ES2339743T3 - Codificacion de video. - Google Patents

Abstract

Procedimiento de codificación de una señal de vídeo que representa una secuencia de imágenes para formar una señal de vídeo codificada, siendo algunas de las imágenes de dicha secuencia imágenes, imágenes de referencia que se utilizan para la predicción temporal de otras imágenes en la secuencia y siendo otras imágenes de dicha secuencia imágenes de no-referencia que no se utilizan para la predicción temporal de otras imágenes, caracterizándose el procedimiento porque comprende, además, la etapa que consiste en indicar un orden de codificación para las imágenes de referencia con un valor de indicador de secuencia, asignando a imágenes de referencia consecutivas en el orden de codificación valores de indicador de secuencia que difieren el uno respecto del otro en una cantidad predeterminada independiente del número de imágenes de no-referencia codificadas entre imágenes de referencia consecutivas, lo cual permite que un aparato de descodificación de vídeo detecte la corrupción y/o pérdida de imágenes de referencia.

Description

Codificación de vídeo.

La invención se refiere a la codificación de vídeo.

Una secuencia de vídeo consiste en una serie de imágenes o tramas inmóviles. Los procedimientos de compresión de vídeo se basan en reducir las partes redundantes y perceptualmente irrelevantes de secuencias de vídeo. La redundancia en las secuencias de vídeo se pueden categorizar en redundancia espectral, espacial y temporal. La redundancia espectral se refiere a la similitud entre los diferentes componentes de color de la misma imagen. La redundancia espacial se deriva de la similitud entre los píxeles vecinos en una imagen. La redundancia temporal existe debido a que los objetos que aparecen en una imagen previa han de aparecen también probablemente en la actual imagen. La compresión se puede conseguir aprovechando esta redundancia temporal y prediciendo la imagen actual a partir de otra imagen, calificado de imagen ancla o imagen de referencia. La posterior compresión se consigue generando datos de compensación de movimiento que describen el movimiento entre la imagen actual y la imagen anterior.

Sin embargo, no se puede conseguir suficiente compresión con solo reducir la redundancia inherente de la secuencia. De este modo, los codificadores de vídeo intentan también reducir la calidad de las partes de la secuencia de vídeo que son subjetivamente menos importantes. Además, la redundancia del flujo de bits codificado se reduce mediante codificación eficiente sin pérdida de coeficientes y parámetros de compresión. La técnica principal va dirigida al uso de códigos de longitud variable.

Los procedimientos de compresión de vídeo diferencian típicamente entre imágenes que utilizan reducción de redundancia temporal y los que no. Las imágenes comprimidas que no utilizan procedimientos de reducción de redundancia temporal se denominan normalmente tramas INTRA o tramas I o imágenes I. Las imágenes temporalmente predichas se predicen normalmente por adelantado a partir de una imagen que ha lugar antes de la imagen actual y se denominan tramas INTER o tramas P. En el caso de las tramas INTER, las imágenes predichas con compensación de movimiento tiene raramente suficiente precisión y por lo tanto una trama comprimida de error de predicción se asocia a cada trama INTER. Las imágenes INTER pueden contener áreas codificadas INTRA.

Muchos esquemas predichos de compresión de vídeo también usan tramas predichas temporal y bidireccionalmente, las cuales se denominan comúnmente imágenes B o trama B. Las imágenes B se insertan entre pares de imágenes ancla de tramas I y/o P y se predicen a partir de bien una o dos de estas imágenes ancla. Las imágenes B producen normalmente mayor compresión en comparación con las imágenes predichas adelantas. Las imágenes B no se usan como imágenes ancla, es decir, no se predicen otras imágenes a partir de éstas. Por lo tanto, se pueden desechar (intencional o no intencionalmente) sin tener ningún impacto sobre la calidad de imagen de futuras imágenes. Aunque las imágenes B pueden mejorar el rendimiento de compresión en comparación con las imágenes P, su generación requiere mayor complejidad computacional y uso de memoria, e introducen retardos adicionales. Esto no puede ser un problema para aplicaciones en tiempo no real, tales como la emisión de vídeo en tiempo real, pero pueden causar problemas en aplicaciones de tiempo real tales como la videoconferencia.

Una secuencia de vídeo comprimida consiste típicamente en una secuencia de imágenes, que se puede categorizar bastamente en imágenes INTRA temporalmente independientes e imágenes INTER temporal y diferencialmente codificadas. Puesto que la eficiencia de compresión en las imágenes INTRA es normalmente inferior a la de compresión en las imágenes INTER, las imágenes INTRA se usan con moderación, especialmente en aplicación de baja tasa de transferencia de bits.

Una secuencia de vídeo puede consistir en una serie de escenas o tomas. El contenido de las imágenes puede ser especialmente diferente de una escena a otra, y por lo tanto, la primera imagen de una escena típicamente con codificación INTRA. Hay frecuente cambios de escena en el material de televisión o cinematográfico, con lo cual los cortes de escena son relativamente raros en la videoconferencia. Además, las imágenes INTRA se insertan típicamente para detener la propagación temporal de errores de transmisión en una señal de vídeo reconstruida y proporcionar puntos de acceso aleatorios a un flujo de bits de vídeo.

El vídeo comprimido se corrompe fácilmente por errores de transmisión, principalmente por dos razones. En primer lugar, debido a la utilización de la codificación diferencial predictiva temporal (tramas INTER), se propaga un error tanto espacial como temporalmente. En la práctica, se entiende que una vez que se produce un error, este es fácilmente visible para el ojo humano durante un tiempo relativamente largo. Especialmente susceptibles son las transmisiones a baja tasa de transferencia de bits donde solamente hay pocas tramas con codificación INTRA, por lo tanto la propagación temporal de error no se detiene durante algún tiempo. En segundo lugar, el uso de códigos de longitud variable aumenta la susceptibilidad de errores. Cuando un error de bit altera la contraseña, el descodificador perderá la sincronización de contraseña y descodifica también posteriores contraseñas libres de error (que comprenden diversos bits) de forma incorrecta hasta código de la siguiente (o primera) sincronización. Un código de sincronización es un patrón de bits que no se puede generar a partir de ninguna combinación legal de otras contraseñas y tales códigos se añaden al flujo de bits a intervalos para permitir la resincronización. Además, los errores se producen cuando se pierden datos durante la transmisión. Por ejemplo, en las aplicaciones de vídeo que usan el protocolo de transporte UDP no fiable en redes IP, los elementos de red pueden desechar partes del flujo de bits de vídeo codificado.

Hay muchas maneras para el receptor de solucionar la corrupción introducida en la vía de transmisión. En general, al recibir una seña, los errores de transmisión en primer lugar se detectan y a continua se corrigen u ocultan por el receptor. La corrección de error se refiere al proceso de recuperar perfectamente los datos erróneos como si no se hubiesen introducido errores en primer lugar. La ocultación de error se refiere al proceso de ocultar los efectos de errores de transmisión de manera que son difícilmente visibles en la secuencia de vídeo reconstruida. Típicamente, se añade alguna cantidad de redundancia por la codificación de fuente o transporte para mantener la detección de error, la corrección de error y la ocultación de error. Las técnicas de ocultación de error se pueden clasificar bastamente en tres categorías: ocultación adelantada de error, ocultación de error por postprocesado y ocultación interactiva de error. El término "ocultación adelantada de error" se refiere a las técnicas en las cuales la parte transmisora añade redundancia a los datos transmitidos para mejorar la resiliencia de error de los datos codificados. La ocultación de error por postprocesado se refiere a operaciones en el descodificador en respuesta a características de las señales recibidas. Estos procedimientos evalúan la representación correcta de datos erróneamente recibidos. En la ocultación interactiva de error, el transmisor y el receptor cooperan para minimizar el efecto de los errores de transmisión. Estos procedimientos utilizan en gran medida información de realimentación proporcionada por el receptor. La ocultación de error por postprocesado se puede denominar también ocultación pasiva de error mientras las dos otras categorías representan formas de ocultación activa de error.

