压缩域中基于支持向量机的镜头边界检测算法

针对如何进一步提高镜头边界检测精度问题,本文提出了一个基于支持向量机SVM (Support Vector Machine)的镜头边界检测算法.该算法利用视频压缩域中特征,如宏块类型,帧间对应宏块DC系数差和帧类型将视频帧分为发生切变的帧、发生渐变的帧和非镜头变换帧三类,从而实现视频的镜头分割.实验结果表明该算法对摄像机的运动和大物体的进入具有很好的鲁棒性,且没有大多数算法中阈值选择的困难,将我们的算法与2001 TREC评估中最佳指标进行了比较,在综合度量查全率和查准率的性能指标F1上,比2001 TREC评估中最佳指标高约8％.     

基于ORB的镜头边界检测算法

场景中摄像机移动、对象运动、光亮突变等现象的存在导致现有镜头边界检测算法的顽健性不足,为了有效应对这些变化,提出一种基于ORB的镜头边界检测算法,算法通过计算图像帧之间ORB描述子的匹配程度进行镜头边界检测。在检测过程中使用特征点匹配数和匹配率对镜头边界的特点进行描述,并以相似度曲线描述图像帧之间的关系。实验结果表明,该算法可以有效解决上述问题造成的镜头误检、漏检,同时处理速度也获得了明显提升。     

基于可区分边界和加权对比度优化的显著度检测算法

针对目前基于先验背景的显著度算法中,把图像的所有边界同等对待带来的误判别问题,本文提出一种基于可区分边界和加权对比度优化的显著度检测算法.为了客观评价显著度,本文首先设计了一种粗略评估显著度的指标,用来选择较好的背景图.以该指标为基础,该算法先利用Hausdorff距离对边界进行区分,再利用测地线距离变换完成可靠的背景检测;然后,构造了一种前景-背景加权的对比度来计算初始显著度;最后,使用加权的优化模型进行显著度的优化.在5个公开数据集上的实验结果表明,本文算法在保持快速、无训练等优点的同时,检测性能优于目前主流算法.     

基于随机投影的镜头边界检测算法研究

现有镜头边界检测算法普遍存在检测精度和检测时间难以平衡的问题。视频帧提取特征越精细,算法准确度越高,同时算法复杂度和检测时间也将增加。受到压缩感知思想的启发,文中提出一种镜头边界检测的改进算法,利用随机投影对提取特征进行随机加权求和,以减小特征向量的维数。实验结果表明,所提出的算法在保持检测精度的条件下,降低了算法的复杂度、节约了检测时间。     

一种基于亮度帧差的自适应镜头边界检测算法

提出一种基于亮度帧差的自适应镜头边界检测算法.通过计算视频图像帧之间的亮度差来自适应检测视频镜头的转换,并且加入一些简单而有效的判断,和传统的方法相比较,可有效提高镜头检测的检出率和准确率,实验证明可快速准确进行实时的镜头分割.     

基于聚类的镜头切换检测

为了从巨大的视频数据源中找到所需要的信息,基于内容的视频检索系统便应运而生。本文主要研究视频镜头切换检测技术。     

基于直方图的微视频镜头边界检测方法的研究

镜头边界检测是实现基于内容的视频检索技术的基础,针对移动学习平台微课视频应用的需求和效率要求,提出一种基于直方图的镜头分割算法。通过提取关键帧完成对微视频的预处理;统计每一帧的直方图,计算相邻两帧之间的直方图差,计算这些差值的均值与标准差,得到阈值;当差别超过阈值时判定为镜头边界。通过对学习平台上的微课视频数据集的实验结果显示,该算法检测镜头边界的平均查全率和平均查准率分别达到82%和87%,符合该平台微课视频检索和分析的需要。     

一种基于相关性分析的镜头边界检测系统

研究并设计了一种以互相关分析为基础的视频镜头边界检测系统,该系统以分析前后相邻帧中若干条线段的灰度分布曲线相似度为基础,并结合了图像灰度直方图的相似度分析,比较有效地解决了镜头中有闪光灯出现和镜头快速移动时易出现的误检等问题,同时,克服了新闻节目中主持人画面渐变切换引起的漏检问题.该系统计算量小,可满足实时性分析的要求.     

一种自动选取阈值的视频镜头边界检测算法

镜头边界检测是实现基于内容的视频检索的一个重要步骤.文中介绍了现有的镜头边界检测的基本方法,并针对其不足提出了一种自动选取阈值的、综合考虑颜色和空间特征的镜头边界检测算法.该方法能较好地检测出镜头突变和物体运动以及光线变化等情况,对渐变镜头也能达到检测的目的.实验结果表明算法能够有效地检测出视频镜头边界.     

基于累积直方图的视频镜头边界检测方法

提出了一种基于累积直方图的视频镜头边界检测方法,以累积直方图来代表视频帧图像的特征,其帧差充分反映了视频帧图像间的差异性;结合滑动窗的局部阈值分割处理,获得镜头边界检测对物体/摄像机的运动和光线变化的不敏感性。实验结果表明,本方法在镜头突变边界检测中达到95.97%的查全率和96.75%的查准率。     

基于压缩感知的稳健单通道波达方向估计方法

针对接收阵列射频通道间增益不一致以及系统感知模型与目标角度信息失配等情况下,基于压缩感知(Compressive Sensing,CS）的多目标波达方向（Direction of Arrival,DOA）估计方法性能下降的问题,提出了一种新的单通道CS-DOA估计方法.引入一种单通道阵列体制,并建立系统模型失配时的DOA稀疏感知模型;将丹茨格（Dantzig Selector,DS）算法和遗传算法相结合,分别对目标角度信息矢量和系统模型失配误差进行交替迭代优化.该方法有效克服了常见CS-DOA方法无法抑制系统模型失配误差的问题,避免了射频通道间增益不一致对DOA估计性能的影响.仿真结果表明：该方法性能优于传统DOA估计算法,能够对任意相关性信号进行有效DOA估计,具有更高的角度分辨力和估计精度.     

