基于模糊聚类的H.264压缩域视频对象分割

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 一
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 。
关健诃 ：Ｈ２ ４ 准 ；压缩域 ；对象分割 ；中值滤波 ；运动矢量 ；模糊 Ｃ 均值 聚类 ． 标 ６ 一
２８ ６
计
算
机
工
程
２１ ０ ２年 ２月 ５日
是稀疏的、有噪声 的、不可 靠的，需要对其进行 以下处理 ，
聚类初始 中心的方法 ，能在聚类过程 中动态改变聚类结果 ，
使其变得稠密、可靠 。
改善聚类的质量 ，减少人为 的主观 因素 ，获得比较 符合 用户 需求的聚类结果，并能在原有聚类结果的基础上简单有效地
量 ，不适合类数 目已经确定 的样本 。 本文提 出一种改进的模 糊 Ｃ均值聚类算法 ， 方法优化 一 该 了初始聚类 中心 的选择 ，使初始聚类 中心更准确 。 设 ，２ ） Ｘ， …， 为被分类的样本集合 ，改进 的 Ｆ Ｍ 算 Ｃ 法的步骤为 ： Ｓｅ ｌ设 定类问的最小距 离 ⅡⅡ ０、模 糊 因子 ｍ（ ｔｐ （＞ ） 一般
１ ｆ １ ｎ ｎ
噪声运动矢量是不 同的 ，中值滤波器可 以在保护运动对象边
缘的同时滤除运动矢量场 中一些孤立的点 。中值滤波 的原理
Ｒ 为 半径 ：
是把 以点 （， ） 中心的窗 口内所有运动 矢量 的数值从大到 ＸＹ 为
小排序 ，取其 中间值作为当前点的值 。实验采用 ３ ３中值滤 ｘ
ｍｏ ｉｇｏ ｃ ｆｓａ ｄａｃｒｃ． ｖｎ ￣ｅｔａｔ ｕａｙ ｎ ｃ
｜ ｙｗｏ ｄ ］Ｈ．６ ａｄｒ ；ｏ ｒｓｅ ｏ ｉ； ｂｅｔ ｅｍｅ ｔｔ ｎ ｍｅ ｉ ｌ ｒ ｇ ｍｏｉｎｖ ｃｏ；ｕ ｚ ｍｅｎ ｕｔ ｎ Ｋｅ ｒ ｓ ２ ｓ ｎ ａｄ ｃｍｐｅｓｄｄ ｍａｎ ｏ ｉｃ ｓｇ ｎａｉ ； ｄａ ｆ ｔ ｎ ； ｔ ｅｔｒ ｆｚｙＣ— ａ ｓ ｌｓ ｒ ｇ ４ ｔ ｏ ｎｉ ｅ ｉ ｏ ｃ ｅ ｉ
波器 。
主 Ｉ１ｉ ｔ Ｊ １”－ ∑ Ｘ Ｘ２ ＝ １ ｉ ∑ ＝ Ｉ
均值作为第 １ 个聚类 中心。
（ ３ ）
在样本Ｘ中 找出 符合Ｉ，ｘｌ 的样本， Ｘ一 ｆ ≤Ｒ 求这些样本的平
Ｓｅ ２ 同理 ，在剩下的样本中找出与第 １个聚类 中心的 ｔｐ
３ 运动矢量场 的校验 ． ２被去除 ，但是运动 矢量场可能还含有其他噪声 ，有
第３ ８卷 第 ３期
Ｖｌ － ８ ０ ３ ｌ
计
算
机
工
程
２１ ０ ２年 ２月
Ｆ ｂ ｕ ｒ ２ ２ ｅ ｒ ａ ｙ ０１
Ｎｏ． ３
Ｃｏ ｐｕ ｅ ｍ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｉ ｅ ｒｎ
・ 发研 究 与设 计技 术 ・ 开
文章 编号：１ｏ． ４８ ０ ） ＿２７ ｏ ３２（ ｌ０ － ６－ ２ ２ ｏ
处理更新数据 ，过滤噪声数据 ，较好地避免大量重复计算 。
３ 运动矢量场 噪声 处理 ． １
实验 用的是背景静止的视频序列 ，无须进行全 局运动补 偿 。如果是 背景运动的视频序 列， 要先进行全局运动补偿 ， 需