Hay numerosos algoritmos conocidos de ocultación, una análisis de las cuales es proporcionada por Y. Wang y Q.-F. Zhu en "Error control and Concealment for Video Communicación: A review" Proceedings of the IEEE, Vol. 86 No. 5, Mayo 1998, pp. 974-997 y un artículo de P. Salama, N. B. Shroff, y E. J. Delp, "Error Concealment in Encoded Video" presentado en IEEE Journal en Selected Areas in Communicatiins.

El documento EP 0 849 952 describe un procedimiento de codificación de señal de vídeo según la primera parte de la reivindicación 1.

Las normas actuales de codificación de vídeo definen una sintaxis para un flujo de bits de vídeo autosuficiente. Las normas más populares en el momento de la redacción son la recomendación H.263 de ITU.T, "Vídeo coding for low bit rate communication February", 1998; ISO/IEC 14496-2, "Generic coding of Audio-visual Objects. Part 2: visual", 1999 (conocido como MPEG-4); y la Recomendación H.262 de ITU-T (ISO/IEC13818-2) (conocida como MPEG-2). Estas normas definen una jerarquía para flujos de bits y correspondientemente para secuencias de imágenes e imágenes.

En H.263, la sintaxis tiene una estructura jerárquica con cuatro capas: imagen, segmento de imagen, macrobloque y capa de bloque. Los datos de capa de imagen contienen parámetros que afectan a todo el área de imagen y la decodificación de los datos de imagen. La mayor parte de estos datos están dispuestos en una denominada cabecera de imagen.

La capa de segmento de imagen puede ser bien un grupo de capas de bloques o una capa de fragmento. Por defecto, cada imagen se divide en grupos de bloques. Un grupo de bloques (GOB) comprende típicamente 16 líneas de píxeles sucesivas. Los datos para cada GOB consisten en una cabecera opcional de GOB seguida de datos para macrobloques. Si se usa el modo opcional estructurado de fragmento, cada imagen se divide en fragmentos en lugar de en GOBs. Un fragmento contiene un número de macrobloques sucesivos en orden de exploración. Los datos para cada fragmento consisten en una cabecera de fragmento seguida de datos para los macrobloques.

Cada GOB o fragmento se divide en macrobloques. Un macrobloque se refiere a 16 x 16 píxeles (o 2 x 2 bloques) de luminancia y los 8 x 8 píxeles espacialmente correspondiente (o bloques) de componentes de crominancia. Un bloque se refiere a 8 x 8 píxeles de luminancia o crominancia.

Los datos de capas de bloques consisten en coeficientes cuantificados de transformada discreta del coseno, que se escanean en zigzag, se procesan con un codificador de recorrido y se codifica con códigos de longitud variable. Las jerarquías de capa de MPEG-2 y MPEG-4 se parecen a la de H.263.

Por defecto, estas normas usan generalmente la imagen de referencia temporalmente anterior (I o P) (también conocida como imagen ancla) como referencia para la compensación de movimiento. . esta pieza de información no se transmite, es decir, el flujo de bits no incluye información que identifique la imagen de referencia. En consecuencia, los descodificadores no tienen medios para detectar si una imagen de referencia se pierde. Aunque muchos codificadores de transporte colocan datos de vídeo en paquetes y asocian un número de secuencia con los paquetes, estos números de secuencia no se relacionan con flujo de bits de vídeo. Por ejemplo, una sección de flujo de bits de vídeo puede contener la imagen-P P1, la imagen-b B2, la imagen-P P3 y la imagen-P P4 capturadas (y a visualizar en este orden. Sin embargo, esta sección se comprimiría, transmitiría y descodificaría en el siguiente orden: P1, P3, B2, P4 ya que B2 requiere tanto P1 y P3 antes de que se pueda codificar y descodificar. Suponiendo que hay una imagen por paquete, que cada paquete contiene un número de secuencia y que cada paquete que lleva B2 se pierde, el receptor puede detectar esta pérdida de paquete a partir de los números de secuencia de paquete. Sin embargo, el receptor no tiene medios para detectar si se ha perdido una imagen de referencia de compensación de movimiento para P4 si se ha perdido una imagen-B, en cuyo caso seguiría normalmente su descodificación.

El descodificador envía normalmente por lo tanto una petición INTRA al transmisor y congela la imagen en la pantalla de visualización. Sin embargo el transmisor puede no estar a punto de responder a esta solicitud. Por ejemplo, en una aplicación de emisión de vídeo en tiempo no-real, el transmisor no puede responder a una petición INTRA procedente de un descodificador. Por lo tanto, el descodificador congela la imagen hasta que se recibe la siguiente trama INTRA. En una aplicación en tiempo real tal como una videoconferencia, el transmisor puede no poder responder. Por ejemplo, en una conferencia multipartita, el codificador puede no poder responder a peticiones individuales. De nuevo, el descodificador congela la imagen hasta que la emisión de una trama INTRA por el transmisor.

Según un primer aspecto de la invención se proporciona un procedimiento para codificar una señal de vídeo según la reivindicación 1.

De este modo, cada imagen de referencia (por ejemplo las tramas I y las tramas P) se asocia a un número de secuencia. El indicador se incrementa cada vez que se codifica una imagen de referencia. Más ventajosamente, el indicador se incrementa en una cada vez que se codifica una imagen de referencia. De este modo, el indicador se incrementa en una a partir de la imagen de referencia anterior.

Si se usa codificación multicapa, preferiblemente este indicador se incrementa en una a partir de la imagen de referencia anterior en la misma capa de mejoramiento.

Incluir este indicador significa que un descodificador puede determinar si una imagen de referencia se ha perdido y toma una acción apropiada si se encuentra disponible. Este es así incluso si el protocolo de transporte no incluye información de secuencia acerca de los paquetes que se están transmitiendo o si el transmisor utiliza una estrategia de encapsulación variable. Por ejemplo, si el transmisor encapsula un número variable de GOBs en un paquete, los receptores no pueden saber de manera fiable cuantos GOBs o imágenes enteras se perdieron incluso si pudiesen detectar pérdidas de paquetes a partir de los números de secuencia de paquetes.

La invención también permite que un descodificador diferencie perdidas de imagen B de pérdidas de imagen de referencia. En consecuencia, los descodificadores pueden seguir descodificando después de una pérdida de imagen B en lugar de esperar a la siguiente imagen INTRA.

Además, un descodificador puede seguir descodificando capas inferiores de mejoramiento si se pierde una imagen de referencia de una capa superior de mejoramiento.

El número de orden de imagen de referencia puede serlo respecto de la imagen global o de parte de una imagen. En el caso anterior, típicamente el número de orden de imagen de referencia se incluye en una cabecera de imagen. En una realización preferida de la invención, la señal de vídeo se codifica según la norma H.263 y el indicador se incluye en la Información de Mejoramiento Adicional. Allí donde el NOIR (número de orden de imagen de referencia) lo es respecto de parte de una imagen, el número de orden de imagen de referencia se puede incluir en las cabeceras de segmento de imagen o cabeceras de macrobloque de la imagen codificada.

Según un segundo aspecto de la invención se proporciona un procedimiento para descodificar una señal de vídeo codificada según la reivindicación 9.

Preferiblemente, el descodificador envía una petición a un transmisor para codificar una imagen de una manera no-temporal cuando el indicador no prosigue consecutivamente a partir de una trama de referencia descodificada inmediatamente anterior.

Según un tercer aspecto de la invención se proporciona una señal de vídeo codificada según la reivindicación 18.

Según un cuarto aspecto de la invención se proporciona un codificador de vídeo según la reivindicación 26.

El indicador se incrementa cada vez que se codifica una imagen de referencia. Según un quinto aspecto de la invención se proporciona un descodificador de vídeo según la reivindicación 34.

La invención se refiere también a un dispositivo portátil de radiocomunicaciones que incluye un codificador y/o un descodificador tal como se describe.

