目的在分布式視頻編碼中,為了更加準確地描述相關(guān)噪聲殘差子帶的變化特性,提出一種基于改進的模糊C均值（FCM）聚類的模型估計方法。方法本文算法針對每一解碼子帶選取不同的特征矢量;利用改進的模糊C均值進行聚類;采用閾值控制法求取相應的模型參數(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。針對模糊C均值對初始聚類中心的敏感性,采用隨機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)果從實驗效果和算法復雜度角度考慮,將殘差樣本聚為8類。實驗結(jié)果表明,本文聚類算法可以更加準確地模擬幀內(nèi)不同區(qū)域的不同信道噪聲特性,對于運動越劇烈的序列效果越好,相對于子帶級拉普拉斯估計,平均增益達1 dB。結(jié)論提出了一種新的相關(guān)噪聲估計方法,針對不同的子帶選取不同的特征矢量,并重建更新。實驗結(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】：
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.  電子與信息學報. 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.  計算機學報. 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 2011



本文編號：3710971