然 后对 运 动 矢 量 场 进 行 处理 。
文献【】 出的模糊紧性分离性（ｕ ｚ ｏ ｐ ｃ ｅｓａｄＳ ｐ— ５提 Ｆ ｚｙＣ ｍ ａｔ ｓ ｎ ｅ ａ ｎ
（ ｏ ｌ ｅｏ ｆ ｒ ｔ ｎＳ ｉｎ ｅａ ｄＥ ｇ ｎ ｅ ｎ ， ｎ ｎＵｎｖ ｒｉ ， ｈ ｎ ｓ ａ １ ０ ２ Ｃ ｉａ Ｃ ｌ ｇ ｆ ｎ ｏｍａｉ ｃ ｃ ｎ ｉ ｅ ｒ ｇ Ｈｕ ａ ｉｅ ｓ ｙ Ｃ ａ ｇ ｈ ０ ８ ， ｈｎ ） ｅ Ｉ ｏ ｅ ｎ ｉ ｔ ４
进行视频运动对象提取 ，需要对压缩码流进行完全解码 ，这
２ 本文方法流程
本文方法直接从 压缩视频 流中提取 出运 动矢量场 ，无须
对压缩视频 流进 行解 压缩处理 。提取 的初始运动 矢量场经过 去噪声 处理 ，得 到平滑的运动矢量 场 ，然后对运 动矢量场 进 行校验 ，通 过后向迭代的方法累积运动矢量场 ，得到可靠、 稠 密 的运 动矢 量场 ，最后 提取 出运动对 象 ，其流程 如 图 ｌ
的 目的。本文提 出一种基于 Ｈ２ ４压缩标准的压缩域视频运 ．６
动对象 分割方法 ，利用改 进的模糊 Ｃ一 均值 算法聚类 ，不但 分 割结果 更加准确 ，而且节省 了运算时间，满 足视频 的实时性 要 求。
编码、视频检索、视频监控、模式识别等 。从数字视频信号 中提取出有意义 的运动对象信息 ，是准确进行视频运动对象 分割 的关键技术 。传统 的视频对象分割技术是在像素域 中进 行的 ，目前大部分视频码流是 以压缩形式存储 的，在像素域
些块的运动矢量并不准确，需要做进一步处理 ，本文对运动
距离大于 ａ且出现次数最 多的一个样本 ，然后以 Ｒ为半径按
照 Ｓｅ ｌ 出第 ２个聚类中心。 ｔｐ 求
Ｓｅ３ 重 复 Ｓ ｐ ｔ ｐ ｔ ２，直 到 找 到 ｃ类 聚 类 中 心 （） ｅ ，
ｉ ，， ， 止 。 ＝１ … ｃ为 ２
域 ，进行基于块 的运动对象分割 ，但该方法 的运算量较 大。 文献 【】 过 时域累积和 空域 内插 的方法估计 出一个稠 密 的 ３通
作 者筒 介 ： 轩腾蛟（９８ ， 硕士 ， １８ －） 男， 主研方 向： 信号与图像处理 ；
康志伟 ，教授
收稿 日期 ：２１－ —４ Ｅｍａ ：ｘａｔ ｇａ２ ６． ｍ ０１ ７１ ０ － ｉ ｕ ｅ ｊ ｏ＠１３ ｏ ｌ ｎ ｎｉ ｃ
文献标识码： Ａ
中圈分类号：Ｔ３１ Ｐ９
基 于模 糊 聚 类 的 Ｈ．６ ２ ４压 缩域 视 频 对 象分割
轩腾蚊 ，康 志伟
（ 南大学信 息科 学与工程学院 ，长沙 ４ ０ ８ ） 湖 １０ ２
摘
要： 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 Ｈ２４ ． 的压缩域视频运动对象分割方法 ，对初始的运动矢量 ６
文献【】 ６对初始聚类 中心的选择 进行 了研究 ，采 用改进的基于
相似性 闽值和最小距离原则的聚 类方法对样本粗聚类 ，得到
小则有可能将 有背景噪声 的块 当成运动块 ，实验采用的方法
是将运动 矢量 ２个 方向分量绝对值 的和作为一个参数 ，如
式 （） １所示 ：
各个类 的中心 ，得到了很好的效果 ，但 是增加 了聚类 的计算
矢量的幅值进行处理 ，对那些幅值突然变化 的运动矢量场 ，
