学位论文 > 优秀研究生学位论文题录展示

基于H.264的视频运动对象分割的研究

作　者: 张智福
导　师: 康志伟
学　校: 湖南大学
专　业: 信息与通信工程
关键词: 视频运动对象分割运动矢量场图像滤波运动补偿聚类算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 74次
引　用: 0次
阅　读: 论文下载

内容摘要

视频运动对象分割的目标是从视频帧序列中间分割出满足一定特征的语义区域。它是数字视频处理领域的难点和热点问题,广泛利用在视频编码、检索、模式识别、机器人视觉等领域。视频运动对象分割有像素域和压缩域两类方法,像素域的方法由于计算复杂度比较大,不能满足实时性要求,所以近几年研究视频对象分割的方法转向压缩域。压缩域方法中进行运动对象分割无须全部解码码流,运算复杂度大大减小,更能满足实时性的要求。研究压缩码流的视频对象分割,主要有基于MPEG系列编码标准和H系列编码标准的码流。MPEG系列压缩码流中能提取到离散余弦变换(DCT)系数和运动矢量两大特征作为分割的基础,对于H.264编码中由于对Ⅰ帧的DCT变换是在块空间预测残差进行的,所以不能直接利用DCT系数作为分割的纹理特征,仅仅只能利用运动矢量作为分割基础,所以保证运动矢量场的正确性和可靠性是最重要的问题。目前对H.264压缩域的视频运动对象分割的研究比较少。本文主要研究的是从H.264压缩码流中提取出运动视频对象,论文的主要工作如下：第一、研究了视频帧中背景为静止的视频运动对象提取方法,首先对从压缩码流中提取出的运动矢量场进行去除随机噪声处理,并对运动矢量场进行幅度和方向上的校正,最后再对运动矢量场做后向投影累积以提高对象提取精度。最后利用均值聚类算法对帧中的多运动对象进行有效分割。实验表明此方法能从压缩码流中提取出良好质量的视频运动对象。第二、研究了视频帧中背景为运动的视频运动对象提取方法。首先对帧运动矢量场做全局运动补偿,利用对象运动和背景运动的不一致性,可以检测出帧的运动区域,为了防止运动区域空洞现象,采用了基于多帧运动矢量检测的方法,以此来提取视频对象。实验表明此方法能够从运动背景的压缩码流中提取出良好质量的视频运动对象。本文使用MATLAB7.0仿真实验平台和基于VC++6.0的JM8.6平台对上述研究进行了验证和分析。

全文目录

摘要  5-6
Abstract  6-10
插图索引  10-11
第1章绪论  11-17
  1.1 选题背景及意义  11-12
  1.2 国内外研究现状  12-15
    1.2.1 像素域的视频运动对象分割概述  12-14
    1.2.2 压缩域的视频运动对象分割概述  14-15
  1.3 本文的研究内容和章节安排  15-17
第2章 H.264编码标准基础及其编码关键技术  17-24
  2.1 H.264视频编码及解码框架  17-19
  2.2 H.264视频压缩方案中的关键技术  19-23
    2.2.1 运动估计  19
    2.2.2 宏块匹配法  19-20
    2.2.3 宏块匹配准则及其搜索方法  20-22
    2.2.4 离散余弦变换(DCT)技术  22-23
    2.2.5 熵编码技术  23
  2.3 帧的组织结构  23
  2.4 本章小结  23-24
第3章视频运动对象提取基础  24-30
  3.1 图像分割基础  24-26
    3.1.1 基于区域划分的图像分割  24-25
    3.1.2 基于边缘检测算子的图像分割  25-26
    3.1.3 基于小波变换域的图像分割  26
  3.2 像素域的视频对象分割方法  26-29
    3.2.1 序列帧差分检测方法  26-28
    3.2.2 光流场检测方法  28-29
  3.3 运动对象分割算法的评价  29
  3.4 本章小结  29-30
第4章基于聚类算法的压缩域视频运动对象分割方法  30-40
  4.1 算法概要  30
  4.2 运动矢量提取  30-31
  4.3 帧运动矢量处理  31-36
    4.3.1 矢量场随机噪声处理  31-33
    4.3.2 帧矢量场校正  33-35
    4.3.3 帧间运动矢量场的累积  35-36
  4.4 均值聚类算法对运动矢量场的分析  36-37
  4.5 实验结果分析  37-39
  4.6 本章小结  39-40
第5章基于多帧统计的压缩域视频对象分割  40-53
  5.1 算法摘要  40
  5.2 运动矢量处理  40-48
    5.2.1 滤波处理  41-43
    5.2.2 压缩域全局运动判别  43-45
    5.2.3 全局运动参数估计  45-48
  5.3 运动对象区域标记  48-49
  5.4 压缩码流的部分解码  49
  5.5 实验结果分析  49-51
  5.6 本章小结  51-53
结论  53-55
参考文献  55-59
致谢  59-60
附录A 攻读学位期间完成的学术论文  60-61
附录B 攻读学位期间参加的科研项目  61

相似论文

K-均值聚类算法的研究与改进,TP311.13
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于变异粒子群的聚类算法研究,TP18
K-means聚类优化算法的研究,TP311.13
融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
基于遗传算法和粗糙集的聚类算法研究,TP18
SAR干涉像对优化选取方法研究,P225.2
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于鱼眼相机的运动物体检测和跟踪,TP391.41
分布式视频编码中边信息技术研究,TN919.81
基于FFmpeg的H.264解码器在Symbian上的移植和优化,TN919.81
一个基于聚类的神经网络样本自学习系统,TP391.6
小型机载三维成像激光雷达系统的关键技术研究,TN958.98
基于场景的非均匀性校正,TN215
基于公共安全的毫米波辐射图像特征研究,TP391.41
基于投影的数字视频稳像技术研究,TP391.41
基于OpenCV的数字稳像系统实现,TP391.41
基于显著图的交通标志检测方法研究,TP391.41
帧速率上变换算法研究,TP391.41
CT与超声数据配准的研究和实现,TP391.41
多频段合成雷达成像技术,TN957.51