基于压缩感知的正六边形CFA模式彩色图像去马赛克方法

针对基于四边形排列的去马赛克(Demosaicking)的 传统方法存在拉链现象和虚假色等问题,本文尝试将更加符合人眼视觉特性的六边形采 样方式应用于彩色图像成像 系统,并从图像稀疏特性角度出发,提出基于压缩感知(Compressive sensing,CS)框架的 彩色图像去马赛克方法。本文方法 充分挖掘了彩色分量间和分量内的稀疏特性,可使复原图像的纹理细节与色彩更加逼真,有 效地避免了拉链现象和虚假色现象。实验结果验证了本文方法的有效性。     

基于压缩感知和变参数混沌映射的图像加密

为了减少加密图像的存储和传输负担,提出基于压缩感知(CS)和变参数控制混沌映射的图像加密算法。算法采用变参数控制混沌映射产生的测量矩阵对图像进行观测,选用与测量矩阵非相干的离散余弦变换(DCT)矩阵为稀疏基矩阵,使得压缩和加密同时完成。为了进一步提高加密算法的安全性,引入扰动因子使得加密算法的密钥与明文相关。同时,加密系统具有抗差分攻击的能力。另外,执行耦合的置乱扩散操作,使得置乱和扩散同时完成,更进一步增强了系统的安全性。加密图像的每个像素以8bit整型的形式输出便于数据的存储、显示和传输。实验结果表明,本文的加密算法是有效的和安全的。     

基于改进BEMD的视频镜头转场检测算法研究

对二维经验模式分解(BEMD)算法进行了改进,采用限定域的Delaunay三角剖分和三次插值得到极大值和极小值包络面,用基于限邻域经验模式分解(NLEMD),即通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,给出了图像BEMD分解后内蕴模函数(I MF)1和2的Hilbert谱,以I MF2的瞬时振幅作为图像的特征向量,计算镜头转场中图像序列帧特征向量间的欧式距离。采用大量的视频镜头转场的样本进行实验,结果表明,剪切镜头查准率和查全率皆为98%;渐变镜头查准率86.4%,查全率87.6%。     

基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.     

A new pyramidal opponent color-shape model based video shot boundary detection

Video shot boundary detection (VSBD) is one of the most essential criteria for many intelligent video analysis-related applications, such as video retrieval, indexing, browsing, categorization and summarization. VSBD aims to segment big video data into meaningful fragments known as shots. This paper put forwards a new pyramidal opponent colour-shape (POCS) model which can detect abrupt transition (AT) and gradual transition (GT) simultaneously, even in the presence of illumination changes, huge object movement between frames, and fast camera motion. First, the content of frames in the video subjected to VSBD is represented by the proposed POCS model. Consequently, the temporal nature of the POCS model is subjected to a suitable segment (SS) selection procedure in order to minimize the complexity of VSBD method. The SS from the video frames is examined for transitions within it using a bagged-trees classifier (BTC) learned on a balanced training set via parallel processing. To prove the superiority of the proposed VSBD algorithm, it is evaluated on the TRECVID 2001, TRECVID2007 and VIDEOSEG2004 data sets for classifying the basic units of video according to no transition (NT), AT and GT. The experimental evaluation results in an F₁-score of 95.13%, 98.13% and 97.11% on the TRECVID 2001, TRECVID2007 and VIDEOSEG2004 data sets, respectively.     

基于压缩感知和熵计算的关键帧提取算法

针对关键帧提取问题,提出了一种基于压缩感知理 论和熵计算的关键帧提取算法, 首先通过构造符合有限等距性质要求的稀疏随机投影矩阵,将高维多尺度帧图像特征变换为 低维多尺度帧图像特征, 并形成视频镜头低维多尺度特征列向量组;然后通过随机权值向量与低维多尺度特征向量的 阿达玛乘积运算生成各 帧图像的匹配特征,并根据匹配特征的相似性度量完成镜头内部的子镜头分割;最后通过交 叉熵计算在每个子镜头 中得到可能的关键帧,并由图像熵计算确定最终的关键帧。实验表明,与传统方法相比,本 文算法提取的关键帧能够更精确、更稳定描述视频镜头内容。     

基于光滑0范数压缩感知的多光谱图像去马赛克算法

提出了一种基于压缩感知(CS)的多光谱滤波阵列(MSFA)的多光谱图像去马赛克算法(DMA)。 首先,通过将MSFA采样得 到马赛克图像的过程等效为CS理论中的感知矩阵采样的过程,并充分利用多光谱图 像的空间和谱间 相关性,通过在三维空间傅里叶基上对多光谱图像进行稀疏表示;然后由随机MSFA模式和CS 理论构造的测量矩阵对多光谱图像进行观测投影,最后采用CS重构算法求解0范 数下的最优化问 题,从而得到多光谱图像的稀疏表示系数。给出对算法性能的评估数据和Matlab仿真 图片。实验结果证明,本文算法的峰值信噪比(PSNR)值高于克罗内克CS(KCS)和组稀疏(GS)两种算法,且有效地减少了上述两种算法中出现的模糊现 象,改善了图像的视觉效果。