一种基于凸壳的压缩域运动对象快速分割算法

目前在H.264/AVC压缩域分割领域中现有的方法存在时间复杂度高,且分割运动对象不完整的问题,提出一种新的基于凸壳的压缩域运动对象快速分割(CHSTF)算法。该方法主要利用码流中的运动矢量场信息进行分割,即首先利用后向迭代累积对MV进行归一化处理,再利用时空域滤波(STF)算法对运动矢量场进行滤波得到稳定MV场,然后对滤波MV场求解凸壳并对其进行区域填充,最后对其进行优化掩膜达到分割运动对象的效果。本方法着重于快速求得整体运动对象,并获得较好分割精准度。实验表明,通过本方法能够较好地解决上述问题,并且在运动场严重缺失的环境下,相比传统方法,本方法能获得更好的效果。     

基于SLIC和马尔科夫随机场的H.264视频对象分割

为了提高H.264压缩域视频对象分割时的鲁棒性和准确性,提出了一种基于简单线性迭代聚类(SLIC)和图割优化的马尔科夫随机场(MRF)运动对象分割算法.算法直接利用从摄像机产生的H.264压缩码流中提取的运动矢量.首先对运动矢量场进行预处理,然后构建基于改进的SLIC分割的马尔科夫模型能量函数,最后利用图割法求解能量函数进而分割出运动对象.在公开的数据集上进行实验表明,与近年来经典压缩域视频对象分割算法相比,上述算法在复杂背景下可以有效提高分割的准确率和F度量,运算速度平均提高约1.85倍.与先进的像素域分割方法相比,运算速度提高了5倍,算法适用于实时性要求较高的视频监控场合,可有效减少数据存储和处理的内存需求.     

基于模糊聚类的H.264压缩域视频对象分割

鉴于压缩域视频运动分割方法在分割速度上的优越性,提出一种基于H.264的压缩域视频运动对象分割方法,对初始的运动矢量场进行去噪、中值滤波、校正和累积处理,得到更可靠的运动矢量场,用改进的模糊C-均值聚类算法分割出视频序列中的运动对象。实验结果表明,该方法可以快速准确地提取出视频序列中的运动对象。     

基于压缩域信息的立体视频对象分割方法

立体视频对象分割是交互式多视点视频应用的关键技术。为了提高对象分割的时效性和精确性,提出了一种利用压缩域视差和运动信息的立体视频对象分割算法。该算法首先对运动矢量场和视差场进行提取和修正处理,然后对视频帧进行分割作为初始值,最后用均值偏移算法聚类得到最终的对象分割结果。实验结果表明,对于纹理复杂的场景有很好的分割效果,可以获得与语义一致的对象。     

基于EM聚类的H.264压缩域视频对象实时分割算法

从压缩域直接分割视频对象比传统的像素域分割具有快速高效的特点,目前已有不少从MPEG域分割的方法,但从H.264压缩域分割的甚少。为此提出一种基于H.264域的实时分割运动对象方法,该算法先对当前视频帧进行全局运动估计和补偿,然后对4×4的运动矢量场进行分类处理,最后对非零运动矢量使用改进的EM聚类分割算法。本文算法对多个视频序列进行了实验,结果表明,该算法针对静止背景和运动背景的视频序列都能达到较精确的实时分割。     

从h.264压缩码流提取运动对象的一种方法

提出一种基于h.264压缩域视频流中运动对象的分割方法。对提取的运动矢量场进行噪声处理,在空间检测和校正、中值滤波等处理后,得到可靠的运动矢量场。为进一步增强可靠的运动向量,利用后向投影迭代技术,采用均值聚类算法获得视频对象分割。仿真实验证明,该方法可以得到良好的分割质量,且码流无须解码,实时性良好。     

应用递归最短生成树算法实现H.264压缩域运动对象分割方法

提出了一种基于递归最短生成树算法的H.264压缩域实时分割运动对象的算法.首先将从H.264编码端提取的运动矢量进行归一化、空间内插,得到稠密运动矢量场,再采用全局运动补偿技术抵消全局运动的影响,最后采用改进的"递归最短生成树"(RSST)算法对稠密运动矢量进行聚类,实现对运动对象的分割.实验结果表明,该算法对视频序列能实现较准确的分割.     

