一种基于K-L变换的突变镜头检测方法

镜头检测是对视频进行分析和检索的基础.根据人眼的视觉特性,本文研究了一种基于K-L变换的突变镜头检测方法.新方法通过对原始RGB空间进行K-L变换得到由主轴构成的图像参数模型,利用相邻两帧对应第一、第二主轴的方向差异,应用加权系数来计算帧间差值.然后运用基于滑动窗口的自适应阈值方法来进行突变镜头检测,并对静止镜头进行了处理.实验结果和性能比较表明该算法取得了良好的检测效果,并且对目标的快速运动、光照变化等具有一定的鲁棒性,同时计算速度快,易于实现.     

一种在MPEG压缩域中检测镜头扫换的方法

当前对镜头切变已能够提供有效的检测方法,但渐变的检测一直是一个难题,也是当前视频分割新的研究热点.本文提出一种在MPEG压缩域中检测扫换(Wipe)的方法,它通过分析B帧和P帧中宏块编码类型的时空分布特点来进行检测,利用哈夫变换判断变化区域连续性,最后使用DC图像的直方图分析进一步验证.它不仅能定位扫换的起止帧,而且能得到扫换方向等特性.本方法需要比较小的运算量,同时对运动和其他镜头切换有比较好的区分性.     

一种适用于视频广告侦测的渐变镜头检测方法

提出一种基于斜率的渐变镜头检测方法,通过计算窗口内不连续帧差方差的斜率特性,结合窗口最大值法来检测渐变镜头边界;并通过对斜率特性的进一步分析,比较准确地定位渐变过程的起止位置。实验证明,本文的算法能更好地满足视频广告侦测下的渐变镜头检测要求。     

一种基于交互信息量的视频摘要生成方法

提出了一种基于交互信息量的视频摘要生成方法。该方法首先使用基于交互信息量的方法进行视频镜头检测,通过对检测到镜头帧的聚类提取镜头候选关键帧。然后对候选关键帧按照相邻帧间交互信息量的比较来提取镜头关键帧,最后将镜头关键帧按时序排列在一起形成视频摘要。试验表明,这种关键帧提取算法是有效的,其建立的视频摘要能较好的反映原视频的内容。     

基于多模态相似融合的新闻视频故事分割算法

新闻视频数量的不断增加,为准确分割用户感兴趣的新闻视频,本文提出了一种基于多模态相似融合的新闻视频故事分割算法。首先,通过选定视频切割点获取候选新闻故事单元边界,将视频分成音频流和视频流;其次,选择静音区间为音频候选切分点,主持人镜头帧和主题字幕帧作为视频候选切分点,根据候选切分点获得新闻故事基本单元,利用语义相似性分析各单元内容进行合并或独立分离,得到最终新闻故事;最后,采用人脸识别、YOLOv5来进行主题字幕检测、语义相似性合并或独立新闻故事基本单元,使得新闻故事边界划分更为准确。该新闻视频故事分割算法在《新闻联播》视频中查全率和查准率分别达到了97.17%和98.19%,为新闻视频导航、检索等应用提供辅助准备。     

基于音视频特征的电视广告单元分割技术

研究了电视广告音视频特征,利用镜头检测和静音检测,实现了电视广告段落中的广告单元分割。其中,镜头检测采用了改进的基于直方图的镜头检测方法,并且利用自适应阈值和滑动窗口的方法检测出切变镜头帧,然后利用短时音频能量和短时过零率检测出静音帧,最后通过匹配切变镜头帧和静音帧得到广告单元切换帧。实验结果表明,这种方法对于广告段落中的广告单元分割有较好的效果。     

一种基于内容视频检索中的镜头分割算法

提出了一种统一的可以检测出切变、渐变的视频镜头检测算法。首先,通过颜色局部累积直方图与纹理相结合的方法获得视频的帧间差,对于切变检测,通过已经计算得到的帧间差为基础,采用双重窗口检测算法实现,对于渐变的检测,采取了统一的双阈值检测方法对所有渐变类型进行了检测。通过多次试验,证明了用本文算法进行视频镜头检测能取得比较好的效果。     

基于窗帧差的镜头边界系数模型及其应用

针对视频结构分析提出了一种新的镜头边界系数模型.首先,按照特定的计算方法计算当前帧的窗帧差,使得窗帧差在镜头内与镜头边界呈现不同的特征;然后,采用相应的镜头边界检测算子计算镜头边界相似系数,镜头边界相似系数越大,则该帧越可能是镜头边界;最后,为了提高镜头边界相似系数的检测能力,根据镜头边界相似系数定义了镜头边界系数.镜头边界系数具有良好的特性,可以单独检测镜头边界,也可以与传统的镜头边界检测方法相结合,为镜头边界检测提供了一种鲁棒的框架.实验结果表明,基于镜头边界系数模型的镜头边界检测方法能明显改善镜头边界检测结果.     

使用线性分割和序列合并的视频镜头分割方法

本文提出一种双向帧距离模型,基于帧距离双向对比,采用较低的全局阈值,使用线性遍历的方法对视频内容进行粗镜头划分成碎片序列集合和边界序列集合.然后通过比对每一个边界序列相邻的碎片序列内容的相似度,对粗划分的内容进行再合并,从而实现了用线性方法同时解决突变类镜头切换和渐变类镜头切换的镜头分割问题.     

