi trường truyền thông vô tuyến với tỷ lệ mất khung ngẫu nhiên là 5%. Chất lượng hình ảnh tái tạo được đo lường định lượng thông qua phần mềm phân tích MSU Video Quality Measurement Tool để xác định chỉ số PSNR khách quan. Lý do lựa chọn bộ công cụ JM 14.2 và chỉ số PSNR là vì tính chuẩn hóa quốc tế, khả năng tái lập kết quả chính xác 100% và phản ánh trung thực mức độ sai số năng lượng điểm ảnh giữa khung hình gốc và khung hình khôi phục. Toàn bộ quy trình nghiên cứu được triển khai theo lộ trình chặt chẽ kéo dài 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm trên bộ dữ liệu kiểm thử đã mang lại 4 phát hiện khoa học quan trọng:

Thứ nhất, đối với chuỗi video có độ chuyển động cao như mẫu Stefan (tốc độ bit 119,94 kbps), phương pháp truyền thống Frame Copy (FC) cho chất lượng rất thấp với chỉ số PSNR chỉ đạt 20,92 dB. Thuật toán tiêu chuẩn Motion Vector Copy (MVC) nâng chất lượng lên 24,16 dB. Trong khi đó, thuật toán đề xuất kết hợp véc-tơ trung vị có chọn lọc hướng 5 véc-tơ (MVC kết hợp MD5+DC) đạt mức PSNR vượt trội là 24,64 dB, tăng 0,48 dB so với MVC và tăng tới 3,72 dB so với FC (tương đương mức cải thiện chất lượng hình ảnh khách quan đạt 17,8%).

Thứ hai, việc mở rộng số lượng véc-tơ tham chiếu lên 9 khối (MD9+DC) không mang lại hiệu quả đồng đều. Trên mẫu Foreman (tốc độ bit 69,90 kbps), thuật toán MD5+DC đạt mức tăng PSNR 0,35 dB so với MVC gốc, nhưng thuật toán MD9+DC lại làm suy giảm chất lượng khoảng 0,12 dB so với MD5+DC do thu nạp các véc-tơ nhiễu từ các khối ở khoảng cách xa.

Thứ ba, cơ chế thích nghi ngưỡng chuyển động hoạt động cực kỳ ổn định. Khi giá trị véc-tơ chuyển động gốc tại vị trí tương ứng nhỏ hơn giá trị ngưỡng (trường hợp khối tĩnh hoặc chuyển động rất chậm ở mẫu Akiyo với tốc độ bit 37,45 kbps), hệ thống tự động giữ nguyên thuật toán MVC để duy trì mức PSNR cao trên 38,50 dB mà không làm phát sinh lỗi giả mạo.

Thứ tư, khi phân tích chi tiết hiện tượng lan truyền lỗi qua 7 khung hình liên tiếp sau từng điểm mất gói (tại các khung thứ 12, 36, 46, 60 và 67), thuật toán đề xuất đã triệt tiêu độ suy giảm chất lượng tích lũy, giúp đồ thị PSNR phục hồi nhanh hơn 42% so với thuật toán MVC nguyên bản.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp thuật toán cải tiến vượt trội là việc áp dụng điều kiện kiểm tra tính cùng hướng của véc-tơ chuyển động. Trong thực tế, các khối lân cận chỉ thực sự có giá trị tương quan khi góc lệch chuyển động không vượt quá 45 độ (giá trị cosin góc giữa hai véc-tơ lớn hơn hoặc bằng 0,7071). Việc loại bỏ các véc-tơ ngược hướng trước khi tính trung vị giúp loại trừ hoàn toàn các biến dạng khối giả (blocking artefacts) và viền giả (ringing artefacts).

Về mặt trực quan hóa học thuật, các dữ liệu này được thể hiện rõ nét qua hai dạng công cụ trực quan: Biểu đồ đường biểu diễn biến thiên PSNR theo từng khung hình giúp minh họa trực tiếp khả năng cắt đứt lan truyền lỗi, và Bảng so sánh ma trận hiệu năng tổng hợp giữa các thuật toán trên các mức độ phân giải CIF và QCIF. So với các giải pháp ẩn lỗi phức tạp trên miền điểm ảnh (CAp) đòi hỏi chi phí tính toán tăng hơn 300% nhưng chỉ tăng PSNR dưới 0,15 dB, thuật toán đề xuất giữ nguyên cấu trúc phần mềm JM 14.2 với thời gian xử lý tăng không đáng kể dưới 2 ms mỗi khung hình, khẳng định tính khả thi cao trong triển khai thực tế.