La invención se describirá ahora, solo a modo de ejemplo, con referencia a los dibujos anexos, en los cuales:

La figura 1 muestra un sistema de comunicaciones móviles multimedia;

La figura 2 muestra un ejemplo de los componentes multimedia de un terminal multimedia;

La figura 3 muestra un ejemplo de codificador-descodificador (codec) de vídeo;

La figura 4 ilustra la operación de una primera implementación de un codificador de vídeo según una primera realización de la invención;

La figura 5 ilustra la operación de una segunda implementación de un codificador de vídeo según una primera realización de la invención;

La figura 6 muestra la sintaxis de un flujo de bits conocido según H.263;

La figura 7 muestra un primer ejemplo de una salida de flujo de bits por un codificador según la invención;

La figura 8 muestra un segundo ejemplo de una salida de flujo de bits por un codificador según la invención;

La figura 9 muestra un tercer ejemplo de una salida de flujo de bits por un codificador según la invención;

La figura 10 ilustra capas de mejoramiento usadas en la codificación de vídeo para la escalabilidad SNR; y

La figura 11 ilustra capas de mejoramiento usadas en la codificación de vídeo para la escalabilidad espacial.

La figura 1 muestra un sistema de comunicaciones móviles multimedia. Un primer terminal 1 móvil multimedia con un segundo terminal 2 móvil multimedia con un enlace de radio 3 con una red 4 de comunicaciones móviles. Los datos de control se envían entre los dos terminales 1, 2 así como los datos multimedia.

La figura 2 muestra los componentes multimedia típicos de un terminal 1. El terminal comprende un codec de audio 20, un gestor de protocolo de datos 30, un gestor de control 40, un multiplexor/desmultiplexor 50 y un modem 60 (sí es necesario). El codec 10 de vídeo recibe señales para codificar a partir de un dispositivo de captura de vídeo del terminal (no mostrado) (por ejemplo una cámara) y recibe señales para descodificar a partir de un terminal 2 remoto para su visualización por el terminal 1 en la pantalla de visualización 70. El codec 20 de audio recibe señales para codificar a partir del micrófono (no mostrado) del terminal 1 y recibe señales para descodificar a partir de un terminal 2 remoto para su reproducción mediante un altavoz (no mostrado) del terminal 1.

El gestor de control 40 controla la operación del codec 10 de vídeo, el codec 20 de audio y el gestor 30 de protocolo de datos. Sin embargo, puesto que la invención se refiere a la operación del codec 10 de vídeo, no se hará mencionarán más el codec 20 y el gestor de protocolo 30.

La figura 3 muestra un ejemplo de un codec 10 de vídeo según la invención. El codec de vídeo comprende una parte 100 codificadora y una parte de descodificador 200. La parte 100 codificadora comprende una salida 101 para recibir una señal de vídeo de una cámara o fuente de vídeo (no mostrada) del terminal 1. Un conmutador 103 conmuta el codificador entre un modo INTRA de codificación y un modo INTER.

En el modo INTRA, la señal de vídeo de la entrada 101 se transforma en coeficientes DCT mediante un transformador DCT 103. Los coeficientes DCT pasan entonces a un cuantificador 104 que cuantifica los coeficientes. Tanto el conmutador 102 como el cuantificador 104 son controlados por un gestor 105 de control de codificación del codec de vídeo, que también recibe control de realimentación procedente del terminal de recepción 2 mediante el gestor de control 40.

En el modo INTER, el conmutador 102 se utiliza para aceptar procedente de un sustractor 106 la diferencia entre la señal de la entrada 101 y una imagen anterior que se almacena en un almacén de imágenes 107. La salida de datos de diferencia del sustractor 106 representa el error de predicción entre la imagen actual y la imagen anterior almacenada en el almacén de imágenes 107. Los datos en el almacén 107 de imágenes se genera pasando la salida de datos por el cuantificador a través de un cuantificador 108 inverso y aplicando una transformada DCT inversa 109 a los datos cuantificados de transformada. Los datos resultantes se añaden al contenido del almacén 107 de imágenes por el adicionador 110. Un estimador 111 de movimiento puede generar datos de compensación de movimiento a partir de los datos en el almacén 107 de imágenes de una manera convencional.

El gestor 105 de control de codificación decide si aplicar codificación INTRA o INTER o si codificar la trama totalmente sobre la base de bien la salida del sustractor 106 o en respuesta a los datos de control de realimentación recibidos por un descodificador de recepción. Cuando no hay respuesta a los datos de control de realimentación, el codificador codifica típicamente una trama como trama INTRA bien sólo al inicio de la codificación (siendo todas las otras tramas, tramas P), o un periodo regular, por ejemplo 5 segundos, o cuando la salida del sustractor supera un umbral, es decir, cuando la imagen actual y la almacenada en el almacén de imágenes 107 son demasiado distintos. El codificador también se puede programar para codificar tramas en una secuencia regular particular, por ejemplo, I B B P B B P B B P B B P BB I B B P etc. Además, el gestor de control de codificación puede decidir no codificar en absoluto una trama recibida. Esto ocurre cuando la similitud entre la trama actual y la trama de referencia es demasiado elevada para que el codificador decida no codificar la trama actual. El gestor de control de codificación utiliza en consecuencia el conmutador.

El codec de vídeo produce los coeficientes 112a DCT cuantificados, el índice 112b de cuantificación (es decir los detalles del cuantificador usado), un indicador INTRA/INTER 112c para indicar el modo de codificación llevado a cabo (I o P/B), un indicador de transmisión 112d para indicar el número de la trama que se está codificando y los vectores de movimiento 112e para la imagen que se está codificando. Estos se multiplexan juntos mediante el multiplexor 50 junto con otras señales multimedia.

La parte de descodificador 200 del codec 10 de vídeo comprende un cuantificador 120 inverso, un transformador 121 DCT inverso, un compensador 122 de movimiento, un almacén 123 de imágenes y un controlador 124. El controlador 124 recibe señales de control de codec de vídeo desmultiplexadas a partir del flujo multimedia codificado por el desmultiplexor 50. En la práctica el controlador 105 del codificador y el controlador 124 del descodificador puede ser el mismo procesador.

Ahora se describirá la operación de un codificador según la invención. El codec 10 de vídeo recibe una señal de vídeo a codificar. El codificador 100 del codec de vídeo codifica la señal de vídeo llevando a cabo la transformación DCT, cuantificación y compensación de movimiento. Los datos de vídeo descodificados se envían entonces al multiplexor 50. El multiplexor 50 multiplexa los datos de vídeo desde el codec 10 de vídeo y datos de control desde el gestor 40 de control (así como otras señales de manera apropiada) en una señal multimedia. El terminal 1 envía esta señal multimedia al terminal 2 de recepción por el modem 60 (si es necesario).

En una primera realización de la invención, cada vez que el codificador codifica una trama que puede formar la trama de referencia para una posterior trama, el gestor 105 de control de codificación asocia a la trama un denominado Número de Orden de Imagen de Referencia (NOIR). Por ejemplo, un NOIR se asocia con cada trama I o P de una señal de vídeo pero no con una trama B. El valor NOIR se incrementa cada vez que se codifica una imagen de referencia sucesiva, preferiblemente en 1.

El gestor 105 de control de codificación 104 envía la contraseña NOIR sobre la salida 112f que indica el Numero de Orden de Imagen de Referencia asociado a la trama codificada. Este se multiplexa en el flujo de bits de vídeo por un multiplexor.

La figura 4 ilustra la operación del codificador. En esta realización, se dispone el codificador para producir una trama I cuando la similitud entre la trama que se está codificando y la trama de referencia es inferior a un primer umbral, es decir cuando la salida del sustractor 106 es superior a un primer umbral. Por el contrario, el codificador produce tramas P. La primera línea de la figura 4 representa las tramas de datos recibidos de un dispositivo de entrada de captura y su introducción en el codificador de vídeo en la entrada 101. La segunda línea de la figura 4 representa las tramas de la señal de entrada que el codificador decide codificar y el modo de codificación usado para codificar cada trama. Como se ha mencionado anteriormente, el gestor de control de codificación puede decidir que una trama no ha de ser codificada: se ejemplifica en la figura 5 mediante el hecho de que las tramas 2, 3 y 11 no se codifican.