一种基于压缩域的视频镜头检测方法

针对传统的基于空域的视频镜头检测算法需要解压缩,计算量大、效率低的缺点,提出了一种基于压缩域的视频镜头检测方法。该方法首先根据MPEG压缩标准,从视频流中提取I帧中8个低频DCT系数,并对其进行分区加权求二次帧差,从而确定镜头变换所在的GoP;在GoP中通过计算P帧和B帧的不同类型宏块比率,来精确定位镜头边界。实验结果表明,该方法可大大减少计算时间和数据量,且具有良好的检测效果。     

一种基于小波的多光谱图像压缩方法

文章提出一种基于Karhunen2Loeve变换(KLT)和小波量化编码的多光谱图像压缩方法。该法首先使用KL变换步骤来去除谱间冗余,而后对各变换波段图像进行小波变换,并利用均匀阈值网格编码量化方法来量化小波子带图像,最后使用算术编码对量化结果进行熵编码。为使编码器能为所有谱段各子带获取率- 失真意义上最优的量化阈值,本文提出基于子带图像统计特性和网格编码量化器率- 失真特性的比特分配算法。实验表明,本方法能高效地压缩多光谱图像,表现出优异的压缩性能。     

基于K-L交叉熵的岭回归人脸识别

岭回归人脸识别利用正则单形的顶点对每类人脸进行多元标记,通过投影实现高维人脸特征的降维。该算法首先提取人脸图像的局部二进制（LBP）直方图特征向量,通过主成分分析（PCA）和岭回归对该特征向量进行两次降维。识别阶段利用K-L交叉熵计算标记向量和投影后特征向量的相似性,根据熵值最小原则完成对测试样本的类别判断。实验选取ORL和YALE两个标准人脸库对算法进行测试,结果表明,K-L交叉熵测度比传统的欧氏距离测度获得更高的识别率。     

无线密钥产生中的Karhunen Loève变换去相关性研究

在通过公共无线信道生成密钥的过程中,信道特征序列之间的相关性不容忽视。相关文献提出,利用Karhunen-Loève变换完成特征序列的去相关时,具有较明显的敏感性［1-3］。本文对Karhunen Loève变换的敏感性展开了进一步的分析,并提出了一种改进的Karhunen-Loève去相关算法来去除敏感性。在改进算法中,需要通过公开信道来传输额外信息,但所公开的信息可以被有效控制,使得窃听者获得的信息尽可能少。仿真结果表明,利用提出的改进方案可以有效降低密钥的不一致率。同时,本文采用简单的CASCADE协商协议对密钥进行协商,说明改进算法可以提高单位时间内生成密钥的长度。      

Application of Legendre Transform for Decorrelation of Random Variables

Karhunen-Loeve (K-L) transform yields a set of uncorrelated random variables from a set of correlated random variables of a data vector. However, K-L transform is computationally not efficient and hence other fast transforms have been investigated for use in their place. Possible use of Legendre transforms in this application has been investigated.     

基于K-L变换和平均近邻法的人脸识别

首先介绍了K-L变换和近邻法判别的原理;然后以MATLAB R2009b为实验平台,分别利用类间散布矩阵和总体散布矩阵作为K-L变换的的产生矩阵,对ORL人脸库的400幅图片进行K-L变换,一部分作为训练样本,一部分作为待识别样本,训练样本以产生特征脸空间;接着计算出待识别图片在特征脸空间的坐标,采用平均近邻法进行人脸识别.最终的实验结果给出了基于两种产生矩阵的算法时间和正确识别率,实验证明采用K-L变换对人脸提取特征很有效,本文基于K-L变换和平均近邻判别法的人脸识别的方法正确率最高可达到95％.     

一种新的离线手写签名识别方法

脱线签名的验证较难,他仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失。针对脱线手写签名识别的特点,提出基于提升小波变换的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维。最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。     

基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,最后通过Contourlet逆变换得到去噪之后的图像。在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征及边缘特征,且信噪比也较高。     

K-L变换编码与DCT变换编码及其比较

讨论了DCT变换和K－L变换的基本过程，通过便证系统地就两者之间的若干问题进行了比较与分析。     

基于1（1/2）维谱与K-L变换的被动声纳目标识别

采用基于1（1/2）维谱分析与K-L变换相结合的特征提取方法,获取被动声纳噪声信号的有效识别信息,对被动声纳的目标信号进行分类。首先对被动声纳噪声进行1（1/2）维谱子带能量的特征提取,然后运用K-L变换实现高维特征向量的降维,剔除冗余特征,并以BP神经网络作为分类器对三类目标进行识别与分类。计算机仿真结果表明,该方法具有较好的分类效果和稳健性。     

基于Canny算子和K-L变换的改进SIFT匹配算法

在分析了经典SIFT算法的基础上,提出了一种基于Canny算子和K-L变换的改进SIFT匹配算法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,与SIFT算法检测出图像关键点的坐标进行对比以去除不稳定的边缘点;其次通过K-L变换,将特征描述符进行降维处理,降低算法复杂度;最后使用RANSAC算法剔除误配点。通过实验表明,该算法能有效去除不稳定的边缘响应特征点,减少图像匹配时间,提高图像匹配的准确性和鲁棒性。