基于块特征的H.264压缩域对象分割

针对H.264压缩域,提出一种改进的运动对象分割方法。首先提取运动矢量场,对该矢量场进行矢量中值滤波,然后基于块进行前向矢量累积获得更加显著的矢量场,最后采用改进的K均值和EM的混合分层聚类方法,基于宏块层、块层两次聚类将运动对象分割出来。实验表明,该方法通过分层聚类,进一步提高了分割效率,能实现满足实时要求的较精确分割。     

基于粒子群聚类的H.264压缩域运动目标分割

提出了一种基于H.264压缩域的运动目标分割方法.首先从压缩流中提取运动矢量场,采用矢量中值滤波方法滤除运动场的噪声和非真实运动块;再运用前向估计方法进行矢量场的累积,解决了帧内预测时无运动矢量的问题;最后运用基于粒子群聚类算法对运动对象进行自适应分割.试验结果表明,该方法能有效分割出H.264压缩域的运动目标.     

一种针对监控视频场景的压缩域运动对象分割方法

提出了一种压缩域背景建模与运动对象分割框架:首先提取H.264视频压缩码流中的MB-bits与4×4块残差系数,基于MB-bits场进行压缩域Vibe背景建模分割出宏块级运动对象区域,然后结合最大熵模型提取4×4边缘块进行运动对象轮廓细化最终分割出压缩域运动对象。试验对比分析表明,提出的算法能快速、准确地提取压缩域运动对象,系统具有一定鲁棒性。     

基于H.264压缩域的运动目标检测算法

基于H264压缩域的运动目标检测算法。首先,从压缩码流中提取原始运动矢量场,采用中值滤波法滤除运动场中由噪声引起的运动矢量;再利用从压缩码流中提取的宏块分割类型初步排除一些分块较大的伪运动块;然后采用自适应阈值选取法定位出运动区域;最后,通过已定位的运动区域的特征进一步精确识别出运动目标。算法充分利用了H264码流中的运动矢量信息,简单易于实现,适用于智能监控,视频分析等领域。试验结果表明,该算法检测效果较好,且不需要对压缩码流进行全部解码。     

基于运动特征的H.264压缩域对象分割

基于从H.264压缩域提取的运动场,提出了一种新的运动对象分割方法.首先采用矢量中值滤波方法滤除运动场中的噪声矢量;再运用后向估计的方法重建预测运动场并进行运动场的累积;然后对存在背景运动的累积运动场进行全局运动补偿;最后基于幅度、散度和旋度3个运动特征,采用改进的统计区域合并方法将运动对象分割出来.实验结果表明.本文方法适用于背景静止或背景运动的H.264压缩视频,且分割质量较好.     

H.264压缩域中mean-shift聚类运动目标分割算法

针对视频监控、检索,提出了一 种在H.264压缩域下运动对象分 割的新算法。根据实际监控应用特点,算法主要利用H.264码流中提 取的运动矢量(MV)、分块尺寸信息对原始的MV场(MVF)进 行可靠性分析以及空间滤波、mean-shift聚类处理,从而得到可信度较高的 MVF场。首先,从H.264码流中获取原 始MV 并进行归一化处理,同时对原始MVF进行两步空间滤波;其次,对不同的块大 小分配相应的权值作为每个样本 的权重系数,将处理之后的MVF作为样本空间,利用mean-shift聚类获取 真实的MVF;最后,根据可靠的MVF 标记运动目标。实验结果表明,本文提出的mean-shift聚类运动目标分割算 法可以获得有效并可靠的分割结果。     

