[1]孔祥鹏,沙宁,邢薇.基于核聚类的H.264压缩域的运动对象分割方法[J].计算机技术与发展,2013,(08):87-90.
　KONG Xiang-peng,SHA Ning,XING Wei.A Moving Object Extraction Method in H. 264 Compressed Domain Based on Kernel Clustering[J].,2013,(08):87-90.
点击复制

基于核聚类的H.264压缩域的运动对象分割方法()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2013年08期
页码:
87-90
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
A Moving Object Extraction Method in H. 264 Compressed Domain Based on Kernel Clustering
文章编号:
1673-629X（2013）08-0087-04
作者:
孔祥鹏; 沙宁; 邢薇
哈尔滨工程大学 计算机科学与技术学院
Author(s):
KONG Xiang-peng; SHA Ning; XING Wei
关键词:
核函数; 模糊聚类; 聚类有效性; 减法聚类; 运动矢量
Keywords:
kernel function; fuzzy clustering; cluster validity; subtractive clustering; motion vector
文献标志码:
A
摘要:
提出了一种基于核聚类的H.264压缩域的运动对象分割的方法。首先对运动矢量进行归一化处理，其次又引入了平均欧式距离的中值滤波的方法对运动矢量进行滤波去噪，再次利用减法聚类初始化聚类中心并且使用引入了核函数的模糊聚类进行聚类，最后将有效函数的判断结果作为分割条件，从而达到自适应分割出压缩域中的运动对象的目的。本方法对Hall视频序列进行了实验。实验证明，通过该方法可以较好地分割出视频序列中的运动对象
Abstract:
In this paper,a moving object extraction method in H. 264 compressed domain based on kernel clustering is proposed. First,the motion vector is normalized. Second, the median filter using Average Euclidean Distance is used to process noise for motion vector. Third,the clustering center is initialized by the subtractive clustering and the use the fuzzy clustering to classify the data. Finally,the ex-tracted condition is produced by the valid function and the moving object is got adaptively by the divided condition. The Hall experiment results show that the method can get the moving object very well

相似文献/References:

[1]何小娜 逄焕利.基于二维直方图和改进蚁群聚类的图像分割[J].计算机技术与发展,2010,(03):128.
　HE Xiao-na,PANG Huan-li.Image Segmentation Based on Improved Ant Colony Clustering and Two- Dimensional Histogram[J].,2010,(08):128.
[2]陈俏 曹根牛 陈柳.支持向量机应用于大气污染物浓度预测[J].计算机技术与发展,2010,(01):247.
　CHEN Qiao,CAO Gen-niu,CHEN Liu.Application of Support Vector Machine to Atmospheric Pollution Prediction[J].,2010,(08):247.
[3]时书剑 马燕.基于Gabor滤波和KPCA的人脸识别方法[J].计算机技术与发展,2010,(04):51.
　SHI Shu-jian,MA Yan.Face Recognition Based on Gabor Filters and Kernel Principal Component Analysis[J].,2010,(08):51.
[4]孙秋凤.microRNA计算识别中的模式识别技术[J].计算机技术与发展,2010,(06):97.
　SUN Qiu-feng.Pattern Recognition Technology for MicroRNA Identification[J].,2010,(08):97.
[5]冯春辉.Web日志挖掘在网络教学中的应用研究[J].计算机技术与发展,2010,(06):183.
　FENG Chun-hui.Research on Application of Web Log Mining in Network Teaching[J].,2010,(08):183.
[6]李光耀 聂诗良.基于小波分解和模糊聚类的图像分割方法[J].计算机技术与发展,2009,(06):121.
　LI Guang-yao,NIE Shi-liang.Image Segment Algorithm Based on Wavelet Decomposition and Fuzzy Clustering Theory[J].,2009,(08):121.
[7]李丽芳 周鸣争.一种基于构造性核覆盖的聚类算法[J].计算机技术与发展,2009,(01):88.
　LI Li-fang,ZHOU Ming-zheng.A Clustering Algorithm Based on Constructive Kernel Covering Algorithm[J].,2009,(08):88.
[8]曹文婷 邹海 段凤玲.基于模糊K—Modes和免疫遗传算法的聚类分析[J].计算机技术与发展,2009,(02):151.
　CAO Wen-ting,ZOU Hai,DUAN Feng-ling.Cluster Analysis Based on Fuzzy K- Modes and Immune Genetic Algorithm[J].,2009,(08):151.
[9]于水英 丁华福 付志超.基于遗传算法和模糊聚类的文本分类研究[J].计算机技术与发展,2009,(04):131.
　YU Shui-ying,DING Hua-fu,FU Zhi-chao.Study on Text Categorization Based on Genetic Algorithm and Fuzzy Clustering[J].,2009,(08):131.
[10]罗军生 李永忠 杜晓.基于模糊C-均值聚类算法的入侵检测[J].计算机技术与发展,2008,(01):178.
　LUO Jun-sheng,LI Yong-zhong,DU Xiao.Intrusion Detection Based on Fuzzy C- Means Clustering Algorithm[J].,2008,(08):178.

更新日期/Last Update: 1900-01-01