基于支持向量机的语义视频摘要

针对如何在语义层次上形成视频摘要问题,提出了一个基于支持向量机的风光记录片语义视频摘要算法。利用支持向量机对镜头关键帧进行语义分类,对每类镜头关键帧根据引入的镜头“重要性”函数提取构建视频摘要的帧。改变重要性函数阈值的大小,可以很方便的得到不同粒度的视频摘要。实验结果表明该算法形成的视频摘要较好地表达了视频的内容。     

组合核支持向量机高光谱图像分类

为了提高高光谱遥感图像分类中空间信息的利用率,提出一种将空间邻域信息和光谱信息结合的组合核支持向量机(SVM)学习算法.用SVM进行预分类,从分类结果图提取各像素的空间邻域特征,与光谱特征结合构造组合核SVM进行分类,并再次提取空间邻域特征进行多次空-谱信息组合核SVM迭代分类,如此迭代10次,从中选择合适的结果作为最终输出.结果表明,该方法对传统支持向量机的分类精度提升幅度可达10%左右.同时,与其他组合核支持向量机相比,该算法用更少的训练样本获得了更高分类精度.     

SVM和DT-CWT的纹理图像分类方法研究

提出了一种将支持向量机（SVM）和二元树复小波变换（DT-CWT）相结合的纹理图像分类方法.通过DT-CWT对纹理图像进行4层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用SVM作为分类器实现纹理图像分类.从Brodatz图像库中随机选取了30幅纹理图像进行了分类试验,结果表明：该方法具有较高的分类精度,尤其在有限训练样本的情况下分类正确率明显优于其它的分类算法,体现了该方法的有效性和良好的泛化能力.     

SVM及其在尿有形成分识别中的应用

对尿液显微图像中一些有形成分进行有效分类识别，具有重大临床意义。通过支持向量机（SVM）这种在训练样本数很少的情况下，能达到很好分类推广能力的学习算法，运用统计学习理论和支持向量机相关概念，将支持向量机引入尿显微图像有形成分识别中，采用数字图像处理技术对尿液有形成分显微图像进行目标特征提取。使用SVM分类的实验结果表明，在样本数不多情况下可获得很好分类效果。     

车辆行车实时目标区域特征提取及分类训练

为了实现前方车辆智能实时检测,文中提出了一种基于梯度方向直方图特征和支持向量机的前方车辆检测的区域检测算法.采用一种改进Hough变换直线检测算法提取图像感兴趣区域;对图像感兴趣区域的梯度方向直方图(HOG)特征进行了提取,利用支持向量机(SVM)训练得到的分类器进行前方车辆的检测.实验结果表明:文中提出的区域检测算法能有效实时、准确检测前方车辆;车辆检测用时较梯度方向直方图和支持向量机直接检测算法降低了30%,识别率提高了1.6%.     

SVM及其在尿有形成分识别中的应用

对尿液显微图像中一些有形成分进行有效分类识别,具有重大临床意义.通过支持向量机(SVM)这种在训练样本数很少的情况下,能达到很好分类推广能力的学习算法,运用统计学习理论和支持向量机相关概念,将支持向量机引入尿显微图像有形成分识别中,采用数字图像处理技术对尿液有形成分显微图像进行目标特征提取.使用SVM分类的实验结果表明,在样本数不多情况下可获得很好分类效果.     

基于组合核函数支持向量机的人脸识别

利用K-L变换首先对人脸图像进行特征参数提取,再利用支持向量机进行识别。为了得到学习能力和泛化能力较好的核函数,根据核函数性质,将局部核函数和全局核函数线性组合成新的核函数-组合核函数,采用Cross-Validation方法对其参数和组合系数进行优化选择;将该核函数应用于支持向量机中,并对YALE人脸库和ORL人脸库进行实验。仿真结果验证了该核函数的有效性。与普通核函数的支持向量机的比较实验表明:该组合核函数的支持向量机优于普通核函数的支持向量机。     

基于KPCA和SVM的虹膜特征提取与识别

提出了一种新的虹膜特征提取与识别方法,该方法利用核主成分分析（KPCA）在高维空间具有较强的特征选择能力的特点来提取虹膜图像的纹理特征,采用了一种距离度量和支持向量机相结合的2级分类方法,前级采用欧式距离来度量图像间的相似性,若符合条件,给出分类结果,否则拒绝,并转入后级分类器——支持向量机分类,以减少进入支持向量机的样本数目,该组合分类方法充分利用了支持向量机识别率高和距离度量速度快的优点.实验结果表明,该方法具有较高的效率和识别精度.     

基于遗传算法与经验误差最小化的SVM模型选择方法

支持向量机（SVM）的推广能力依赖于核函数形式及核参数和惩罚因子的选取,即模型选择.在分析参数对分类器识别精度的影响基础上,提出了基于遗传算法和经验误差最小化的支持向量机参数选择方法.在13个UC I数据集上的实验表明了本文算法的正确性与有效性,且具有良好的推广性能.     

基于核Fisher鉴别分析与支持向量机的虹膜识别方法

为了提高虹膜识别系统的识别性能,针对虹膜识别中的特征提取与模式分类问题,提出了一种基于核Fisher鉴别分析（kernel fisher discriminant analysis,KFDA）与支持向量机（support vector machine,SVM）的虹膜识别方法。从采集到的人眼图像中定位虹膜,并对其进行归一化处理;使用核Fisher鉴别分析提取虹膜纹理特征,并通过选择合适的特征个数提高识别的准确率;在得到虹膜特征编码后,用支持向量机进行分类判决。对CASIA虹膜库的测试结果表明,该方法的处理速度是Daugman虹膜识别方法的4.4倍;该方法与Boles虹膜识别方法相比,降低了错误接受率和错误拒绝率。实验结果表明：该方法能更好地提高虹膜的识别率和降低虹膜识别时间。     

基于数据挖掘的视频镜头分类方法

提出了一种基于数据挖掘的视频镜头风格自动分类方法.该方法首先进行镜头边界检测和关键帧提取,然后基于关键帧和镜头分别提取了视频的颜色和运动等特征,并利用决策树技术在大量的训练数据中挖掘这些特征与镜头类别之间的潜在规律,最后利用这些规律对新的视频镜头进行分类.实验结果表明,与基于SVM的方法相比,本文方法不仅能获得较好的检测准确率,而且获取的规则易于理解.     

