一种基于RS和I帧的关键帧提取方法

关键帧提取技术是视频分析和基于内容的视频检索的基础。关键帧的使用可以大量降低视频索引的数据量,提出了一种基于RS理论和I帧的关键帧提取方法。该方法在压缩域上进行,只需要视频流中I帧数据,因此大大减少了运算的数据量。     

一种基于RS和Ⅰ帧的关键帧提取方法

关键帧提取技术是视频分析和基于内容的视频检索的基础.关键帧的使用可以大量降低视频索引的数据量,提出了一种基于RS理论和Ⅰ帧的关键帧提取方法.该方法在压缩域上进行,只需要视频流中Ⅰ帧数据,因此大大减少了运算的数据量.     

一种改进的视频关键帧提取算法研究

视频镜头分割和关键帧提取是基于内容的视频检索的核心问题.提出了一种改进的关键帧提取算法,其为视频检索奠定了基础,镜头分割部分采用改进直方图方法及基于像素方法的综合方法.首先,通过结合直方图交集及非均匀分块加权的改进直方图方法,根据视频内容将视频分割为镜头;然后,利用基于像素的帧差法,对得到的检测镜头进行二次检测,优化检测结果;最后,在HSV颜色空间的基础上,计算每个镜头内每帧的图像熵,从而确定关键帧序列.实验结果表明,提出的改进算法所得到的关键帧结构紧凑且分布均匀.     

基于Rough集的决策规则提取

通过分析分明矩阵方法进行属性约简时存在的一些弱点，本文提出了分明矩阵方法的简化，并将其应用于数据库中决策规则的提取。在求核集时，该方法不必生成分明矩阵这一环节，从而减少了时空上的不必要开销，提高了属性约简的效率，并通过一个实例详细地说明了具体提取过程，该实例说明了基于Rough集提取决策规则的方法简单易行。     

基于帧间距的运动关键帧提取

运动捕获数据中有大量的冗余数据,不利于运动数据的压缩、存储、检索以及进一步重用。为此,提出一种基于帧间距的运动关键帧提取方法,提取代表运动捕获数据内容的关键姿势。利用四元数之间的距离表示人体姿态差异,将人体各个关节上的总变化作为帧间距,以运动数据首帧作为第一个关键帧。通过不断计算当前帧同最后一个关键帧之间的差异,消除差异小于阈值的帧,差异超过阈值的帧被当作为新关键帧。对提取关键帧集合采用四元数球面插值方法重构。为表现人体运动特征,在重构误差中引入关节速度分量,用人体姿势误差位置与人体关节运动速率之和表示原始运动与重建运动序列之间的重构误差。实验结果表明,该方法对原始运动既有较高的压缩率,又有较强的视觉概括效果。     

基于镜头内容变化率的关键帧提取算法

针对含有运动目标的视频采用单一阈值提取关键帧时易出现漏检或冗余的情况,提出基于镜头内容变化率的关键帧提取算法。根据镜头相邻帧差和与镜头平均邻帧差的变化特点定义镜头内容变化率,由该变化率确定关键帧提取的高、低阈值,实现自动提取一到多帧关键帧。实验结果表明,该变化率对视频帧的内容变化有较好的描述能力,提取的关键帧具有很好的代表性。     

一种基于粗糙集理论的规则提取方法

规则提取是实现智能信息系统的重要环节,也是一个难点。针对信息系统中的规则提取问题,提出了一种基于粗糙集的研究方法,并对规则提取涉及到的属性约简、属性值约简等问题进行了研究。根据粗糙集中的不可分辨关系建立了可辫识向量,以利用可辨识向量的加法法则运算求得核属性以及属性重要性,然后以核属性为基础、属性重要性为启发信息,求得信息表的一个属性约简。在此基础上,利用条件属性与决策属性之间的对应关系,对信息表中的每条规则通过删除冗余属性值来完成信息表的属性值约简,最终实现规则提取。数值实例和试验表明本算法是有效、可行的。     

基于粗糙集和神经网络理论的规则提取算法

提出了一种基于粗糙集和神经网络组合进行规则提取的方法。首先对初始数据集进行离散化,并利用粗糙集对决策表中的条件属性进行初步约简,然后利用神经网络对数据进行学习和预测,并通过删除网络不能分类的数据来对决策表中的噪声进行过滤,最后再由粗糙集值约简算法进行规则提取。实验表明,该方法相对于传统规则提取算法快速有效,在保留神经网络高鲁棒性的同时,避免了从神经网络中提取规则的困难。     

煤矿井下视频关键帧提取算法

针对煤矿井下特殊的监控环境,对基于帧差欧氏距离的关键帧提取算法进行了研究。针对该算法存在的关键帧冗余度较大的问题,利用Canny算法提取图像边缘并进行边缘匹配,将冗余的关键帧剔除,从而降低冗余度。理论分析和仿真结果表明,改进后的关键帧提取算法能够有效降低冗余,提取出更加可靠的关键帧。     