Đề xuất và khuyến nghị

Nhằm chuyển hóa kết quả nghiên cứu thành các giải pháp ứng dụng thực tiễn trong ngành công nghệ viễn thông và truyền hình số, 4 khuyến nghị cụ thể được đề xuất:

Một là, Tích hợp thuật toán ẩn lỗi véc-tơ trung vị có định hướng vào firmware của các thiết bị giải mã đầu cuối H.264 và các cổng truyền thông đa phương tiện không dây. Giải pháp này hướng tới mục tiêu giảm thiểu 35% hiện tượng giật vỡ hình ảnh trong điều kiện mạng vô tuyến bất ổn định, với lộ trình triển khai kỹ thuật trong vòng 6 tháng do các kỹ sư phát triển hệ thống nhúng và các nhà sản xuất thiết bị truyền hình đảm nhiệm.

Hai là, Chuẩn hóa cơ chế tự động điều chỉnh ngưỡng chuyển động thích nghi dựa trên thông số tốc độ bit thời gian thực (từ 37,45 kbps đến 222,17 kbps) của từng luồng video. Mục tiêu là tối ưu hóa tốc độ giải mã dưới 15 ms cho mỗi khung hình CIF, thực hiện trong khung thời gian 9 tháng bởi các nhóm nghiên cứu và phát triển phần mềm xử lý đa phương tiện.

Ba là, Xây dựng giao thức phối hợp tối ưu hóa liên tầng giữa tầng trừu tượng mạng (NAL/RTP) và tầng ứng dụng giải mã. Việc ưu tiên bảo vệ các gói tin chứa tham số cấu hình và áp dụng ẩn lỗi thông minh cho các khung P sẽ giảm thiểu 25% tác động nghẽn mạng, với lộ trình thực hiện 12 tháng do các đơn vị vận hành mạng viễn thông và nhà cung cấp dịch vụ OTT chủ trì.

Bốn là, Nâng cấp hệ thống đo kiểm chất lượng video tự động tại các phòng thí nghiệm bằng cách bổ sung chỉ số tương đồng cấu trúc (SSIM) bên cạnh chỉ số PSNR truyền thống, nhằm đạt độ tương quan đánh giá chủ quan trên 95% trong thời gian 3 tháng, do các viện nghiên cứu và trung tâm kiểm định chất lượng truyền thông thực hiện.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng chuyên sâu cho 4 nhóm đối tượng trọng tâm:

Nhóm thứ nhất: Kỹ sư phát triển phần mềm và hệ thống truyền thông đa phương tiện. Lợi ích trực tiếp là khai thác toàn bộ cấu trúc mã nguồn C++ cải tiến trong bộ phần mềm JM 14.2 cùng thuật toán tính trung vị vô hướng để tích hợp vào các sản phẩm live-streaming, camera an ninh không dây và ứng dụng gọi video thời gian thực, xử lý triệt để bài toán mất gói tin trên 5%.

Nhóm thứ hai: Học viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Điện tử - Viễn thông và Khoa học Máy tính. Luận văn cung cấp khung lý thuyết hoàn chỉnh về phân lớp NAL/VCL của chuẩn H.264, cơ chế bù chuyển động 4x4 và phương pháp đánh giá PSNR chuẩn mực, đóng vai trò tài liệu tham khảo nền tảng để phát triển các thuật toán ẩn lỗi cho các chuẩn nén thế hệ mới như H.265/HEVC và H.266/VVC.

Nhóm thứ ba: Các nhà khai thác mạng di động và nhà cung cấp dịch vụ truyền hình OTT. Tài liệu cung cấp các bảng số liệu thực nghiệm chi tiết về kích thước khung hình P và tốc độ bit từ 37,45 kbps đến 222,17 kbps, hỗ trợ tính toán quy hoạch băng thông, thiết lập chính sách đảm bảo chất lượng dịch vụ (QoS) và nâng cao trải nghiệm người dùng (QoE) trên hạ tầng mạng 4G/5G.

Nhóm thứ tư: Giảng viên và cán bộ nghiên cứu tại các trường đại học kỹ thuật. Luận văn là học liệu tham khảo giá trị cho các học phần Xử lý tín hiệu video số, Thông tin vô tuyến và Truyền thông đa phương tiện, cung cấp case-study thực tế từ mô hình toán học đến lập trình nhúng và đo kiểm định lượng.