La trama 1 se codifica en modo INTRA; la trama 4 se codifica como trama P con referencia a la trama 1; la trama 5 se codifica como trama P con referencia a la trama 4; la trama 6 se codifica como trama P con referencia a la trama 5; la trama 7 se codifica como trama P con referencia a la trama 6; la trama 8 se codifica como trama I; la trama 9 se codifica como trama P con referencia a la trama; la trama 10 se codifica como trama P con referencia a la trama 9; la trama 12 se codifica como trama P con referencia a la trama 10.

En esta realización todas (no solamente la última) de las tramas codificadas como la trama de referencia para una trama anterior. De este modo, un NOIR se asocia a todas las tramas a codificar, como se muestra en la tercera línea de la figura 4. Como se puede observar, el NOIR se incrementa en 1 cada vez.

La cuarta línea de la figura 4 muestra la Referencia Temporal (TR) de la trama codificada. Este es un campo incluido en H.263 y el valor de TR se forma incrementando su valor en la cabeza de imagen de referencia temporalmente anterior en 1 más el número de imágenes saltadas o sin referencia a partir de la previamente transmitida. De este modo, en el ejemplo mostrado en la figura 4, la TR mostrada para cada trama es la misma como el número original en señal original introducida en 102.

La figura 5 muestra una segunda realización de un codificador según la invención. En esta realización, el codificador se dispone para codificar las tramas según la secuencia regular I B B P B B P B B P B B P B B I B B P. La primera línea de la figura 5 muestra las tramas de entrada y la segunda línea muestra las tramas codificadas y su modo de codificación I, P o B.

La trama se reciben a partir de un dispositivo de captura de vídeo en el orden 1,2,3,4,5,6 etc y se visualizan en este orden, es decir, las tramas descodificadas se visualizan en el orden I1, B2, B3, P4, B5, B6, P7, etc. Sin embargo, los flujos de bits de vídeo se comprimen, transmiten y descodifican en el siguiente orden I1, P4, B2, B3, P7, B5, B6, etc. Esto es debido a que cada trama B requiere tramas de referencia anteriores y posteriores antes de ser codificadas/descodificadas, es decir la trama 2 requiere la trama I1 y P4 a codificar/descodificar antes de que la trama B2 se pueda codificar/descodificar.

Como se ha explicado anteriormente, las tramas B se insertan entre pares de imágenes ancla de tramas I y/o P y se predicen a partir, bien de una o ambas de estas imágenes ancla. De este modo en la ilustración dada en la figura 5, la trama 1 se codifica en modo INTRA; la trama 4 se codifica como una trama B con una referencia a la trama 1 y/o 6; la trama 5 se codifica como una trama B con referencia a la trama 1 y/o 6; la trama 6 se codifica una trama P con referencia a la trama 1; la trama 7 se codifica como una trama B con referencia a la trama 6 y/o 9; la trama 8 se codifica como una trama B con referencia a la trama 6 y/o 9; la trama 9 se codifica como una trama P con referencia a la trama 6; La trama 10 se codifica como una trama B con referencia a la trama 9 y/o 13 (no mostrada); la trama 12 se codifica como una trama B con referencia a la trama 9 y/o 13 y así sucesivamente.

\newpage

En esta realización, cada trama I y trama P de la secuencia codificada actúa como una trama de referencia para otra trama. Sin embargo, una trama B no actúa como una imagen de referencia para cualquier otra trama. De este modo, un NOIR se asocia a todas las tramas I y tramas P, como se muestra en la tercera línea de la figura 5. Como se puede observar, el NOIR se incrementa en 1 cada vez. De este modo, la trama 1 (una trama I) tiene un NOIR de 1, trama 4 (una trama P) tiene un NOIR de 2 y una trama 9 (una trama P) tiene un NOIR de 3.

La cuarta línea de la figura 5 muestra la Referencia Temporal (TR) de la trama codificada. Como en el ejemplo mostrado en la figura 4, la TR mostrada para cada trama es la misma que la orden de ocurrencia en la señal original introducida en 10.

Considerando el terminal 1 como que recibe datos de vídeo codificados a partir del terminal 2, ahora se describirá la operación del codec 10 de vídeo con referencia a su función de descodificación. El terminal 1 recibe una señal multimedia a partir del terminal 2 de transmisión. El desmultiplexor 50 desmultiplexa la señal multimedia y pasa los datos de vídeo al codec 10 de vídeo y los datos de control al gestor 40 de control. El descodificador 200 del codec de vídeo descodifica los datos de vídeo codificados por cuantificación inversa, transformación DCT inversa y compensación de movimiento de los datos. El controlador 124 del descodificador verifica la integridad de los datos recibidos y, si se detecta un error, intenta ocultar el error de la manera descrita más adelante. Los datos de vídeo descodificados, corregidos y ocultados se envían entonces para su reproducción a una pantalla 70 de visualización del terminal 1 de recepción.

Los errores en los datos de vídeo se pueden producir al nivel de la imagen , el nivel GOB o el nivel de macrobloque. La verificación de error se puede llevar a cabo en cualquiera de o en todos estos niveles.

Considerando en primer lugar la señal mostrada en la figura 4, cuando un descodificador según la invención recibe esta señal cada trama de la señal se descodifica de una manera convencional y a continuación se visualiza en un medio de visualización. En la trama descodificada se puede corregir el error u ocultar el error de una manera convencional. Cada vez que se descodifica una trama, el descodificador examina el campo TR para determinar cuando la trama se ha de visualizar. Si las TR no son consecutivas (por ejemplo el descodificador recibe una trama con TR=1 y entonces una trama TR=4), el descodificador mantiene la trama 1 en la pantalla de visualización 3 veces el periodo de trama normal, como es convencional. El descodificador también examina el NOIR de las tramas recibidas. En el caso mostrado en la figura 4, el descodificador recibe la trama 1 y observa que esta trama tiene un NOIR=1; El descodificador recibe entonces la TR=4 y TR=2. El descodificador compara el NOIR de la trama actualmente recibida con el NOIR de la trama anteriormente recibida y calcular la diferencia entre los valores NOIR. En este caso la diferencia es 1 y el descodificador sabe por lo tanto que no se ha perdido ninguna imagen de referencia entre la trama actual y la trama de referencia descodificada anterior. El descodificador sigue por lo tanto descodificando la señal de una manera convencional.

Suponiendo ahora que el descodificador no puede reconstruir la trama 5 (esto se puede deber a que los datos están muy corrompidos o que se han perdido juntos) y la siguiente trama recibida y descodificada por el descodificador es la trama 6. El descodificador compara el NOIR de la trama actualmente recibida (trama 6) con el NOIR de la trama de referencia actualmente recibida y descodificada (trama 4) y calcula la diferencia entre los valores NOIR. En este caso, la diferencia es 2 y el descodificador sabe por lo tanto que una imagen de referencia se ha perdido entre la transmisión de la trama actual y la de la trama anterior. Si el descodificador tiene la facilidad de enviar datos de realimentación de control al codificador de vídeo de transmisión, el descodificador puede enviar una petición al codificador de vídeo de transmisión para codificar una trama como trama INTRA y de este modo detener la propagación de error temporal que resultaría de la trama 6 que se está descodificando con referencia a la trama 4.

Considerando ahora la señal como se muestra en la figura 5, cuando un descodificador según la invención esta señal cada trama de la señal se descodifica de una manera convencional y a continuación se visualiza en un medio de visualización. La trama descodificada se puede corregir en error y ocultar en error de una manera convencional. Cada vez que se descodifica una trama, el descodificador examina el campo TR para determinar cuando se ha de visualizar la trama. El descodificador también examina le NOIR de las tramas recibidas.