基于图像质量约束的无序图像关键帧提取

针对采集的无序图像存在图像信息冗余、模糊,不能满足特征检测、目标识别、三维重建等技术质量要求的问题,基于图像质量约束,提出一种无序图像关键帧提取方法。采用不预设K-均值的聚簇算法对无序图像进行自动聚簇。根据相似距离从每簇中提取出离聚簇中心最近的一帧作为关键帧。运用二次模糊处理算法对提取的关键帧进行无参考图像质量评价,其评价值若满足质量要求则保留,否则返回原来的簇中重新进行关键帧的提取与评价,直到提取的关键帧满足质量要求为止。实验结果表明,该方法能较好地滤除冗余图像,提取出满足质量要求的关键帧。     

基于差别矩阵的不一致决策表规则获取算法

针对传统基于差别矩阵的不一致决策表规则获取算法效率不理想的情况,提出了一种快速的基于差别矩阵的规则获取算法.算法首先引入简化决策表思想,删除决策表中可能存在的许多重复对象;然后基于简化决策表构造不同决策类之间的子差别矩阵,以有效地解决对象分布的非平衡性问题和缩小算法的求解空间;且采用启发式向后贪心搜索策略求解相对最小属性约简;并根据规则可信度获取有效的决策规则,可信度可动态设置,使算法具有较好的适应性.最后通过算例分析和实验比较验证了算法能获取有效的决策规则.     

一种基于视频聚类的关键帧提取方法

关键帧提取技术是视频分析和基于内容的视频检索的基础。关键帧的使用大大减少了视频索引的数据量,同时也为视频摘要和检索提供了一个组织框架。该文简单介绍了目前的关键帧提取技术,提出了一种基于聚类利用颜色直方图提取关键帧的方法来克服其它方法的不足。实验证明该方法计算量小,可以较好地代表视频内容。     

基于小波分形特征提取的图象分割方法

提出了一种基于小波分解和分形纹理特征计算的图象分割方法,首先考虑对图象进行小波变换,然后对不同通道的子图象提取纹理的分形特征和能量特征,最后用直方图阈值分割方法实现图象的分割,实验表明,该方法对模拟纹理图象以及多少谱遥感图象的分割都取得了满意的效果。     

基于Rough集的交叉覆盖算法设计

1.引言人工神经网络因其特有的信息处理能力和独到的解算能力取得了长足的发展,引起各方面的广泛关注,当前已经有许多人工神经网络模型在视觉、语言、信号处理、自动控制、函数逼近、金融证券等领域获得成功的应用,但诸如BP网络等模型也存在一些带有共性的缺点,比如:学习和训练时间很长、学习收敛性很难保证。文[2]根据神经元的几何意义提出的     

基于图像抽取和小波变换的压缩方法

由于良好的局部性时频分析特性和多分辨率分析,小波变换在图像处理领域有很好的应用效果,但其却是一种很复杂的数学变换.为了降低计算复杂度,提出了一种将图像抽取和小波变换相结合进行图像压缩编码的方法.将最常用的两种图像抽取法结合小波变换进行图像压缩的压缩效果,与小波变换压缩效果作了比较.通过在MATLAB运行环境下对该方法进行实验得出,与基于小波变换的图像压缩方法相比,对于纹理较少相对平滑的图像,可以在压缩图像视觉效果相同的情况下,获得更高的压缩比,同时降低计算复杂度.     

基于图像势能理论的目标轮廓特征提取方法

在进行模式识别和目标分类系统中,一种好的特征提取方法可以提高系统性能。采集图像势能并用于图像特征的提取与保存是二值图像处理的一个新方法和新理论。势能方法把每一个像素点所具有的势能按序收集、顺序存放,较好地保留了图像的特征,以便存储和分类。图像轮廓是一个对象区别于其他对象的最主要特征之一,运用势能理论计算出目标轮廓的势能,可以较好地表现出图像的特征,其计算速度快,运算量小,占用存储空间小,可用于目标识别和目标分类等领域。     

基于粗糙集的属性约简算法

本文主要研究基于粗集理论的属性约简算法。提出了一种新的启发式约简算法,即基于加权平均和频度的双向选择约简算法。本文还通过实例验证了该算法的可行性和有效性。     

一种基于分类算法的网页信息提取方法

在目前的Web信息提取技术中,很多都是基于HTML结构的,由于HTML结构的经常变化,使提取模板需要经常更新,而提取模板的更新需要很多领域知识.本文提出一种基于分类算法的Web信息提取方法,通过将网页文本按照其显示属性的不同进行分组,以显示属性值为基础对Web页面文本进行分类,获取所关注文本,从而完成对web页面的信息提取.这种提取方法操作简单,易于实现,对网页结构的依赖性小.