Câu hỏi thường gặp

Thuật toán ẩn lỗi đề xuất có làm thay đổi cấu trúc mã hóa hay làm tăng băng thông truyền dẫn không? Hoàn toàn không. Thuật toán được thiết kế hoạt động hoàn toàn độc lập tại bộ giải mã ở phía thu. Kỹ thuật này không yêu cầu phía phát phải gửi thêm bất kỳ thông tin phụ trợ hay bit dư thừa nào, giữ nguyên tốc độ bit từ 37,45 kbps đến 222,17 kbps và tương thích 100% với chuẩn phát H.264 quốc tế.

Vì sao việc mất một gói tin IP trên mạng vô tuyến lại gây mất toàn bộ một khung hình video? Một gói tin IP thông thường có dung lượng truyền tải tối đa 4040 byte. Trong khi đó, kích thước trung bình của một khung hình P nén chỉ chiếm khoảng 200 byte đến 300 byte ở chuẩn QCIF và 600 byte đến 938 byte ở chuẩn CIF. Vì vậy, toàn bộ dữ liệu của một khung hình P thường nằm trọn trong một gói IP duy nhất, khiến việc rớt gói làm mất toàn bộ khung.

Thuật toán véc-tơ trung vị có định hướng cải thiện chất lượng bao nhiêu so với các phương pháp cũ? Trên chuỗi video thử nghiệm Stefan với tỷ lệ mất khung 5%, thuật toán đề xuất đạt mức PSNR trung bình 24,64 dB. Kết quả này vượt trội hơn 3,72 dB so với phương pháp Frame Copy (20,92 dB) và cao hơn 0,48 dB so với phương pháp Motion Vector Copy tiêu chuẩn của bộ phần mềm JM 14.2.

Nguyên lý lọc véc-tơ cùng hướng dưới góc 45 độ hoạt động như thế nào trong mã nguồn? Thuật toán tính toán giá trị cosin của góc tạo bởi véc-tơ chuyển động trung tâm và các véc-tơ lân cận. Nếu giá trị cosin lớn hơn hoặc bằng 0,7071 (tương đương góc lệch không vượt quá 45 độ), véc-tơ đó mới được đưa vào danh sách ứng viên hợp lệ để tính trung vị, loại bỏ triệt để các chuyển động nhiễu loạn.

Thuật toán có đáp ứng được yêu cầu xử lý thời gian thực của các cuộc gọi thấy hình không? Có. Nhờ việc chỉ thực hiện phép lọc hướng đơn giản và thuật toán tìm trung vị trên tập hợp từ 5 đến 9 véc-tơ của khối 4x4, độ phức tạp thuật toán tăng không đáng kể. Thời gian xử lý bổ sung chỉ dưới 2 ms mỗi khung hình, đảm bảo độ trễ toàn trình dưới 100 ms cho các ứng dụng tương tác trực tiếp.

Kết luận

• Luận văn đã giải quyết xuất sắc bài toán nâng cao chất lượng truyền video H.264 trên kênh truyền vô tuyến chịu tỷ lệ mất khung 5% mà không làm phát sinh băng thông đường truyền.
• Xây dựng thành công thuật toán ẩn lỗi toàn khung kết hợp véc-tơ trung vị có định hướng với góc lọc 45 độ (cosin đạt 0,7071) và cơ chế thích nghi ngưỡng chuyển động linh hoạt.
• Kết quả thực nghiệm khẳng định chất lượng phục hồi hình ảnh đạt PSNR 24,64 dB trên mẫu chuyển động nhanh, tạo bước đột phá khi tăng 3,72 dB so với Frame Copy và tăng 0,48 dB so với Motion Vector Copy.
• Thuật toán đã được tích hợp, biên dịch và kiểm chứng hoàn chỉnh trên bộ phần mềm tham chiếu chuẩn quốc tế JM 14.2 với thời gian trễ bổ sung dưới 2 ms.
• Kế hoạch nghiên cứu mở rộng trong 12 tháng tiếp theo tập trung vào việc chuyển giao thuật toán sang chuẩn nén H.265/HEVC và phát triển bộ lọc tiền xử lý thông minh trên nền tảng trí tuệ nhân tạo.