基于核聚类的H .264压缩域的运动对象分割方法

提出了一种基于核聚类的H.264压缩域的运动对象分割的方法。首先对运动矢量进行归一化处理,其次又引入了平均欧式距离的中值滤波的方法对运动矢量进行滤波去噪,再次利用减法聚类初始化聚类中心并且使用引入了核函数的模糊聚类进行聚类,最后将有效函数的判断结果作为分割条件,从而达到自适应分割出压缩域中的运动对象的目的。本方法对Hall视频序列进行了实验。实验证明,通过该方法可以较好地分割出视频序列中的运动对象。     

基于核聚类的H.264压缩域的运动对象分割方法

提出了一种基于核聚类的H.264压缩域的运动对象分割的方法。首先对运动矢量进行归一化处理,其次用引入了平均欧式距离的中值滤波的方法对运动矢量进行滤波去噪,再次利用减法聚类初始化聚类中心并且使用引入了核函数的模糊聚类进行聚类,最后将有效函数的判断结果作为分割条件,从而达到自适应分割出压缩域中的运动对象的目的。本方法对Hall视频序列进行了实验,实验证明,通过该方法可以获得较好的分割出视频序列中的运动对象。     

基于H．264压缩域的实时运动对象分割算法

在压缩域内直接分割运动对象对于有实时要求的应用而言是十分必要的，H．264以其优越的压缩效率已经在许多应用中逐渐取代了MPEG-2／4，但有关在H．264压缩域内进行运动对象分割的研究还很少。为此提出了一种从H.264压缩域实时分割运动对象的算法，该算法首先对从H．264视频中提取出的原始运动矢量场进行时域和空域的归一化，接着通过对连续多帧的运动矢量场进行累积来增强显著的运动信息；然后对累积运动矢量场进行全局运动补偿，同时利用快速的统计区域生长算法按照运动相似性将其分割成多个区域；最后利用运动矢量场的方向角直方图来判断出属于运动对象的分割区域，以组成运动对象。通过对多个MPEG-4测试序列的实验结果表明，该方法不仅能够从H．264压缩域中实时地分割出运动对象，且具有良好的分割质量。     

Mean shift clustering-based moving object segmentation in the H.264 compressed domain

This study presents a mean shift clustering-based moving object segmentation approach in the H.264 compressed domain. The motion information extracted from H.264 compressed video, including motion vectors (MVs) and partitioned block size, are used as segmentation cues. The MVs are processed by normalisation, weighted 3D median filter and motion compensation to obtain a reliable and salient MV field. The partitioned block size is used as a measure of motion texture in the process of the MV field. Based on the processed MV field, the authors employ the mean shift-based mode seeking in spatial, temporal and range domain to develop a new approach for compact representation of the MV field. Then, the MV field is segmented into different motion-homogenous regions by clustering the modes with small spatial and range distance, and each object is represented by some dominant modes. Experimental results for several H.264 compressed video sequences demonstrate good performance and efficiency of the proposed segmentation approach.     

基于H.264的运动对象快速分割算法

提出一种视频的压缩域与像素域特征结合的运动对象分割算法。该算法在压缩域对运动矢量场进行时空域滤波和累加处理,用空域差异度分割算法提取出运动对象区域,把提取得到的运动对象区域经一定的扩展映射到像素域,在像素域中使用基于高斯的马尔可夫随机场模型细分割运动对象。实验结果表明,该算法分割效率高,分割的运动对象完整性好、精度较高。     

基于H.264/AVC的压缩域运动对象分割方法

目前大部分压缩域视频对象的分割方法主要面向MPEG系列视频标准,且算法建模复杂。为了解决这一问题,现提出了一种新的基于H.264/AVC的压缩域时空联合运动对象分割（TSMOS）算法。该方法主要利用压缩码流中的DCT系数和运动矢量信息进行对象分割,并首先利用相邻帧DCT系数之差提取运动对象轮廓,同时通过对轮廓进行形态学和抗噪声处理来得到粗糙的运动对象帧差掩码;然后采用运动向量归一化、噪声向量滤除、权值扩展向量中值(WEVM)滤波及前帧分割结果后向投影技术来得到对象的运动掩码;最后通过引入有效机制合并帧差掩码和运动掩码来分割运动对象。实验证明,该算法可取得较好的分割效果。     

基于熵能的H.264压缩域运动对象分割

提出了一种基于熵能选取自适应阈值的时空域运动对象分割方法。首先对H.264压缩码流中提取的原始运动矢量场进行连续多帧的累加来增强运动信息,并对累积运动矢量场进行相似性判断,初步获得运动块;然后提取压缩码流中4×4块残差编码位数,并基于熵能自动选取自适应局部阈值,获取运动区域的轮廓信息;最后结合运动块和轮廓信息按照一定的规则对边界进行校正。对多个视频序列进行了实验,结果表明,该算法能快速取得较好的分割结果。     

Real-time video object segmentation in H.264 compressed domain

In this study the authors proposed a real-time video object segmentation algorithm that works in the H.264 compressed domain. The algorithm utilises the motion information from the H.264 compressed bit stream to identify background motion model and moving objects. In order to preserve spatial and temporal continuity of objects, Markov random field (MRF) is used to model the foreground field. Quantised transform coefficients of the residual frame are also used to improve segmentation result. Experimental results show that the proposed algorithm can effectively extract moving objects from different kinds of sequences. The computation time of the segmentation process is merely about 16 ms per frame for CIF size frame, allowing the algorithm to be applied in real-time applications.