一种MPEG压缩域的运动对象快速提取算法

针对目前压缩域直接得到的运动矢量过于稀疏且不可靠,导致运动对象分割精度不高等问题,提出一种适合于MPEG视频流的压缩域运动对象提取算法。它先对MPEG码流进行熵解码得到的运动矢量场进行可靠性度量校正、置密和滤波处理,并采用基于块的区域增长算法得到每个对象的大致运动区域;然后解码属于运动区域的块,并把被还原的每个位置的像素值分布视为高斯分布,用统计的方法建立其高斯模型,通过阈值判断可靠地提取出最终具有像素精度运动对象。仿真实验表明,该算法可以有效地去除运动矢量噪声的影响,分割精度显著提高,并且具有较高的处理速度。对于QCIF 格式的视频码流, 每秒可以处理约50帧。     

基于块划分的HEVC运动目标分割方法

针对压缩域视频的运动对象分割在复杂背景下分割精度不高的问题,提出一种基于最新压缩编码HEVC的运动分割方法。首先从HEVC压缩码流中提取块划分和相对应的运动矢量信息,并分别在帧内和帧间对运动矢量进行空域和时域的标签分类,然后利用MRF模型对标签场进行运动一致性估计,得到更精确的运动目标,最后输出MRF分割后形成的掩模信息。通过实验证明,该运动分割方法能够达到有效并可靠的分割效果,尤其对于多目标运动的视频分割效果优于其他比较的方法。     

基于熵模型的压缩域运动对象检测

随着视频编解码技术的发展,H.264已成为最主要的标准之一。为了能从H.264码流中准确有效地分割和提取出运动对象,提出了一种压缩域下的对象检测算法。该算法主要利用压缩域下对象的运动矢量信息,先对矢量进行中值滤波预处理,目的是为了减少运动估计算法和对象实际运动所产生的误差。然后利用基于熵的原理,建立运动对象在空间和时间上的一致性模型。在该模型基础上,采用最大熵方法自适应获得阈值,检测得到运动对象。实验结果证明,该算法可以获得比较好的检测结果。     

基于边界搜索的运动对象快速凸壳分割算法

目前在H.264/AVC压缩域分割领域中常用方法造成局部运动矢量(MV)缺失,而通过全局运动补偿来还原运动矢量导致其时间复杂度提高。为解决此问题,提出一种基于边界聚类的快速凸壳分割(BS-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,首先,对MV利用时空域滤波(STF)对运动矢量进行预处理,采用八方向自适应搜索算法进行边界搜索确定运动连通域;然后根据每个连通域边界求解凸壳并对其进行连通域填充,之后利用运动矢量与距离信息设定聚类规则,对多个连通域进行聚类;最后,对其进行优化掩膜达到分割运动对象的效果。实验结果表明,与混合高斯模型(GMM)分割算法和压缩域蚁群算法(ACA)比较,在分割准确率上平均提高了近3%,甚至在运动矢量场严重缺失的情况下,提高了近20%;而在分割速度上平均提高了近25%。该方法着重于求得运动对象的完整性与快速性,在运动对象不完整的情况下,能够获得较好分割精准度。     

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。     

一种基于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剖方法主要面向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系教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.     

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。     

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。     

基于马尔可夫随机场模型的运动对象分割算法

提出了一种基于马尔可夫随机场(MRF)模型的运动分割算法,仅使用了压缩流中的运动矢量和块编码模式信息,可以在复杂场景下对运动对象有很好的分割效果.利用运动矢量量化的方法来对运动矢量进行预处理,对运动矢量进行马尔可夫建模,利用能量最小函数进行优化得到运动对象分割的效果.实验表明:与现有的方法相比,该方法可从复杂场景中更准确地对运动对象进行分割.     

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.     