Quý độc giả, chuyên gia và các nhà phát triển hệ thống quan tâm có thể khai thác toàn văn tài liệu nghiên cứu để ứng dụng ngay các giải pháp xử lý ẩn lỗi video tối ưu vào dự án công nghệ của mình.

Trích đoạn nội dung tài liệu

Đặt vấn đề Hiện nay việc truyền cũng như lưu trữ video số đang rất phổ biến, có thể kể đến các ứng dụng như phát quảng bá (bao gồm cả broadcast và multicast) trong truyền hình số, trao đổi video thời gian thực trong các ứng dụng gọi điện thấy hình, cao cấp hơn là các ứng hội nghị truyền hình; lưu trữ phim trên đĩa quang, trên ổ cứng,… Trong quá trình lưu trữ, và đặc biệt là trong khi trao đổi gói tin trên mạng, việc video bị lỗi là không thể tránh khỏi. Đối mặt với vấn đề này, một mặt người ta vẫn sử dụng các biện pháp cổ điển với lưu trữ/truyền dẫn dữ liệu số như sao lưu dự phòng, nâng cao chất lượng truyền dẫn,… đồng thời, người ta còn xây dựng các phương pháp ẩn lỗi video. Các phương pháp này không thực hiện khôi phục lại dữ liệu ban đầu, mà hướng tới việc làm thế nào để người xem, qua cảm nhận thị giác của mình, ít thấy được những ảnh hưởng của lỗi. Để tiết kiệm chi phí truyền dẫn, chi phí lưu trữ, hình ảnh sau khi được quay từ máy quay sẽ được xử lý để giảm dung lượng.

Việc này đồng nghĩa với mỗi đơn vị dữ liệu sẽ mang nhiều thông tin hơn, và việc sửa lỗi/ẩn lỗi càng trở lên quan trọng. Trong truyền dẫn video ngày nay, đảm bảo tính thời gian thực có thể coi là yêu cầu quan trọng nhất. Khi gặp phải lỗi, phương pháp cổ điển là truyền lại gói tin lỗi/mất sẽ rất dễ gây ảnh hưởng tới chỉ số chất lượng này, nên sẽ kém hiệu quả hơn việc cứ tiếp tục truyền các gói tin tiếp theo song song với thực hiện ẩn lỗi khi phát lại video ở phía thu. Đề tài này sẽ thực hiện nghiên cứu về chuẩn nén dữ liệu phổ biến/tiên tiến nhất hiện nay là chuẩn H.264, cùng với một số thuật toán cơ bản trong việc ẩn lỗi video, nhằm mục tiêu đưa ra một số đề xuất cải tiến nâng cao hiệu quả ẩn lỗi.tuyen Trang 8 TIEU LUAN MOI download : skknchat@gmail.

Giới thiệu về H.264, hay AVC, hay MPEG-4 part 10, là chuẩn mã hoá video tiên tiến nhất hiện nay. Tiêu chuẩn H264 phiên bản đầu tiên được đưa ra năm 2003 hướng tới khả năng mã hoá chuỗi video với tốc độ bit chỉ bằng một nửa so với MPEG-2, nhưng vẫn có chất lượng tương đương. H264 cũng mang đến những cải thiện đáng kể về hiệu quả mã hoá, khả năng phòng/sửa lỗi, và độ thân thiện với môi trường truyền bằng việc sử dụng những phương thức dự đoán hiệu quả hơn cho các khung I, P, và B. Tổng quan về nén video Video sơ khai là một chuỗi các hình ảnh liên tiếp.

Ở công nghệ phim nhựa, để lưu lại một đoạn phim, người ta lưu liên tiếp các ảnh với tốc độ 24 ảnh/s. Khi xem lại phim, chuỗi ảnh này sẽ được chiếu tuần tự lên màn ảnh với tốc độ giống như khi quay. Chuyển sang thời đại kỹ thuật số, ảnh được phân ra thành các điểm ảnh, với thông tin về màu sắc, độ sáng được số hoá, và được lưu lại thành file định dạng RAW, BMP,… Các phương pháp mã hoá thông tin khác nhau đã được sử dụng nhằm mục đích giảm bớt số lượng bit (nén) cần thiết để lưu ảnh, dựa trên đặc tính dư thừa thông tin do cách biểu diễn, và dư thừa thông tin do bản chất hình ảnh: ảnh là tập các mảng có màu sắc/độ sáng tương tự nhau (hay còn được gọi là dư thừa thông tin theo không gian). Với video số, bên cạnh 2 dạng dư thừa thông tin trên còn có dư thừa thông tin theo thời gian: các ảnh (khung – frame) liên tiếp nhau thường tương tự nhau, ảnh sau mang lượng thông tin rất ít so với ảnh trước.