En el caso mostrado en la figura 5, el descodificador recibe la trama 1 y observa que esta trama tiene un NOIR=1. El descodificador descodifica esta trama de una manera convencional de modo INTRA. La siguiente trama recibida por el descodificador es entonces la trama 6, con TR=6 y NOIR=2. El descodificador compara el NOIR de la trama actualmente recibida (trama 6) con el NOIR de la trama de referencia anteriormente recibida y descodificada (trama 1) u calcula la diferencia entre el NOIR. En este caso la diferencia es y el descodificador sabe entonces que no se ha perdido ninguna imagen de referencia entre la transmisión de la trama actual y la de la trama de referencia descodificada anterior. El descodificador descodifica entonces la trama 6 con referencia a la trama 1.

El descodificador recibe entonces una trama con TR=4 y sin NOIR. En este caso el descodificador no usa el NOIR y descodifica la trama 4 con referencia a las tramas descodificadas 1 y 6.

Suponiendo que el descodificador no puede reconstruir la trama 5 (esto se puede deber a que los datos están muy corrompidos o que se han perdido juntos). El hecho de que la trama B 5 se ha perdido no es consecuencia del descodificador ya que la trama B no forma una imagen de referencia para ninguna otra trama y de este modo su pérdida no presentará ninguna propagación de error temporal.

La siguiente trama a recibir es la trama 9. Sin embargo, suponiendo que el descodificador no pueda reconstruir la trama 9, que es una trama P (esto se puede deber a que los datos están muy corrompidos o que se han perdido juntos). El descodificador puede por lo tanto no poder descodificar con éxito ninguna de las tramas 7, 8, 10 o 12 ya que todas ellas se pueden predecir, en parte al menos, con referencia a la trama 9. Típicamente, en esta situación, el descodificador congelará la imagen visualizada.

La siguiente trama recibida y descodificada por el descodificador es la trama 13. El descodificador compara el NOIR de la trama actualmente recibida (trama 13) con el NOIR de la trama de referencia actualmente recibida y descodificada (trama 6) y calcula la diferencia entre el NOIR. En este caso, la diferencia es 2 y el descodificador sabe por lo tanto que una imagen de referencia se ha perdido entre la trama actual y la trama de referencia descodificada anterior. Si el descodificador tiene la facilidad de enviar datos de realimentación de control al codificador de vídeo de transmisión, el descodificador puede enviar una petición al codificador de vídeo de transmisión para codificar una trama como trama INTRA y de este modo detener la propagación de error temporal que resultaría de la trama 13 que se está descodificando con referencia a la trama 6.

Ahora se solucionará el modo en que el número de orden de imagen de referencia se puede incluir en la señal codificada con referencia a la norma de codificación de vídeo H.263.

La figura 6 muestra la sintaxis de un flujo de bits conocido según la H.263. Las siguientes implementaciones describen el formato GOB pero será evidente para el experto en la técnica que la invención se puede llevar a cabo también en el formato de fragmento.

Como ya se ha mencionado, el flujo de bits tiene cuatro capas: la capa de imagen, la capa de segmento de imagen, la capa de macrobloque y la capa de bloque. La capa de imagen comprende una cabecera de imagen seguida por los datos para el Grupo de bloques, eventualmente seguido por cualquier código opcional de fin de secuencia y bits de justificación.

El flujo de bits de H.263 de la técnica anterior se formatea como se muestra en la figura 6. Se da en lo sucesivo para cada parte un descriptor:

PSC

El código de inicio de imagen (PSC) indica el inicio de la imagen.

TR

La referencia temporal (TR) se forma incrementando su valor en la cabecera de imagen de referencia temporalmente anterior en 1 más el número de imágenes saltadas o no referenciadas a partir de la anteriormente transmitida.

PTYPE

entre otras consideraciones, PTYPE incluye detalles del tipo de codificación de imagen, es decir, INTRA o INTER.

PQUANT

Una contraseña que indica el cuantificador a utilizar para la imagen hasta su actualización por cualquier información posterior de cuantificador .

CPM

Una contraseña que indica el uso opcional del modo multipunto de presencia continua y multiplexa de vídeo (CPM).

PSBI

Indicador de subflujo de bits de imagen - solamente presente si se establece el CPM.

TR_{B}

Presente si la trama es una trama predicha bidireccionalmente (conocida como trama PB)

DBQUANT

Presente en caso de trama bidireccional.

PEI

Se refiere a una información de inserción adicional y se establece en "1" para indicar la presencia de los siguientes campos de datos opcionales PSUPP y PEI. PSUPP y PEI se conocen juntos como Información de Mejoramiento Adicional, que se define, además, en el Anexo L de H.263.

GOBS

Son los datos para el grupo de bloques para la imagen actual.

ESTF

Una contraseña de justificación proporcionada para alcanzar la alineación de bytes antes de EOS.

PSTUF

Contraseña de justificación para permitir la alineación de bytes del siguiente código de inicio de imagen PSC.

\vskip1.000000\baselineskip

La estructura como se muestra en la figura 4 no incluye el campo de datos PLUSTYPE opcional. PSBI está solamente presente si se indica mediante CPM. TRB y DBAUQNT están solamente presente si PTYPE indica el uso de un denominado modo de trama PB (a menos que el PLUSTYPE presentado esté presente y que se indique el DBQUANT) Estas cuestiones se tratan más en detalles en la especificación H.263.

Los siguientes párrafos presentan posibles implementaciones de la salida de flujo de bits mediante un codificador según el primer aspecto de la invención.

El número de orden de imagen de referencia se puede incorporar a un flujo de bits H.263 por un codificador según la primera implementación de la invención, como se muestra en la figura 7, el flujo de bits incluye una contraseña NOIR adicional que es una contraseña que indica el número de orden de imagen de referencia. Esta se inserta mediante un codificador según la invención, como se describe anteriormente.

Alternativamente, el número de orden de imagen de referencia se puede incluir en la Información de Mejoramiento Adicional PSUPP (ver Anexo L de H.263 y la figura 4). La información adicional puede estar presente en el flujo de bits aunque el descodificador puede no poder proporcionar la capacidad mejorada para su uso. O incluso para su correcta interpretación. Es posible desecha simplemente la información adicional por los descodificadores a menos que se haya negociado un requisito para proporcionar la capacidad solicitada por el transmisor y el receptor.

Si PEI se establece en "1", entonces siguen 9 bits que consisten en 8 bits de datos (PSUPP) y otro bit PEI para indicar si siguen 9 bits y así sucesivamente.

Los datos PSUPP consisten en una indicación de tipo de función FTYPE de 4 bits y otra especificación de dimensión de datos de parámetro FTYPE de 4 bits seguida por los octetos DSIZE de datos de parámetro de función, opcionalmente seguido por otro FTYPE y así sucesivamente. Se conoce la utilización de esta contraseña de PSUPP para señalizar diversas situaciones tales como: Indicar una petición de congelación o no-congelación de imagen completa o imagen parcial con o sin redimensionamiento; Para controlar imágenes o secuencias particulares en el flujo de vídeo para un uso externo; o para transportar información de inserción de fondo para composición de vídeo.

Para llevar a cabo la invención usando le Información de Mejoramiento Adicional, se define un FTYPE adicional como Número de Orden de imagen de Referencia.

La figura 8 ilustra el ejemplo donde se incluye un NOIR de parámetro en el SEI de la cabecera de imagen. El FTYPE se define como NOIR. El DSIZE especifica el tamaño del parámetro y los siguientes octetos son los datos del parámetro, por ejemplo, el valor de NOIR. A partir de este valor un descodificador de recepción puede determinar si se ha perdido una imagen de referencia.

Alternativamente, la información puede ir contenida en la Información de Mejoramiento Adicional como se especifica en "Draft of new Annex W. Addicional Supplementary Enhancement Information Specification" p. Ning and S. Wenger, ITU-T Study Group 16 Question 15 Document Q15-I-58, noviembre 1999.

En esta proposición de borrador, se define el FTYPE 14 como "Mensaje de imagen". Cuando se establece este FTYPE, la función de mensaje de imagen indica la presencia de uno o más octetos que representan datos de mensaje. El primer octeto de los mensajes de datos es una cabecera de mensaje. Con la estructura mostrada en la figura 9, es decir, CONT, EBIT y MTYPE. DSIZE es igual al número de octetos en los datos de mensaje que corresponden a una función de mensaje de imagen, incluyendo la cabecera de mensaje del primer octeto.

