基于累积帧的自适应双闭值镜头边界检测算法

镜头边界检测是基于内容视频检索的重要组成部分。针对渐变的视频序列,提出一种基于累积帧的自适应阈值镜头边界检测方法。考虑用一个累积帧把每一帧之间的差异累积起来,放大渐变的特征变化,利用块匹配算法对运动进行估计和补偿,以减少物体运动对镜头边界检测的影响。通过分析帧亮度和饱和度与阈值的关系,用自适应双阈值提高镜头边界检测的准确性。实验结果表明,该算法可以在较小的计算强度下较好地实现对镜头渐变的检测。     

基于运动补偿和自适应双闭值的镜头分割

镜头分割是视频检索的结构化基础.提出一种高效的镜头分割算法,首先针对视频中的图像帧序列间存在一定的运动,对视频中的图像帧采用运动矢量场自适应搜索技术进行分块运动矢量估计,然后进行运动补偿,接着在此基础上计算两帧间的像素值不变点数,并基于滑动窗口获取局部自适应的双阈值,最后基于自适应双阈值间的比较检测切变和渐变.实验结果证实,该算法不仅能够有效地检测出镜头的切变和渐变,而且对运动具有较强的鲁棒性.     

基于三步筛选的视频渐变镜头检测

针对视频中的叠化与淡入淡出现象,提出一种基于三步筛选的渐变镜头检测算法。提取视频帧的亮度和方差作为特征,通过有限状态机实现初始渐变检测,并计算视频帧的颜色、共生矩阵、运动特征,从而进行三步筛选,保证检测的准确性。对TRECVID视频进行实验,结果表明,该算法对渐变具有较好的检测性能,对运动及闪光现象有较强的鲁棒性。     

基于BP神经网络的镜头边界检测

基于神经网络的机器学习思想,提出一种利用多种视频特征的镜头边界检测算法。突变检测中,在特征矢量形成上,分别采用了相邻两帧差值法和滑动窗口法,并加入运动信息以排除强运动对突变检测的影响;在神经网络的构架上,则分别采用了融合法和选举法。在渐变检测中,先通过三个神经网络将溶解过程中方差曲线的三种模式分别识别出来,再根据溶解过程中亮度均值呈线性递增或递减的特性将干扰排除。对大量TRECVID视频进行实验的结果表明,该算法对视频突变和渐变都具有良好的检测性能,并对运动以及闪光灯的干扰具有较好的鲁棒性。     

基于帧间差值的视频镜头渐变检测算法

针对在视频同一镜头中运动因素引起的帧间差值波动与镜头渐变过程的帧间差值波动情况相似可能对镜头渐变产生误检的问题,利用镜头渐变是从一个镜头转换到一个新的镜头的本质特征,通过分析帧间差值曲线,提出了省略帧间差值波动,直接计算帧间差值波动前后两帧差值的视频镜头渐变检测算法.利用该算法对若干视频进行实验,并与双阈值累计帧差算法进行比较,实验结果表明了该算法在视频镜头渐变检测中的有效性.     

基于直方图帧差的自适应镜头分割算法

提出一种改进的基于亮度直方图帧差的自适应镜头分割算法,该方法包括突变镜头的检测过程和渐变镜头的渐变过程,这两个处理过程由相邻两帧的亮度直方图帧差与自适应阈值的比较来自动进行选择,在突变镜头的检测过程中加入隔帧帧差法检测闪光灯,渐变镜头的检测采用基于帧间差方差的方法。实验结果表明,改进算法具有很好的检测效果,且计算复杂度低,易于实现。     

H．264压缩域中利用Biased-SVM检测镜头边界

为了直接从H．264码流中检测镜头边界,提出了利用H．264压缩域多特征和Biased—SVM（不平衡支持向量机）分类算法的检测方法。分析帧类型、宏块类型、运动矢量、帧内预测模式等信息,以获得发生镜头突变和渐变的特征。针对镜头边界帧的数量远少于视频帧总数的特点,用Biased—SVM分类方法将视频帧分为突变帧、渐变帧和非镜头边界帧。在TRECVID视频集上的实验结果表明,与其他H．264压缩域的算法相比,该算法有更好的性能。     

基于信息熵的自适应阈值视频镜头检测方法

文中提出了一种基于信息熵的自适应阈值视频镜头检测方法。首先,利用小波变换提取图像的颜色特征和纹理特征,然后利用信息熵方法来实现对突变和渐变镜头边界的检测,并根据滑动窗口中差值的分布来动态计算局部阈值,提高了镜头边界检测算法的精度。该方法能较好地检测出镜头突变,对渐变镜头也能达到检测的目的。实验结果表明算法能够有效地检测出视频镜头边界。     

一种含边信息的小波域视频水印算法

利用帧内和帧间的边信息,提出一种含边信息的小波域视频水印算法。该算法以抖动调制为基础,以视频帧的运动特征和纹理特征作为边信息,自适应地确定抖动调制的量化步长。实验结果表明,该算法实现了视频水印的盲检测,具有良好的不可见性,对高斯噪声、帧平均、帧删除、帧置换等攻击具有较好的鲁棒性。     

