分布式视频编码中基于改进FCM聚类的相关噪声模型估计
目的 在分布式视频编码中,为了更加准确地描述相关噪声残差子带的变化特性,提出一种基于改进的模糊C均值(FCM)聚类的模型估计方法.方法 本文算法针对每一解码子带选取不同的特征矢量;利用改进的模糊C均值进行聚类;采用阈值控制法求取相应的模型参数;然后用重建子带更新下一解码子带的特征矢量,直到一帧中所有子带解码完成.针对模糊C均值对初始聚类中心的敏感性,采用随机生成隶属度矩阵的方法来缓解聚类陷入局部最优的问题.结果 从实验效果和算法复杂度角度考虑,将残差样本聚为8类.实验结果表明,本文聚类算法可以更加准确地模拟帧内不同区域的不同信道噪声特性,对于运动越剧烈的序列效果越好,相对于子带级拉普拉斯估计,平均增益达1 dB.结论 提出了一种新的相关噪声估计方法,针对不同的子带选取不同的特征矢量,并重建更新.实验结果表明,本文算法能更好地描述相关噪声特性,获得系统性能的提高.
Wyner-Ziv分布式视频编码、相关噪声模型、FCM聚类算法、特征矢量、拉普拉斯参数
19
TN919.8
国家自然科学基金项目60972135
2014-03-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
185-193