El campo de continuación CONT, si es igual a 1, indica que los datos de mensaje asociados al mensaje de imagen son parte del mismo mensaje lógico que los datos de mensaje asociado a la función de mensaje de la siguiente imagen. El campo de posición final de bits EBIT especifica el número de bits menos significantes que se ignorarán en el último octeto de mensaje. Otros detalles de estos campos se pueden encontrar en el borrador de Anexo W referido anteriormente.

El campo MTYPE indica el tipo de mensaje. Se sugieren diversos tipos de mensaje en el borrador del Anexo W. Según la invención un tipo, por ejemplo, MTYPE 12 se define como NOIR o Número de Imagen. El mensaje contiene dos bytes de datos que llevan un Número de imagen de 10 bits. En consecuencia, DSIZE será 3, CONT será 0, y EBIT será 6. El Número de Imagen será incrementado en 1 para cada imagen I o P o trama PB o PB mejorada codificada o transmitida, en una operación de módulo de 10 bits. Para las imágenes EI o EP el Número de Imagen se incrementará para cada imagen EI o EP dentro de la misma capa de mejoramiento de escalabilidad. Para las imágenes B, el Número de Imagen se incrementará respecto del valor en la imagen no-B más reciente en la capa de referencia de la imagen B que precede la imagen B en el orden de flujo de bits (una imagen que es temporalmente posterior a la imagen B). Si las imágenes adyacentes en la misma capa de mejoramiento tienen la misma referencia temporal, y si el modo de selección de imagen de referencia (véase Anexo N) está en uso, el descodificador contemplará este caso como una indicación de que se han enviado copias redundantes de aproximadamente el mismo contenido de escena de imágenes, y todas estas imágenes compartirán el mismo Número de Imagen. Si la diferencia (módulo 1024) de los Números de Imagen de dos imágenes no B recibidas consecutivamente en la misma capa de mejoramiento no es 1, y si las imágenes no representan aproximadamente el contenido de escena de imágenes como se describe anteriormente, se puede inferir una pérdida de imágenes o una corrupción de datos por el descodificador. El valor de NOIR se define en el octeto que sigue a la cabecera de mensaje.

En un ejemplo específico, este mensaje contiene un byte de datos, es decir, DSIZE es 2, CONT es 0 y EBIT es 0.

\newpage

El Número de Orden de Imagen de Referencia se incrementa en 1 a partir del número correspondiente de la imagen de referencia anterior codificada. Los 8 bits menos significantes del resultado del incremento se colocan en el byte de datos asociado a este mensaje.

La invención se puede igualmente llevar a cabo de acuerdo con el Anexo U para H.263.

La descripción anterior ha hecho referencia a flujos de vídeo codificados en los cuales se codifican imágenes predichas bidireccionalmente (Imagen B). Como sea menciona anteriormente, las imágenes B nunca se usan como imágenes de referencia. Ya que se pueden desechar sin tener ningún impacto sobre la calidad de imagen de futuras imágenes, proporcionan escalabilidad temporal. La escalabilidad permite la descodificación de una secuencia de vídeo comprimida a más de un nivel de calidad. Dicho de otro modo, una secuencia multimedia escalable se puede comprimir de manera que se pueda emitir sobre canales con diferentes tasas de datos y se pueda también descodificar y reproducir en tiempo real.

De este modo, el flujo de vídeo se puede descodificar de diferentes maneras por diferentes descodificadores. Por ejemplo, un descodificador puede decidir solamente descodificar las imágenes I y P de una señal, si es la máxima tasa de descodificación que el descodificador puede alcanzar. Sin embargo, si un descodificador tiene la capacidad, puede también descodificar las imágenes B y de este modo incrementar la tasa de visualización de imágenes. De este modo, la calidad de imagen percibida de la imagen visualizada se mejorará respecto de un descodificador que solamente descodifica las imágenes I y P.

El multimedia escalable se ordena típicamente para que haya capas jerárquicas de datos. Una capa de base contiene una representación básica de la secuencia multimedia mientras las capas de mejoramiento contienen datos de refinamiento en la parte superior de las capas subyacentes. En consecuencia, las capas de mejoramiento mejoran la calidad de la secuencia.

La escalabilidad es una propiedad deseada para entornos heterogéneos y propensos a error. Esta propiedad es deseable para hacer frente a limitaciones tales como restricciones en la tasa de transferencia de bits, la resolución de visualización, la capacidad de procesamiento de red y la complejidad descodificadora.

La escalabilidad se puede usar para mejorar la resiliencia de error en un sistema de transporte donde la codificación por capas se combina con la priorización de transporte. El término priorización de transporte se refiere aquí a diversos mecanismos para proporcionar diferentes cualidades de servicio en transporte, incluyendo la protección desigual de error, para proporcionar diferentes canales con diferentes tasas de error/pérdida. Dependiendo de su naturaleza, los datos se asignan de manera diferente. Por ejemplo, la capa base se puede suministrar a través de un canal con un alto grado de protección de error, y las capas de mejoramiento se pueden transmitir a través de más canales propensos a error.

Generalmente, la codificación multimedia escalable experimenta una pero eficiencia de compresión que la codificación no-escalable. Dicho de otro modo, una secuencia multimedia codificada como secuencia multimedia escalable con capas de mejoramiento requiere mayor ancho de banda que si se hubiese codificado como una única secuencia monocapa no escalable con igual calidad. Sin embargo, existen excepciones a esta regla general, por ejemplo las tramas B temporalmente escalable en compresión de vídeo.

La invención se puede aplicar a otros sistemas de compresión de vídeo. Por ejemplo, en el anexo O de H.263, se definen dos otras formas de escalabilidad: escalabilidad de señal a ruido (SNR) y escalabilidad espacial.

La escalabilidad espacial y la escalabilidad SNR están estrechamente relacionadas, siendo la única diferencia la mayor resolución espacial proporcionada por escalabilidad espacial. Un ejemplo de imágenes escalables SNR se muestra en la figura 10. La escalabilidad SNR implica la creación de flujos de bits de multitasa. Permite la recuperación de errores de codificación, o diferencias entre una imagen original y su reconstrucción. Esto se consigue usando un cuantificador más fino para codificar la imagen de diferencia en una capa de mejoramiento. Esta información adicional aumenta el SNR de la imagen global reproducida.

La escalabilidad espacial permite la creación de flujos de bits de multiresolución para satisfacer diversos requisitos y/o restricciones de visualización. Una estructura espacialmente escalable se ilustra en la figura 11. Es esencialmente la misma que en la escalabilidad SNR salvo que una capa de mejoramiento espacial intenta recuperar la pérdida de codificación entre una versión sobremuestreada de la imagen de capa de referencia reconstruida y una versión de mayor resolución de la imagen original. Por ejemplo, si la capa de referencia tiene una resolución de formato intermedio de cuarto común (QCIF), y la capa de mejoramiento tiene una resolución de formato intermedio común (CIF), la imagen de capa de referencia se debe escalar en consecuencia de tal manera que la imagen de capa de mejoramiento se pueda predecir a partir de la misma. La norma QCIF permite la resolución a incrementar por un factor de dos solamente en la dirección vertical, solamente en la dirección horizontal, o tanto las direcciones vertical como horizontal para una única capa de mejoramiento. Puede haber múltiples capas de mejoramiento, incrementando cada una la resolución de imagen respecto de la de la capa anterior. Los filtros de interpolación usadas para sobremuestrear la imagen de capa de referencia se definen explícitamente en la norma H.263. Aparte del proceso de sobremuestreo de la referencia a la capa de mejoramiento, el procesamiento y la sintaxis de una imagen escalada espacialmente son idénticos a los de una imagen escalada SNR.