一种基于模型的扫换检测方法

视频自动分割是实现视频数据库检索必不可少的一个过程,其基础是镜头边界检测.当前已有的算法能够较准确地检测出镜头突变,但对于镜头的渐变则常常会漏检,这是由于镜头渐变时帧间差没有一个明显的峰值,因而其检测比突变检测要困难得多.扫换是一种常用的视频空间编辑手段,用于实现多种镜头变化.通过分析各种类型的扫换,提出了一种新的基于视频空间编辑模型的扫换检测算法,其性能优于Alattar提出的基于统计特征的算法.对用AdobePremiere5.1生成的各种扫换视频进行检测.实验结果表明,这种扫换检测算法能够较好地适应     

基于自适应策略的权值修正累积历元RAIM算法

传统的接收机自主完好性监测(RAIM)算法对微小慢变故障的检测延迟较长,漏检率较高,不利于故障检测。针对这一问题,在奇偶矢量RAIM算法基础上,提出了一种基于自适应策略的权值修正累积历元的RAIM新方法。该算法根据单历元故障程度确定权值因子,进而调整选定“窗口”内各历元所占比例,以构造更有效的检测统计量,其中“窗口”的大小依据多次仿真实验确定。仿真结果表明,该算法相对于累积历元和传统RAIM方法检测延迟时间分别缩短了16.67%和56.52%,能更好地检测微小慢变故障。     

基于自适应阈值设置的运动目标检测算法

提出一种基于自适应阈值设置的运动目标检测算法,该算法不同干传统的全局阈值设置方法,而是利用核密度对背景像素点进行密度估计,给出一种新的全局和局部阈值相结合的自适应阈值设置方法。该方法考虑不同位置的像素颜色分布复杂度不同,针对每个像素点自适应设置局部阈值,能克服全局阈值的不足,提高检测的精度。对多个标准视频进行实验,实验结果证明了该算法的有效性。     

基于帧差与非相邻帧差的自适应镜头检测方法

针对突变和渐变的特点,实现了一种基于帧差和非相邻帧差的自适应镜头检测方法。方法通过计算相邻帧差有效地检测突变镜头,通过计算非相邻帧差实现对渐变镜头的有效检测,二者结合可检测出几乎所有的突变和渐变镜头,获得了良好的综合检测效果。该方法不用设全局阈值,适应性强且计算量小,实验结果表明了方法的通用性和有效性。     

基于HEVC压缩域的镜头边界检测方法

镜头边界检测是智能视频检索的一个重要环节。现有的检测方法主要是在像素域进行处理,切变检测精度不高,计算复杂度过大。针对这些问题,文中利用解析HEVC码流得到的编码信息,提出了一种基于HEVC压缩域的镜头边界检测方法。首先统计每帧编码信息中各类预测模式的PU个数,并根据CU深度对运动矢量进行幅值滤波;然后采用PU预测模式、运动矢量和帧比特数对切变候选帧进行两级筛选,再对其进行自适应阈值的镜头切变检测;接着根据切变帧对视频序列进行分段,并在时域上对帧比特数进行平滑滤波;最后使用PU预测模式和经滤波平滑后的帧比特数对分段视频进行镜头渐变检测。实验结果表明,该方法具有良好的镜头边界检测效果,并具有较低的计算复杂度。     

基于HSV色彩空间的自适应肤色检测

针对复杂背景彩色图像提出了一种基于HSV色彩空间的自适应肤色检测算法。该算法首先使用阈值在HSV空间对人体肤色区域进行肤色分割,然后对分割出的肤色区域使用相对重要性滤波和自适应区域归并,最后将归并后的肤色区域使用人眼定位进行验证,将多人脸检测转化为单人脸检测。实验结果表明,该算法复杂度较小,对光照变化具有很好的鲁棒性。     

基于SAM-CS和SOFM的胃上皮肿瘤细胞图像识别

针对胃上皮肿瘤细胞图像(以下简称肿瘤细胞图像)黏结严重和信息冗余的特点,提出了一种将自适应观测矩阵的压缩感知(SAM-CS)和自组织特征映射(SOFM)神经网络相结合的算法。该算法将肿瘤细胞图像拉成列向量,然后利用通过自适应过程产生的观测矩阵,基于压缩感知理论对图像信息进行观测,产生线性观测向量,最后利用SOFM神经网络的学习算法对观测向量进行训练和分类,实现对肿瘤细胞图像的识别。实验表明,相比常用算法,该算法至少提高了4.2%的识别准确率和5.7%的运算速度。     

视频图像中维吾尔文字的识别研究

提出了从复杂背景视频图像中提取文字并识别的一套算法,利用自适应迭代算法提取视频中维吾尔文字,针对维吾尔文字的一些特点,利用合适的预处理方法保留维吾尔文字中的各种点及特殊笔画,同时有效地消除了复杂背景带来的噪声。考虑维吾尔文字书写的特点,利用滑动窗口法提取文字特征避免了文字分割,将产生的特征向量输入到隐马尔可夫模型（Hidden Morkov Model）中进行训练和识别。     

视频序列中运动目标检测算法

提出一种结合区域级和像素级背景差分法的目标检测算法,可以有效解决视频序列中噪声分布不均问题。利用一种基于熵能的局部自适应阈值划分出前景和背景,在此基础上对前景和背景邻接区域像素点进行检测,并提出一种自适应光线变化的背景更新算法。实验结果表明,该算法比传统单阈值背景差分法抗噪能力更强,检测目标轮廓更加完整,能够准确检测出运动目标。