复杂背景下H.264压缩域运动目标检测算法

针对H.264/AVC压缩码流中的运动目标检测问题,提出了一种基于马尔可夫随机场的最大后验概率(MAP-MRF,maximum a posterior-Markov random field)框架下适合复杂背景的H.264压缩域运动目标检测算法。算法首先生成滤波后的4×4像素块均匀运动矢量(MV,motion vector)场,对MV的相位建立高斯混合模型(GMM,Gaussian mixture model),结合MV幅度、帧间宏块分割模式、MV相位背景模型和运动目标时空约束建立马尔可夫随机场(MRF,Markov random field)模型。通过求解该模型得到每个4×4像素块前景、背景标记检测出运动目标。实验结果表明,算法能从复杂场景的H.264码流中提取出运动目标,与传统算法相比,Precision和Recall指标平均分别提高了20%和3.5%。     

一种基于H.264/AVC压缩域的GOP级视频场景转换检测算法

本文提出了一种基于H.264/AVC压缩域的GOP(Group of Pictures)级视频场景转换检测算法.该算法利用H.264/AVC基本档次码流中的帧内预测模式、运动矢量和宏块编码类型等可用信息,提出了基于子块的色度模式差异、累积运动值和累积帧内宏块数等三个判决准则,然后综合利用这三个判决准则,提出了一种GOP级的视频场景转换检测算法.实验结果表明,与现有的一个COP级场景检测算法对比,本文提出的GOP级视频场景转换检测算法可以获得更好的检测性能.     

基于H.264视频压缩域运动矢量的目标跟踪

目前,目标跟踪算法大多在像素域进行,即先将视频解码成图像,再用像素域的方法计算,但像素域算法复杂度高、计算量大。在视频编码过程中,产生了对目标跟踪有利的信息,如运动矢量(MV)和DCT系数,而且直接利用压缩域信息进行目标跟踪可减少解码的时间。文章提出了一种基于像素运动矢量的H.264压缩域跟踪算法,与宏块运动矢量算法相比,该算法显著提高了跟踪准确率。     

基于无线网络的H.264误码掩盖算法的改进

视频压缩码流在无线网络传输过程中受无线网络环境的影响丢包现象严重,重构图像质量下降.在H.264时域误码掩盖算法的基础上,根据时域和空域相邻宏块的运动矢量对丢失宏块的分割模式进行自适应选择,采用改进的边界匹配误差函数,估计丢失宏块的运动矢量.在无线网络环境下对多种视频序列和宏块丢失率进行仿真,图像质量有一定的提高.在宏块丢失率为10%情况下,峰值信噪比相对H.264标准算法提高0.08～1.13 dB.     

Fast moving object extraction in H.264/AVC compressed domain

This paper presents a novel approach for moving object extraction in the H.264/AVC compressed domain, which based on Ant Colony clustering Algorithm (ACA) and threshold method in macro block layer. Firstly, the Motion Vector (MV) field and the macro block types are extracted from the H.264/AVC compressed video, and then merge MVs with the same characteristic. Secondly, an improved ACA is used to classify the MV field into different motion homogenous regions. At the same time, use macro block types to determine the location of objects. Finally, using the complementarities of macro block template and MVs clustering template to obtain final objects. Experimental results for several video sequences demonstrate that in the case of ensuring accuracy, the proposed approach can extract moving object faster.     

一种高精度的压缩域视频目标分割算法

该文提出了一种工作于MPEG压缩域的快速视频目标分割算法。该算法以从MPEG1/2码流中部分解码提取的特征为输入,提取P帧中的运动目标。针对一般的压缩域算法目标边界精度不高的特点,算法采用I帧和P帧中每个块的直流DCT系数和3个交流DCT系数,以及运动补偿信息,重建出P帧的原图像1/16大小的子图像,采用快速平均移聚类得到具有较高边界精度的亮度一致的区域;针对运动向量的噪声容易造成错误检测的缺点,算法结合聚类分析结果和运动块的分布,采用基于马尔可夫随机场的统计标号方法对目标和背景区域进行分类,得到每个P帧的目标掩模。该算法可以得到44子块的边界精度,对于CIF格式的码流,在Pentium IV 2GHz平台上可以达到每秒40帧的处理速度。     

Spatiotemporal saliency detection and salient region determination for H.264 videos