Bien en la escalabilidad SNR o espacial, las imágenes de capa de mejoramiento se denominan imágenes EI o EP. Si la imagen de capa de mejoramiento se predice al alza partir de una imagen en la capa de referencia, entonces la imagen de capa de mejoramiento se denomina imagen de mejoramiento I (EI). En este tipo de escalabilidad, la capa de referencia significa la capa "por debajo" de la capa de mejoramiento actual. En algunos casos, cuando las imágenes de capa de referencia se predicen incorrectamente, se puede producir la sobrecodificación de partes estáticas de la imagen en la capa de mejoramiento, causando una tasa de transferencia de bits innecesariamente excesiva. Para evitar este problema, se permite la predicción adelantada en la capa de mejoramiento. Una imagen que se puede predecir en la dirección hacia delante desde una imagen anterior de capa de mejoramiento o alternativamente, predicha al alza a partir de la imagen de capa de referencia se denomina imagen de Mejoramiento P (EP). Obsérvese que calcular la media de las imágenes predichas ascendente y adelantadamente puede proporcionar una predicción bidireccional para imágenes EP. Tanto para las imágenes EI como para las imágenes EP, la predicción al alza a partir de la imagen de capa de referencia implica que no se requieren vectores de movimiento. En el caso de predicción adelantada para imágenes EP se requieren vectores de movimiento.

Según la invención, si el codificador es capaz de realizar una codificación multicapa (por ejemplo como se menciona en el Anexo O de H.263) las imágenes de referencia de cada capa son Números de Orden de Imagen de Referencia dados. Estos se pueden asociar al número de capa de mejoramiento (ELNUM) de la imagen actual. El Número de Orden de Imagen de Referencia se incrementa en 1 a partir del número correspondiente de la imagen de referencia anterior codificada en la misma capa de mejoramiento.

Como se muestra en las figuras 10 y 11, las imágenes de la capa de mejoramiento se pueden predecir a partir de una imagen anterior de la capa de mejoramiento y/o a partir de la imagen equivalente I o P de la capa base. La capa de mejoramiento no se puede predecir a partir de una imagen B en la capa de referencia.

Si las imágenes adyacentes en la misma capa de mejoramiento tienen la misma referencia temporal, y si el Anexo N o el Anexo U de H.263 está en uso, el descodificador contempla preferiblemente este caso como una indicación de que se han enviado copias redundantes de aproximadamente el mismo contenido de escena de imágenes, y todas estas imágenes comparten entonces el mismo NOIR.

Un descodificador según la invención, al recibir una señal multicapa descrita anteriormente, intenta descodificar la señal de una manera convencional. En cada capa, cada vez que se descodifica una imagen de referencia, el descodificador examina el NOIR de la imagen descodificada. Si el descodificador determina que se ha perdido una imagen de referencia a partir de una capa de mejoramiento, el descodificador deja de visualizar imágenes a partir de la capa de mejoramiento hasta que se recibe una imagen EI. El descodificador sigue descodificando la capa base como se ha descrito anteriormente.

No se pretende que la invención esté limitada a los protocolos de codificación de vídeo anteriormente desvelados: estos están destinados a ser meramente ejemplares. La invención se puede aplicar a cualquier protocolo de codificación en el cual se pueda usar predicción temporal. La adición de la información mencionada anteriormente permite que un descodificador de recepción determine que se ha perdido una imagen de referencia y tomar una acción apropiada.

Claims (44)

1. Procedimiento de codificación de una señal de vídeo que representa una secuencia de imágenes para formar una señal de vídeo codificada, siendo algunas de las imágenes de dicha secuencia imágenes, imágenes de referencia que se utilizan para la predicción temporal de otras imágenes en la secuencia y siendo otras imágenes de dicha secuencia imágenes de no-referencia que no se utilizan para la predicción temporal de otras imágenes, caracterizándose el procedimiento porque comprende, además, la etapa que consiste en indicar un orden de codificación para las imágenes de referencia con un valor de indicador de secuencia, asignando a imágenes de referencia consecutivas en el orden de codificación valores de indicador de secuencia que difieren el uno respecto del otro en una cantidad predeterminada independiente del número de imágenes de no-referencia codificadas entre imágenes de referencia consecutivas, lo cual permite que un aparato de descodificación de vídeo detecte la corrupción y/o pérdida de imágenes de referencia.

2. Procedimiento según la reivindicación 1, que comprende la etapa que consiste en incrementar el valor de indicador de secuencia en uno cada vez que una imagen de referencia se codifica.

3. Procedimiento según la reivindicación 1 o 2, que comprende la etapa que consiste en incluir el valor de indicador de secuencia en una cabecera de imagen.

4. Procedimiento según la reivindicación 1, que comprende las etapas que consisten en codificar la señal de vídeo según la norma de codificación de vídeo H.263 y en incluir el valor de indicador de secuencia en la información de mejoramiento adicional del flujo de bits H.263.

5. Procedimiento según la reivindicación 1, que comprende la etapa que consiste en asociar el valor de indicador de secuencia a la totalidad de una imagen.

6. Procedimiento según la reivindicación 1, que comprende la etapa que consiste en asociar el valor de indicador de secuencia a una parte de una imagen.

7. Procedimiento según la reivindicación 6, que comprende la etapa que consiste en incluir el valor de indicador de secuencia en una cabecera de segmento de imagen o una cabecera de macrobloque de una imagen codificada.

8. Procedimiento según la reivindicación 1, que comprende las etapas que consisten en codificar la señal de vídeo de manera evolutiva y en asociar valores de indicador de secuencia a capas de la señal de vídeo codificada de manera evolutiva.

9. Procedimiento de descodificación de una señal de vídeo codificada que representa una secuencia de imágenes para formar una señal de vídeo descodificada, siendo algunas de las imágenes de dicha secuencia imágenes de referencia que se utilizan para la predicción temporal de otras imágenes en la secuencia y siendo otras imágenes de dicha secuencia, imágenes de no-referencia que no se utilizan para la predicción temporal de otras imágenes, comprendiendo la señal de vídeo codificada valores de indicador de secuencia indicativos de un orden de codificación para las imágenes de referencia, siendo las imágenes de referencia consecutivas en el orden de codificación asignadas valores de indicador de secuencia que difieren el uno respecto del otro en una cantidad predeterminada independientemente del número de imágenes de no-referencia codificadas entre imágenes de referencia consecutivas, comprendiendo el procedimiento:

-

identificar los valores de indicador de secuencia asignados a dos imágenes de referencia descodificadas consecutivamente;

-

comparar los valores de indicador de secuencia asignados a dos imágenes de referencia descodificadas consecutivamente; y

-

detectar la corrupción y/o pérdida de una imagen de referencia si los valores de indicador de secuencia asignados a las dos imágenes de referencia descodificadas consecutivamente no difieren de dicha cantidad predeterminada.

\vskip1.000000\baselineskip

10. Procedimiento según la reivindicación 9, que comprende la etapa que consiste en enviar una solicitud a un transmisor para codificar une imagen de una manera no predicha temporalmente cuando el valor de indicador de secuencia asignado a una imagen de referencia descodificada particular no sigue consecutivamente el valor de indicador de secuencia asignado a una imagen de referencia descodificada inmediatamente precedente.

11. Procedimiento según la reivindicación 9, que comprende la etapa que consiste en detectar la corrupción y/o pérdida de una imagen de referencia si los valores de indicador de secuencia asignados a dos imágenes de referencia descodificadas consecutivamente difieren en más de uno.

12. Procedimiento según la reivindicación 9, que comprende la obtención de un valor de indicador de secuencia a partir de una cabecera de imagen.

13. Procedimiento según la reivindicación 9, en el cual la señal de vídeo se codifica según la norma de codificación de vídeo H.263 y el procedimientos comprende la etapa que consiste en obtener un valor de indicador de secuencia a partir de la información de mejoramiento adicional del flujo de bits H.263.

14. Procedimiento según la reivindicación 9, que comprende la etapa que consiste en asociar un valor de indicador de secuencia identificado a la totalidad de una imagen.

15. Procedimiento según la reivindicación 9, que comprende la etapa que consiste en asociar un valor de indicador de secuencia identificado a una parte de una imagen.

