面向檢索的MPEG運動對象提取.pdf

1、在效率優(yōu)先的今天，人們對于信息檢索的要求越來越高，從海量文件中以最高效、快速的方式實現(xiàn)有用資源的查找定位顯得極為重要。因此，基于內(nèi)容和語義的視頻檢索技術應運而生，并逐漸成為多媒體研究領域的熱點之一，而實現(xiàn)這一技術的首要前提是視頻對象的分割提取。針對這個課題，本文進行了有益的探索和研究。
　　 鑒于視頻文件的壓縮存儲特性和視頻檢索的高效快速要求，本文直接以壓縮碼流信息作為問題分析的突破口，以應用廣泛的MPEG-2視頻文件為處理對象

2、，研究了MPEG運動目標的提取。選擇壓縮域分析的優(yōu)勢在于數(shù)據(jù)處理量顯著降低，同時可以節(jié)約完全解碼的時間，提高對象分割的速度，進而有效地改善視頻檢索的實時性能。在文中，首先介紹了運動對象提取和視頻編碼技術的基本知識，接著分類綜述了常見的MPEG壓縮域運動對象提取算法，并對它們的性能進行了分析比較。然后在此基礎上提出了兩個算法：基于運動相關性聚類的提取算法和基于分水嶺的時空聯(lián)合算法，分別進行了實驗仿真，驗證了算法的有效性。最后，總結論文所做

3、工作同時針對進一步的研究進行了相關展望。
　　 基于運動相關性聚類的提取算法以宏塊的運動矢量為主、DCT殘差系數(shù)為輔完成了運動目標的分割，其理論依據(jù)是相同對象宏塊的運動矢量具有相關性。該算法在全局運動補償?shù)幕A上運用四階矩檢測器進行初步的運動檢測，然后根據(jù)運動幅度和運動角度的相關性測度進行相似宏塊的聚類處理，最后通過DCT殘差系數(shù)對聚類結果進行多尺度修正。實驗表明，該方法運算量小復雜度低，能夠以實時的速度實現(xiàn)運動對象的宏塊級提取

4、。
　　 基于分水嶺的時空聯(lián)合提取算法充分利用時域的運動信息和空域的灰度聯(lián)系進行分割提取，是一種典型的時空域聯(lián)合方法。該算法首先分別進行時間域的運動檢測和空間域的分水嶺分割，而后采用時空投影的方式完成融合處理，提取出最終的運動對象。算法的最大特點是在空域處理時針對重建的DC圖像應用了經(jīng)典的分水嶺變換進行區(qū)域分割。實驗結果顯示，該方法簡單有效，具備較好的提取效果和實時性能。
　　 綜合來看，兩種算法的特點是立足于壓縮域信息