利 用式（） ２增加运动矢量 的可靠性 ：
Ｓｅ ４设置迭代次数 ｋ ｌ ｔｐ ＝ ，以 Ｓｅ３ 中的结果作为初始 ｔｐ
一
一 ） ｆ
（ ）
背离相邻
聚类中心 （ ） ＝１ ， Ｃ。 ｋ， ， …， ｉ ２
Ｄ ‰）ｌ— 『＿＿ｌ Ｍ ＝ —
象分割意义重大。
目前压缩域视 频运动对 象的分割方法 大致 可分 为 ３类 ：
（） １基于变化检测 的分割方法 ；（） ２基于时空联 合的分割方法 ； （） ３基于运动矢量场 的分割方法 。本文采用方法（） ３。
近年来 出现 了很 多基于 Ｈ ２４ 的视频运 动对象分 割方 ．６ 法 ：文献【】 出了一种基于块 的 ＭＲ １提 Ｆ模型运动对象分割方
其 中， Ｄ Ｍ 为 点 （ 处 的运动 矢量幅值 ） ，
非零点运动矢量 的程度 ；锿 示与
＝
ｌ Ｖ Ｍ ＋ Ｖ ≥Ｔ Ｍ ｌ Ｉ ￣ ＩＭ ｌ ｌ Ｉ １ｌＶ ＜ ＋ ￣Ｔ ０ Ｍ Ｉ
经过 上式 的处理 ，图像 静止 区域零值 附近 的噪声被 滤
掉 了。
中值滤波是一种典型的低通 滤波 ，对象边缘运动矢量和
２和精度值 ，统计样本 ｘ中出现最 多的个体 ，然 后以 ）
３ 运动矢量场处理
初始 的运动 矢量场是从压缩视频流 中直接提取 出来 的，
基金项 目：国家 自然科 学基金资助项 目（ ７２ ６ ） ６ ０ ０５ ０
法 ，首先归一化提取的运动矢量场 ，然后利用连续多帧 的后 向投 影得 到可靠的运动矢量场 ，对其进行全局的运动补偿来 获得 各块的残差 ，最后利用 区域生长算法得到运动相似 的区
［ ｓｒｃ］Ａ ｃｒｉｇ ｔ ｈ ｄ ａｔｇ ｆｓｇ ｎａｉｎ ｓｅ ｄ ｉ ｅｃ ｍｐ ｓｄ ｄ ｍｍ ， ｉ ｐ ｐｒｐｏ ｏｅ ｔｏ ｆｖｄｏ ｏ ｊｃ Ａｂ ｔａ ｔ ｃ ｏｄｎ Ｏ ｔｅ ａ ｖｎａ ｅ ｏ ｅ ｍｅ ｔｔ ｐｅ ｎ ｔ ｏ ａｓｅ ｏ ｎ ｔ ｓ ａ ｅ ｒｐ ｓｓａｍｅ ｄ ｏ ｉｅ ｂｅ ｔ ｏ ｈ ｈ ｈ
ｓ ｇ ｎ ａ ｉ ｎ ｂ ｓ ｄ ｏ ２ ４． ｔ ｌｍｉ ｔ ｓｔ ｅ ｎ ｓ ． ｄ ａ ｌｅ ， ｏ ｒ ｃ ｉ ｎ ａ ｄ ａ ｃ ｍｕ ａ ｉ ｎ ｔ ｒ ｃ ｓ ｉ ｎ ｔａ ｔｏ ｅ ｔ ｒ ｎ ｓ ｓｆ ｚ ｙ ｅ ｍｅ ｔ ｔ ａ ｅ ｎ Ｈ．６ Ｉ ｅ ｉ ｎａｅ ｈ ｏｉｅ ｍｅ ｉ ｎ ｆ ｔｒ ｃ ｒｅ ｔ ｎ ｃ ｕ ｌ ｔ Ｏ ｐ ｏ ｅ ｓｎｇ ｉ ｉｉｌｍｏ ｉ ｎ ｖ ｃｏ ｓａ ｄ ｕ ｅ ｕ ｚ ｏ ｉ ｏ ｏ
所示 。
样增加 了分割耗 时，而且像素域分割算法运算复杂度大 ，需 要大量的计算 时间和存储空 间，达不到高效处理压缩域视频
流的要求 ，所 以，从压缩视频流 中直接提取运动对象 已经成
为必然 。新一代视频压 缩标 准 Ｈ．６ ２ ４具有 良好 的网络亲和性 和优异的压缩性能 ，利用 Ｈ．６ ２ ４标准进行压缩域视频运动对
法 ，利 用 ＭＲ Ｆ能量 最小化把相似 的 ＭＶ 合并成运动对象 ，
模型将 Ｈ．６ ２ ４中块 的不 同尺 寸作为一个线索加 以研究 ，但是 仅 限于 背景是 静止 的视频序列 。文 献【】 出了一种对运动背 ２提 景和静止 背景 都适 用的基于 匹配矩阵的视 频运 动对 象分割方