16. Procedimiento según la reivindicación 15, que comprende la etapa que consiste en obtener un valor de indicador de secuencia a partir de una cabecera de segmento de imagen o de una cabecera de macrobloque de una imagen codificada.

17. Procedimiento según la reivindicación 9, en el cual la señal de vídeo se codifica de manera evolutiva y el procedimiento comprende la etapa que consiste en asociar valores de indicador de secuencia identificados a capas de la señal de vídeo codificada de manera evolutiva.

18. Señal de vídeo codificada que representa una secuencia de imágenes, siendo algunas de las imágenes de dicha secuencia imágenes de referencia que se utilizan para la predicción temporal de otras imágenes en la secuencia y siendo otras imágenes de dicha secuencia imágenes de no-referencia que no se utilizan para la predicción temporal de otras imágenes, caracterizándose la señal de vídeo codificada porque comprende, además, valores de indicador de secuencia indicativos de un orden de codificación de las imágenes de referencia, siendo asignados a imágenes de referencia consecutivas en el orden de codificación valores de indicador de secuencia que difieren el uno del otro en una cantidad predeterminada independientemente del número de imágenes de no-referencia codificadas entre imágenes de referencia consecutivas, lo cual permite que un aparato de descodificación de vídeo detecte la corrupción y/o pérdida de imágenes de referencia.

19. Señal de vídeo codificada según la reivindicación 18, en la cual dicha cantidad predeterminada es 1.

20. Señal de vídeo codificada según la reivindicación 18, en la cual el valor de indicador de secuencia se incluye en una cabecera de imagen.

21. Señal de vídeo codificada según la reivindicación 18, codificada según la norma de codificación de vídeo H.263 y en la cual el valor de indicador de secuencia se incluye en la información de mejoramiento adicional del flujo de bits H.263.

22. Señal de vídeo codificada según la reivindicación 18, en la cual el valor de indicador de secuencia se asocia a la totalidad de una imagen.

23. Señal de vídeo codificada según la reivindicación 18, en la cual el valor de indicador de secuencia se asocia a una parte de una imagen.

24. Señal de vídeo codificada según la reivindicación 23, en la cual el valor de indicador de secuencia se incluye en una cabecera de segmento de imagen o una cabecera de macrobloque de una imagen codificada.

25. Señal de vídeo codificada según la reivindicación 18, en la cual la señal de vídeo codificada se codifica de manera evolutiva y valores de indicador de secuencia se asocian a capas de la señal de vídeo codificada de manera evolutiva.

26. Aparato para codificar una señal de vídeo que representa una secuencia de imágenes para formar una señal de vídeo codificada, siendo algunas de las imágenes de dicha secuencia imágenes de referencia que se utilizan para la predicción temporal de otras imágenes en la secuencia y siendo otras imágenes de dicha secuencia imágenes de no-referencia que no se utilizan para la predicción temporal de otras imágenes, caracterizándose el aparato porque está dispuesto para indicar un orden de codificación para las imágenes de referencia con un valor de indicador de secuencia, asignando a imágenes de referencia consecutivas en el orden de codificación valores de indicador de secuencia que difieren el uno respecto del otro en una cantidad predeterminada independientemente del número de imágenes de no-referencia codificadas entre imágenes de referencia consecutivas, lo cual permite a un aparato de descodificación de vídeo detectar la corrupción y/o pérdida de imágenes de referencia.

27. Aparato según la reivindicación 26, dispuesto para incrementar el valor de indicador de secuencia en 1 cada vez que una imagen de referencia se codifica.

28. Aparato según la reivindicación 26, dispuesto para incluir el valor de indicador de secuencia en una cabecera de imagen.

\newpage

29. Aparato según la reivindicación 26, dispuesto para codificar la señal de vídeo según la norma de codificación de vídeo H.263 e incluir el valor de indicador de secuencia en la información de mejoramiento adicional del flujo de bits H.263.

30. Aparato según la reivindicación 26, dispuesto para asociar el valor de indicador de secuencia a la totalidad de una imagen.

31. Aparato según la reivindicación 26, dispuesto para asociar el valor de indicador de secuencia a una parte de una imagen.

32. Aparato según la reivindicación 31, dispuesto para incluir el valor de indicador de secuencia en una cabecera de segmento de imagen o una cabecera de macrobloque de una imagen codificada.

33. Aparato según la reivindicación 26, dispuesto para codificar la señal de vídeo de manera evolutiva y para asociar valores de indicador de secuencia a capas de la señal de vídeo codificada de manera evolutiva.

34. Aparato para descodificar una señal de vídeo codificada que representa una secuencia de imágenes para formar una señal de vídeo descodificada, siendo algunas de las imágenes de dicha secuencia imágenes de referencia que se utilizan para la predicción temporal de otras imágenes en la secuencia y siendo otras imágenes de dicha secuencia imágenes de no-referencia que no se utilizan para la predicción temporal de otras imágenes, comprendiendo la señal de vídeo codificada valores de indicador de secuencia indicativos de un orden de codificación para las imágenes de referencia, siendo asignadas a imágenes de referencia consecutivas en el orden de codificación valores de indicador de secuencia que difieren el uno respecto del otro en una cantidad predeterminada independientemente del número de imágenes de no-referencia codificadas entre imágenes de referencia consecutivas, estando el aparato dispuesto para:

-

identificar los valores de indicador de secuencia asignados a dos imágenes de referencia descodificadas consecutivamente;

-

comparar los valores de indicador de secuencia asignados a las dos imágenes de referencia descodificadas consecutivamente; y

-

detectar la corrupción y/o pérdida de una imagen de referencia si los valores de indicador de secuencia asignados a las dos imágenes de referencia descodificadas consecutivamente no difieren de dicha cantidad predeterminada.

\vskip1.000000\baselineskip

35. Aparato según la reivindicación 34, dispuesto para enviar una solicitud a un transmisor para codificar una imagen de una manera no predicha temporalmente cuando el valor de indicador de secuencia asignado a una imagen de referencia descodificada particular no sigue consecutivamente el valor de indicador de secuencia asociado a una imagen de referencia descodificada inmediatamente precedente.

36. Aparato según la reivindicación 34, dispuesto para detectar la corrupción y/o pérdida de una imagen de referencia si los valores de indicador de secuencia asignados a dos imágenes de referencia descodificadas consecutivamente difieren en más de 1.

37. Aparato según la reivindicación 34, dispuesto para obtener un valor de indicador de secuencia a partir de una cabecera de imagen.

38. Aparato según la reivindicación 34, en el cual la señal de vídeo se codifica según la norma de codificación de vídeo H.263 y el aparato está dispuesto para obtener une valor de indicador de secuencia a partir de información de mejoramiento adicional del flujo de bits H.263.

39. Aparato según la reivindicación 34, dispuesto para asociar un valor de indicador de secuencia identificado con la totalidad de una imagen.

40. Aparato según la reivindicación 34, dispuesto para asociar un valor de indicador de secuencia identificado con una parte de una imagen.

41. Aparato según la reivindicación 40, dispuesto para obtener un valor de indicador de secuencia a partir de una cabecera de segmento de imagen o de una cabecera de macrobloque de una imagen codificada.

42. Aparato según la reivindicación 34, en el cual la señal de vídeo se codifica de manera evolutiva y el aparato está dispuesto para asociar valores de indicador de secuencia identificados con capas de la señal de vídeo codificada de manera evolutiva.

43. Dispositivo de radiocomunicación portátil que incluye al menos uno de entre un aparato para codificar una señal de vídeo según cualquiera de las reivindicaciones 26 a 33 y un aparato para descodificar una señal de vídeo codificada según cualquiera de las reivindicaciones 34 a 42.

44. Dispositivo terminal multimedia que incluye al menos uno de entre un aparato para codificar una señal de vídeo según cualquiera de las reivindicaciones 26 a 33 y un aparato para descodificar una señal de vídeo codificada según cualquiera de las reivindicaciones 34 a 42.