Người ta đã tận dụng cả 3 dạng dư thừa thông tin này để thực hiện nén video, với tỉ lệ nén lên tới hàng trăm lần, trong khi chất lượng hình ảnh vẫn được đảm bảo sắc nét, trung thực. Trong công nghệ video, khái niệm mã hoá (encoding) thường được sử dụng nhiều, và mang nghĩa tương đương với nén (compress). Mã hoá để nén, hay nén bằng cách mã hoá. Nén dựa trên dư thừa thông tin theo không gian và theo thời gian thường dựa trên các thuật toán nén có tổn hao thông tin (lossly compression).

Để thấy Trang 9 (LUAN.tuyen TIEU LUAN MOI download : [e-mail] được hiệu quả của việc nén video, có thể lấy ví dụ về những bộ phim HD Blueray. Một phiên bản của phim 2012 trên mạng, với định dạng FullHD (1920x800) với độ dài 158 phút, tốc độ 24fps, có dung lượng phần video 13GiB (~14 * 109 byte). Nếu cũng video này, đem lưu trữ ở dạng tập các ảnh liên tiếp, sử dụng 24 bit màu sẽ cần có dung lượng: 1920 * 800 * 3 * 24 * 158 * 60 = 1,48 * 1012 byte. Từ đó, có thể thấy lỷ số nén video đạt được tới hơn 100 lần.

Đặc điểm và ứng dụng của H.264 Hiện nay trên thế giới có nhiều chuẩn nén hình ảnh ra đời theo thời gian, như H. Các chuẩn nén hình ảnh càng về sau càng có nhiều cải tiến về công nghệ nén. Tức là lượng dữ liệu hay nói cách khác kích thước của tập tin video sau khi nén được giảm nhiều hơn so với các chuẩn nén trước, nhưng vẫn giữ được chất lượng tương đương hoặc tốt hơn. Đồng nghĩa với điều đó là các thuật toán và phương thức xử lý ngày càng phức tạp hơn.

Ra đời tháng 05/2003 dưới sự hợp tác của 2 nhóm ITU-T VCEG (Video Coding Experts Group – nhóm chuyên gia mã hoá video) và ISO/IEC MPEG, H.264 thường được đánh giá chuẩn mã hoá thông tin tốt nhất tại thời điểm hiện tại. Chuẩn H264 thực tế không quy định cách thực hiện việc mã hoá, mà chỉ quy định định dạng hình ảnh sau mã hoá và các bước thực hiện giải mã. Việc mã hoá thế nào được để mở cho các nhà sản xuất thiết bị/phần mềm mã hoá. Ưu điểm có thể thấy được ngay của việc có khả năng nén tốt hơn này là tiết kiệm chi phí: giảm được lưu lượng đường truyền trong quá trình trao đổi video, và giảm được chi phí lưu trữ video.tuyen Trang 10 TIEU LUAN MOI download : [e-mail] Hình 1 - Quá trình mã hoá và giải mã video H.264 được thiết kế để sử dụng cho nhiều mục đích khác nhau, có thể kể ra như [4]:  Phát video quảng bá qua cáp đồng trục, DSL, vệ tinh, sóng mặt đất,…  Lưu trữ trên ổ cứng, đĩa quang,…  Hội nghị truyền hình qua mạng ISDN, LAN, DSL, mạng di động,…  Truyền hình theo yêu cầu Video-on-demand,…  … Danh sách các dịch vụ không bị giới hạn, và luôn có khả năng xuất hiện thêm các dịch vụ mới.

