排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
本文中作者提出了一种新的基于鲁棒统计的快速搜索方法,可以用于图象帧间主运动估计,能够提高提高算法速度,近年来,一种新的参数估计技术-鲁棒统计-被越来越广泛地用于主运动估计,与传统的基于最小二乘的估计方法相比较,鲁棒统计对于外点具有更好的鲁棒性,但运算复杂度较高,而主运动估计中耗时最大的部分是线搜索。因此我们针对鲁棒统计中常用的M估计函数形式,采用近似函数拟合的方法,设计了一种快速的线搜索方法,与牛 相似文献
2.
3.
一、MPEG-7的产生背景 如今,越来越多的声象信息以数字形式存储和传输,这为人们更灵活地使用这些信息提供了可能性。但随之而来的问题是,随着网络上信息爆炸性的增长,使获取到我们感性趣的信息的难度越来越大。传统的基于关键字或文件的检索方法显然不适于数据量庞大且又不具有天然结构特征的声象数据,因此近些年来多媒体研究的一个热点是声象数据的基于内容的检索,例如“从这段新闻片中找出有克林顿的镜头”这种形式的检索。实现这种基于内容检索的一个关键性的步骤 相似文献
4.
利用改进NFL算法对镜头进行基于内容的检索 总被引:9,自引:1,他引:9
基于镜头的分类和检索对于视频库的管理和查询非常重要.将“最近特征线”法(nearest feature line,简称NFL)用于镜头的分类和检索.将镜头中的代表帧看做是某个特征空间中的点,通过这些点间的连线表征该镜头的总体特征信息,然后计算查询图像和特征线的距离,以决定镜头与查询图像的相似度.为了更适于视频数据,对原来的NFL方法进行了改进,基于镜头内部内容活动程度对特征线进行限制、实验结果表明,改进的NFL方法比传统的NFL方法以及常用的聚类万法,如最近邻法(nearest neighbor,简称NN)和最近中心法(nearest center,简称NC),在性能上有所提高. 相似文献
5.
6.
实现基于内容的动态视频检索,要面临两个主要问题。一个是:视频信息本身不具有明显的语义结构特征,以传统的帧或象素为描述单元,很难实现基于内容的检索。这就需要我们突破基于帧的视频表示形式,在视频数据上人为地建立数据结构,以表征视频的内容,从而支持基于内容的检索。这里的主要困难在于定义什么样的结构和怎样获取它们。 第二个问题是:如何将表征视频内容的数据结构与视频数据的存储格式联系起来。视频数据的海量特点决定了其必须以压缩形式存储和传输,而从目前公布的压缩编码国际标准MPEG-Ⅱ和H.263来看,这些压缩算法都还是基于正交变 相似文献
7.
基于关键帧提取的最近特征线(NFL)聚类算法的镜头检索方法 总被引:8,自引:0,他引:8
提出了一种新的聚类方法来支持基于图像或镜头例子的检索。这种方法以最近特征线(Nearest Feature Line,NFL)聚类方法为基础,并根据最近特征线方法的特征,将基于特征空间拐点的关键帧提取过程与聚类方法作为一个整体统一考虑,从而使得最近特征方法性能达到最优。实验结果表明,我们的基于关键帧提取的最近特征线方法与传统的最近特征线方法、最近邻法以及最近中心法相比较,可以获得更高的检索精度。 相似文献
1