MPEG压缩域基于SOFM多运动对象分割技术的研究

论文摘要

随着多媒体技术的飞速发展和第二代视频编码的出现,视频运动对象分割技术作为多媒体应用技术的一个主要方面,在视频编码、检索、视频数据库浏览、基于对象的移动多媒体通信、智能视频监控和虚拟现实、多媒体交互中存在广阔的应用前景,而在计算机视觉、模式识别等领域中也有着极为重要的作用。大多数的视频数据都是以压缩形式存储的,为了提取对象,就要求我们首先解码压缩视频流,这大大增加了分割时间。考虑到这一点,越来越多的学者开始关注、研究直接从压缩序列中提取视频对象,压缩域视频对象分割因而也成为近年来的研究热点。本文针对MPEG压缩码流,提出一种基于自组织特征映射网络(SOFM),自动提取多运动对象的方法。该方法无需预先指定对象个数,以及预先设定门限值。实验证明可以较好的提取多运动对象。

论文目录

• 摘要
• 第一章 绪论
• 1.1 压缩域视频对象分割的意义
• 1.2 视频编码标准简介
• 1.3 论文主要工作和组织安排
• 第二章 视频对象分割技术
• 2.1 视频分割概述
• 2.2 视频分割算法分类
• 2.3 非压缩域下视频对象分割技术研究现状
• 2.4 压缩域下视频对象分割技术研究现状
• 第三章 人工神经网络技术及 Kohonen 自组织特征映射理论
• 3.1 人工神经网络概述
• 3.2 人工神经网络模型
• 3.3 Kohonen 自组织特征映射（SOFM）
• 3.4 人工神经网络在图像领域的应用
• 第四章 MPEG 压缩域基于SOFM 的多运动对象分割
• 4.1 运动矢量解码
• 4.2 运动矢量处理
• 4.3 SOFM 网络聚类运动矢量
• 4.4 提取多运动对象
• 第五章 仿真结果与分析
• 5.1 SOFM 聚类与 K 均值聚类对比
• 5.2 仿真实验结果
• 5.3 仿真结果分析
• 5.4 下一步的工作
• 第六章 结论
• 6.1 工作总结
• 6.2 前景展望
• 参考文献
• 摘要
• Abstract
• 致谢
• 导师及作者简介