一种基于证据融合的视频语义概念检测方法

提出了一种基于证据融合的视频语义概念检测方法。提取了镜头关键帧的分块颜色矩、小波纹理特征和视觉词汇直方图,利用SVM对3种特征数据分别进行训练,建立模型;对各SVM模型泛化误差进行分析,采用折扣系数法对不同SVM模型输出的分类结果进行修正;采用基于m in-max算子的证据融合公式对修正后的输出进行融合,把融合结果作为最终的概念检测结果。实验结果表明,新方法提高了概念检测的准确率,优于传统的线性分类器融合方法。     

基于多特征融合和混合核SVM的目标识别方法

针对可见光和红外传感器具有不同感知特性的问题,提出了一种基于多传感器特征信息融合和混合核SVM的图像目标识别方法,方法包含多特征提取、主成分分析和混合核SVM分类三个部分.在特征提取中利用可见光和红外图像的互补性,分别提取同一场景可见光与红外图像的灰度共生矩阵以及灰度直方图统计特征,得到一组目标融合的特征量,进一步进行目标分类与识别;利用主成分分析法降低特征的维度,减少计算量;利用混合核SVM方法对目标特征进行分类识别.结果表明,在室内环境中对不同人群密度等级进行分类时,所提出方法的精度可达88.21%.     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。     

融合多特征的异源视频复制-粘贴篡改检测

相比传统的视频帧插入或帧删除以及视频双压缩等篡改方式,复制-粘贴篡改更能直接的改变视频内容。因此,本研究提出一种融合多特征的异源视频复制-粘贴篡改检测方法。对于经过帧内复制-粘贴篡改的视频,其视频帧内会引入一些尖锐的变化,比如线条、边缘和角点等,而二维相位一致性可以很好的检测出这些变化。同时,来自异源视频帧复制的区域块会使得帧内引入不同的模式噪声,可以利用模式噪声和二维相位一致性提取视频帧的特征,然后将特征融合进行SVM分类实验来检测篡改视频。实验表明该算法可以有效地检测异源复制-粘贴篡改的视频。     

基于时空代表帧序列的视频近拷贝检测方法

为了解决空域特征与时域特征只能片面地表征视频内容的问题,提出了一种基于时空代表帧序列的视频近拷贝检测方法.首先,根据帧间颜色卡方差与灰度OM(ordinal measurement)差别进行场景分割;其次,对分割后的视频进行降帧率操作,对于每个分割后的场景,进行分段合成,并根据加权的灰度互信息量进行筛选,得到每个场景的时空代表帧(representative image),并对视频代表帧提取灰度的OM、均值、标准差、对比度以及颜色分布描述子和边缘OM序列等特征;最后,对视频的特征进行对比,根据特征的相似程度来判断检测视频是否为近拷贝视频.实验结果表明,该方法具有较好的鲁棒性和检测能力.     

基于高斯核函数支持向量机的脑电信号时频特征情感多类识别

为了找到一种综合分析方法,提高对脑电信号情感多分类识别的分类精确度,将DEAP数据库中的脑电数据采用经验模态分解的方法分解为多个本征模函数,并对本征模函数按不同的时长窗口进行分片,提取其功率谱密度作为脑电信号特征.将被试对音乐视频的情感评价指数用于生成情感分类标签,按"唤醒度"和"效价"2个维度将评价指数映射到二维情感模型中,分成4类.采用"一对一"的高斯核函数支持向量机对脑电特征进行多分类分析.实验结果表明:高斯核函数支持向量机的最高分类准确度达到90.9%(22号被试),平均分类准确度达到68.3%.高斯核函数支持向量机能有效地从脑电信号中识别出不同的情感状态;同时,对于相同刺激,不同的被试产生的情感状态不同;并且,在清醒状态下,脑电信号的高频子波对情感分类有更高的分类精确度.     

基于图像预处理分类分割的盲道分割算法

高准确分割率的盲道分割算法是实现高性能导盲系统的重要保障. 提出一种基于颜色直方图支持向量机方法,将盲道预分类为颜色盲道或纹理盲道,采用对HSV颜色空间的多参数融合的改善OTSU分割方法处理颜色盲道分割,采用基于纹理增强的K均值聚类方法处理纹理盲道分割. 通过有效的预处理分类,可以针对性地根据盲道的颜色或纹理特征进行识别,同时由于采用了改善的颜色和纹理分割算法,极大地改善了对不同种类和环境下的盲道的适应能力. 测试证明,该方法对于测试库图片平均分割准确率可达到90%以上.     

基于Inception-V3网络的双阶段数字视频篡改检测算法

为了克服现有数字视频取证算法识别准确率低、定位能力差等缺点，提出一种具有高识别率且定位准确的基于Inception-V3网络的二级分类取证算法.在第一级分类器中提出简单的阈值判断方法来区分原始和篡改视频，第二级分类器将采用Inception-V3网络的稠密卷积核结构来自动提取篡改视频帧的高维多尺度特征.高维多尺度特征有助于提升篡改视频帧的识别率.实验结果表明，本文提出的算法不仅能准确地检测出篡改视频，还能从篡改视频中精确定位出篡改帧.