快速自适应运动估计算法

为降低H.264中运动估计的复杂性,通过对自然图像序列的分析,提出了一种基于块的运动特征的快速自适应搜索算法。该算法充分利用视频序列中当前块的运动状态,根据不同块的运动情况合理选择运动搜索模板。实验表明,该算法在保证重构图像质量的前提下,编码速度有了显著提高,保证了实时应用的要求。     

H.264帧内预测快速模式选择

H.264/AVC视频编码标准中用率失真优化(RDO)方法为一个宏块(MB)判决最佳编码模式来提高编码效果,加大了算法复杂度并且计算冗余大。为了克服这一缺点,一种快速帧内预测模式选择算法被提出。在色度预测中,根据宏块的色度纹理复杂度,把原先的4种模式降到1或2种;在亮度16×16块模式判决中,根据最小哈达玛变换的绝对误差和(SATD)来选择最佳模式;在亮度4×4块模式判决中,该算法在9种模式中选择3种可能模式作为候选模式。通过比较16个4×4块总代价与1个16×16块的代价来选择最佳块选择模式,实验表明,该算法能在节省69%左右编码时间的情况下,比特率与峰值信噪比(PSNR)保持不变。     

一种新的基于H.264/AVC的零块判决方法

在基于运动估计和预测编码的视频编码方案中,有一种简单而有效的快速实现方法——零块判决方法,H．264／AVC使用的也是基于运动估计和预测编码的视频编码方案,所以也可以运用零块判决方法来加快其编码速度．根据H．264／AVC视频编码标准的新特点,对其中的零块判决阈值进行了推导,提出了新的适合于H．264／AVC的零块判决方法,并进行了仿真测试,实验结果表明,在中低码率的视频编码中,该方法在编码效率基本保持不变的条件下,编码时间减少了20％～47％．     

一种高效率的快速块匹配运动估计算法

采用菱形搜索算法对各种视频测试序列中运动矢量的研究,基于H.264视频编码标准提出了一种快速块匹配运动估计算法。它是以图像中相邻宏块之间的时空相关性为前提,结合了分布式菱形搜索,预测搜索和中止阈值等一系列技术而提出的,试验结果表明该算法在运算速度方面优于菱形搜索,而获得与全搜索相当的峰值信噪比。     

针对H.264/AVC的时域错误隐藏算法

H.264/AVC采用了新的编码特征工具,充分利用它们能有效地改进错误隐藏的性能。树型结构的可变分块大小运动估计,使得与错误宏块直接相邻的分块数最多可达16个。本文提出一种基于平面拟合的时域错误隐藏算法。通过把与受损宏块直接相邻的每个分块的运动矢量定义为3维空间的一个点,采用平面拟合的方法表征小范围内相邻运动矢量的变化趋势,拟合得到受损宏块的运动矢量实现时域错误隐藏。对多种视频序列的仿真实验结果表明,相对于典型的错误隐藏算法,主观视觉质量和客观质量评价都有一定的提高。     

MPEG-2到H.264转码中的运动矢量优化算法

在视频转换编码技术中,通常利用输入码流中的运动矢量等信息来降低转码处理的计算量。该文介绍一种MPEG-2到H.264的转码器,针对MPEG-2和H.264标准中运动估计算法的不同特点,提出用于转码处理的运动矢量优化算法,并对不同算法进行分析比较。结果表明该优化算法可以在保证转码质量的前提下,降低转码处理的计算量。     

H.264运动估计UMHexagonS算法的优化与改进

针对H.264中UMHexagonS算法存在的不足,提出了一种改进的快速运动估计算法。改进算法根据起始预测运动矢量成为最佳点的可能性大小对起始预测运动矢量的检测顺序进行了优化,提高了编码效率;设计了一种改进的5×5螺旋全搜索模板,减少了5×5螺旋全搜索模板的搜索点数;增加了一种针对亚宏块的提前终止策略,进一步减少了运动估计带来的运算量。实验结果表明,改进算法在基本保持UMHexagonS算法编码性能的同时,有效减少了运动估计时间,提高了编码效率,并且可适用于不同运动强度的视频序列。     

一种MPEG-2到H.264转换编码方案

提出了MPEG-2到H.264的转换编码方案。该方案中，帧内预测使用了8×8块的DCT-HT的变换域转换，然后在HT域进行Intra模式判决得出最优模式，从而得到理想的帧内预测；帧间预测重用了MPEG-2码流中变字长解码得到的运动矢量MV，作为H.264的PMV，通过重新设定运动预测模式以及搜索范围，从而获得较好的预测效果。实验结果说明该方案是可行的。