In this study, a spatiotemporal saliency detection and salient region determination approach for H.264 videos is proposed. After Gaussian filtering in Lab color space, the phase spectrum of Fourier transform is used to generate the spatial saliency map of each video frame. On the other hand, the motion vector fields from each H.264 compressed video bitstream are backward accumulated. After normalization and global motion compensation, the phase spectrum of Fourier transform for the moving parts is used to generate the temporal saliency map of each video frame. Then, the spatial and temporal saliency maps of each video frame are combined to obtain its spatiotemporal saliency map using adaptive fusion. Finally, a modified salient region determination scheme is used to determine salient regions (SRs) of each video frame. Based on the experimental results obtained in this study, the performance of the proposed approach is better than those of two comparison approaches.     

H.264压缩域安全型视频水印算法

针对已有的视频水印算法安全性较差的问题,本文结合H.264的编解码特性,提出一种H.264压缩域安全型视频水印算法。算法首先对宏块中的16个子块进行标记,然后利用Logistic混沌序列、帧内预测模式和边缘特征选出前8个子块并将其分成两组,最后利用子块间能量差来嵌入水印。算法利用混沌序列对子块分组进行置乱增加了攻击者对水印信息进行篡改的难度,从而提高了算法的安全性。仿真实验证明该算法具有高安全性,另外具有较好的鲁棒性和透明性。     

基于Weibull率失真简化模型的帧比特分配算法

为在确保视频压缩码流平稳且带宽受限的情况下提升重建视频质量,本文针对使用Weibull密度分布对压缩视频序列率失真性能分析的方法,对其模型进行数学简化,并以帧层编码速率控制的缓冲器充盈度和重建视频质量为目标,提出了一种新的H.264压缩视频速率控制方法——帧比特分配算法。该算法以H.264的JM16.1为视频压缩编码平台,将简化率失真模型嵌入速率控制算法中,以一个GOP为控制单元对其内部各图像帧进行比特分配与调整,同时以帧为周期进行算法模型参数更新。实验结果表明,本文提出的算法要比JVT-H017的算法在重建视频客观质量（PSNR）方面平均有0.30dB的改善,并能够得到更加平稳质量的视频输出。在实际输出码率方面,本文算法比JVT-H017的算法更低,并且编码缓冲器充盈度较JVT-H017平稳且没有上下溢的情况出现。      

一种新的基于H.264压缩域的运动对象分割算法

提出了一种在H.264压缩域下进行运动对象分割的新算法。算法主要利用H.264码流中的运动矢量信息来进行对象分割,为了提高运动矢量信息的鲁棒性,首先利用I帧中的帧内预测模式和预测残差能量进行区域划分;在P帧中,利用帧间预测残差能量来更新区域划分结果,对部分区域的运动矢量进行归零化处理。再根据P帧中的分块模式,采用不同的滤波器对运动矢量进行滤波;最后利用滤波后的运动矢量信息建立对应的Gibbs势能函数,采用迭代条件模式方法求解最大后验概率,得到可靠的运动对象标记。实验结果表明,该运动对象分割算法可以获得有效并可靠的分割结果。     

Fast mode-decision for H.264/AVC based on inter-frame correlations

The H.264/AVC standard yields higher coding efficiency rates than other video coding standards. This is because it uses the rate-distortion optimization (RDO) technique, which selects the optimal coding mode and a reference frame for each macroblock (MB). In order to achieve this, the encoder has to encode a given block by exhaustively using all kinds of combinations (including different intra and inter-prediction modes). As a result, the computational complexity of video coding in H.264/AVC is extremely high. In this paper, two fast intra-/inter-mode-decision algorithms are proposed to reduce the complexity of the encoder. Both of these algorithms are based on the inter-frame correlation among adjacent pictures. For the fast intra-mode-decision, we used the intra-mode of the most-correlated MB at the reference frame to encode the current MB and the stationary property of the current MB was used for the fast inter-mode-decision. The simulation results show that the proposed algorithms significantly reduced the computational complexity with a negligible loss of PSNR and a slight increase in bitrate.