基于块匹配运动估计与补偿的压缩方法是应用最广泛的视频压缩技术,已被各种编码标准采用.基于模型的压缩方法是一种高级的视频压缩技术,能在保证图像质量的前提下,获得极高的压缩比,然而目前尚无满意的对象分割和特征提取方法.借鉴智能监控系统和模式识别、计算机视觉等领域的相关研究方法,通过理论和实验探索,提出一种新颖的视频压缩方法—基于运动分割的新型视频压缩方法(MSNVC),该方法的特点是采用去除视频序列冗余信息的新型手段实现视频压缩,以及独特的依据空间位置关系进行粘贴的方式得到解码图像.消除视频序列的各种冗余信息是常用的视频压缩手段.提出一种去除视频序列时间冗余的新思路,即找出视频的整个背景,在每一帧中通过减去背景分割出运动的前景而消除时间冗余.并给出一个新的自适应背景减运动分割算法(NABSMS)实现该思路,解决实现该思路时主要存在的难点,即整个背景的获得、维持和更新以及运动前景的快速、准确分割.基于运动分割的新型视频压缩方法MSNVC,利用NABSMS消除视频序列的时间冗余,主要采用基于块DCT变换和量化的方法消除其空间及视觉冗余,达到压缩视频的目的.MSNVC通过在每一帧与背景模型间做像素级的对应位置的比较来找出该帧的前景像素点,然后以像素块为单位进行运动前景的定位和分割,不存在块匹配的窗口内的搜索问题,避开了其缺陷.同时,MSNVC分割出的运动前景,并不要求是实际的对象,而且对于运动前景的处理,还是通过去除冗余信息而不是通过特征提取来实现压缩,避免了模型基编码的难点.实验结果表明,MSNVC压缩效率比目前压缩效率最高的JVT视频编码标准高,压缩比平均提高了约1.13﹪.