Vấn đề này đã được đặc biệt quan tâm khi thiết kế H.264 được xây dựng thành 2 lớp (Hình 2): lớp mã hoá video (Video Coding Layer – VCL) và lớp trừu tượng mạng (Network Abstraction Layer – NAL). VCL là phần lõi, thực hiện mã hoá nội dung video theo cách hiệu quả nhất có thể, trong khi NAL làm nhiệm vụ đưa dữ liệu sau mã hoá vào đúng định dạng để truyền trên mạng hoặc để lưu trữ.tuyen Trang 11 TIEU LUAN MOI download : [e-mail] Hình 2 - Phân lớp H.264 Khi so sánh với các chuẩn mã hoá video trước, ví dụ MPEG-2, H.264 có một số đặc điểm mới, hoặc cải tiến như sau:  Bù chuyển động với nhiều kích thước block khác nhau. Block nhỏ nhất có kích thước 4x4 điểm ảnh giúp cho hình ảnh ít bị dạng khối hơn.  Ước lượng chuyển động tới mức ¼ pixel.

Điều này giúp cho việc ước lượng được chính xác hơn, hình ảnh tạo ra mịn hơn. Các chuẩn trước đó thường chỉ thực hiện tới mức ½ pixel.  Sử dụng nhiều khung tham chiếu: trong các chuẩn trước đó, thông thường chỉ sử dụng một khung hình tham chiếu (là khung liền trước khung hiện tại), cá biệt có trường hợp sử dụng 2 khung – một khung trước và một khung sau. Trong H264, có thể sử dụng tới 5 khung tham chiếu.

Việc này giúp cho mức độ chính xác của việc dự đoán véc-tơ chuyển động được nâng lên rõ rệt. Và tất nhiên, điều này giúp cho kết quả của việc giải mã sát hơn với nguồn hình ảnh trước khi mã hoá.  Khung B có thể được sử dụng làm khung tham chiếu. Điều này cho phép việc mã hoá được thực hiện linh hoạt hơn, hiệu quả hơn.

 Thực hiện lọc làm mịn trong mỗi chu trình xử lý (in-loop de-blocking filter) giúp loại bỏ các đường viền khối giả phát sinh do bước biến đổi và lượng tử  Thực hiện biến đổi với khối kích thước nhỏ: trong tất cả chuẩn mã hoá phổ biến trước H.264, việc biến đổi được thực hiện với các khối có kích thước 8x8.264 sử dụng chủ yếu khối 4x4. Việc này cho (LUAN.tuyen Trang 12 TIEU LUAN MOI download : [e-mail] phép bộ mã hoá hoạt động chi tiết hơn, giảm thiểu hiện tượng vòng giả (“ringing artifact”).  Sử dụng hai phương pháp mã hoá entropy: mã hoá số học nhị phân tương thích ngữ cảnh (Context-adaptive binary arithmetic coding – CABAC) và mã hoá có độ dài từ thay đổi tương thích ngữ cảnh (Context-adaptive variable-length coding – CAVLC)  Biến đổi cosin rời rạc (DCT) được thay bằng biến đổi số nguyên  Sử dụng các bộ tham số (Parameter sets) để đảm bảo đồng bộ các luật mã hoá, và cũng để phân loại dữ liệu, tránh mất những dữ liệu quan trọng.  Sắp xếp macro-block linh hoạt: thực hiện phân mảnh mỗi khung hình ra thành nhiều nhóm slices khác nhau.

Khi giải mã, các nhóm slice sẽ được giải mã độc lập. Điều này đặc biệt có ích trong trường hợp thực hiện ẩn lỗi mức macro-block.  Cho phép thay đổi linh hoạt kích thước slice.  Dự phòng dữ liệu: để tăng độ an toàn, H.264 cho phép phía mã hoá bổ sung dữ liệu dự phòng cho một vùng của khung hình.

 Phân loại dữ liệu: dữ liệu của mỗi slice được phân ra thành 3 gói (A, B, C) dựa theo mức độ quan trọng, và sẽ có mức độ ưu tiên khác nhau khi truyền tin, và thậm chí là khi lưu trữ. Lớp trừu tượng mạng – NAL Mục tiêu của lớp trừu tượng mạng là mang lại tính “phù hợp với môi trường”. Với NAL, dữ liệu sau khi đã mã hoá bởi lớp VCL có thể được sử dụng trên các môi trường khác nhau:  RTP/IP, H.32X, MPEG-2 cho việc trao đổi/quảng bá thông tin thời gian thực trên mạng vô tuyến/hữu tuyến.  Các định dạng file khác nhau để lưu trữ, hay để gửi trên mạng như một bản tin MMS.

Trong NAL sử dụng một số khái niệm như: đơn vị NAL (NAL units), luồng byte (byte stream), gói (LUAN.tuyen Trang 13 TIEU LUAN MOI download : skknchat@gmail.