一种基于动态时间规划的视频特征检索改进算法

针对基于"视频指纹"特征的视频检索算法在实际应用中存在视频亮度整体漂移、突变干扰以及视频再编辑的问题,提出了一种基于动态时间规划的视频特征检索改进算法.该算法在原"视频指纹"算法的基础上采用了新的视频检索策略:首先,对视频帧进行区域分割,将"视频指纹"由单分量扩展到多分量;然后,采用基于粒度的相似性比较算法,用比对每帧视频指纹的变化,取代比较视频指纹本身;最后,采用改进的动态时间规划算法进行视频特征匹配,定位目标视频.在算法评估中,建立了由74段广告视频和154段再编辑视频组成的测试集.通过试验证明,改进算法可以有效应对视频检索过程中的亮度整体漂移、突变干扰和视频再编辑问题,检索算法具有很好的鲁棒性.     

一种彩色视频超分辨率重建算法

基于RGB三通道的超分辨率视频重建算法对彩色视频进行处理将导致算法的计算量过大,不利于其在彩色视频实时处理中的应用。针对这一缺点,本文基于核回归函数提出了一种高效的彩色视频超分辨率重建算法,该算法只需要对亮度分量进行超分辨率重构,在增大视频序列重构信息量的同时,大幅降低超分辨率重建算法的计算量,更适用于彩色视频的实时超分辨率重建场景中。     

基于多层次视觉语义特征融合的图像检索算法

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。     

基于视频内容的片段分割关键技术探讨

视频分割技术在基于内容的视频编码、视频检索、模式识别等领域应用广泛,成为近年来视频处理技术研究中的热点。系统阐述视频分割技术的应用及常用的算法,并提出另一种基于机器学习、模式识别的方法,将机器学习的思想引入镜头边界检测。此类方法是目前镜头边界检测研究领域中的热点。     

基于多超平面支持向量机的图像语义分类算法

由于图像的低层可视特征与高层语义内容之间存在巨大的语义鸿沟,而基于内容的图像分类和检索准确性极大依赖低层可视特征的描述,本文提出了一种基于多超平面支持向量机的图像语义分类方法.多超平面分类器从优化问题的复杂度和运行泛化能力两方面进行研究,是最优分离超平面分类器一种显而易见的扩展.实验结果表明,本文提出的方法在图像语义分类的准确性方面要优于诸如采用色彩特征和纹理特征的支持向量机分类器的其它方法.     

基于L1范数优化路径的视频稳像算法

目的 为解决外包装行业对产品外观进行检测时,采集视频图像存在抖动失真的问题.方法 提出一种基于L1范数优化路径的视频稳像算法,采用SURF算法和FREAK算法对视频序列帧中的特征点进行检测和描述;然后,使用KNN算法和RANSAC算法对相邻帧间的特征点进行匹配和筛选;最后,通过L1范数优化算法对序列帧进行校正和去黑边处理,得到稳像视频.结果 在处理前景无运动和前景有运动的2类视频时,稳像前后视频的平均PSNR值分别提升了5.094 dB和4.273 dB,并且相对于常用的特征匹配算法,文中算法能显著降低相机路径的主动平滑因子.结论 文中算法能够有效地解决视频抖动失真的问题,提高抖动视频的质量,具有一定的鲁棒性.     

转子图像空时域增强与振动测量方法研究

提高视觉测振精度的主要因素取决于单位周期内采集图像的样本数量以及图像中振动目标边缘的清晰度，但工业相机有限的采集频率和固有的分辨率会导致最终获得的时序位移信号因空时域信息丢失而出现明显的偏移误差。因此提出一种转子图像空时域增强与振动测量方法。通过视频插帧算法在相邻的两个样本图像之间插入一个拟合样本，从而增强单位周期内采集的样本数量。为了缓解采集的低分辨率图像中存在模糊、失真、噪点等现象，利用超分辨率重建算法恢复图像内的高频信息。在权衡算法耗时和计算资源损耗后，将视频插帧和视频重建进行任务集成，实现两个模型任务的特征信息共享。在自制的高速振动转子图像数据集中进行测试的试验结果表明：与当前的先进算法相比，本文构建的模型提高了0.3 dB,相应的轻量级模型在降低模型参数17.9%的同时比先进的模型任有更好的重建精度。两种采样频率下测得的时域与频域信号显示，所提出的算法获得的振动信号具有更好的周期性和稳定性。     

基于动量动力学模型的行人关系分析

进行了行人行为分析及行人关系研究。考虑到在机器视觉领域大多数研究仅关注于目标行为分类与识别,而目标间因果关系判别研究较少,且现有理论停留在心理学领域中的因果关系表达,提出了一种基于动量动力学模型的目标间因果关系识别方法,用于实现行人间因果关系的识别及量化计算。该方法利用Cam shift算法获得目标在视频中的位置并依据因果概念,构建动量动力模型,然后基于动量动力模型进行因果关系判别,最后计算因果值。根据因果值范围识别出视频行人间的三种因果关系:导致、促进和阻碍。实验表明,上述方法可以在视频监控条件下识别两运动行人间的因果关系。     

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法。通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中。并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子。最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0．5个像素。