目的在分布式視頻編碼中,為了更加準(zhǔn)確地描述相關(guān)噪聲殘差子帶的變化特性,提出一種基于改進(jìn)的模糊C均值（FCM）聚類的模型估計(jì)方法。方法本文算法針對(duì)每一解碼子帶選取不同的特征矢量;利用改進(jìn)的模糊C均值進(jìn)行聚類;采用閾值控制法求取相應(yīng)的模型參數(shù);然后用重建子帶更新下一解碼子帶的特征矢量,直到一幀中所有子帶解碼完成。針對(duì)模糊C均值對(duì)初始聚類中心的敏感性,采用隨機(jī)生成隸屬度矩陣的方法來緩解聚類陷入局部最優(yōu)的問題。結(jié)果從實(shí)驗(yàn)效果和算法復(fù)雜度角度考慮,將殘差樣本聚為8類。實(shí)驗(yàn)結(jié)果表明,本文聚類算法可以更加準(zhǔn)確地模擬幀內(nèi)不同區(qū)域的不同信道噪聲特性,對(duì)于運(yùn)動(dòng)越劇烈的序列效果越好,相對(duì)于子帶級(jí)拉普拉斯估計(jì),平均增益達(dá)1 dB。結(jié)論提出了一種新的相關(guān)噪聲估計(jì)方法,針對(duì)不同的子帶選取不同的特征矢量,并重建更新。實(shí)驗(yàn)結(jié)果表明,本文算法能更好地描述相關(guān)噪聲特性,獲得系統(tǒng)性能的提高。 

【文章頁數(shù)】：9 頁

【參考文獻(xiàn)】：
期刊論文
[1]分布式視頻編碼中拉普拉斯-柯西混合分布相關(guān)噪聲模型研究[J]. 楊春玲,謝小蘭.  電子與信息學(xué)報(bào). 2012(10)
[2]基于高斯混合模型的Wyner-Ziv視頻編碼[J]. 尹明,蔡述庭,謝云.  計(jì)算機(jī)學(xué)報(bào). 2012(01)
[3]基于變換域Wyner-Ziv視頻編碼的相關(guān)噪聲模型[J]. 王鳳琴,樊養(yǎng)余,趙炯,劉元魁.  數(shù)據(jù)采集與處理. 2009(05)

碩士論文
[1]基于FCM聚類的彩色圖像分割算法研究[D]. 朱小雨.吉林大學(xué) 2011



本文編號(hào)：3710971