基于互信息量均方差提取关键帧的激光视频图像检索研究

为保证激光视频图像检索结果中不存在重复性冗余图像,提出了基于互信息量均方差提取关键帧的激光视频图像检索方法。基于互信息量均方差的关键帧提取方法,以激光视频图像颜色的互信息量均方差最大化,为激光视频图像关键帧的聚类中心设置标准,以此聚类提取不重复的视频图像关键帧;通过基于关键帧的激光视频图像检索方法,将所提取关键帧作为激光视频图像检索的核心判断内容,提取与所需图像关键帧相似度显著的激光视频图像,完成激光视频图像检索。实验结果显示：此方法使用后,提取的激光视频图像关键帧冗余度仅有0.01,激光视频图像检索结果的MAP指标测试值高达0.98,检索结果中不存在重复性冗余图像。     

基于聚类的视频镜头分割和关键帧提取

镜头分割是基于内容的视频检索和浏览首先要解决的关键技术。视频分割为镜头后,下一步的工作就是进行关键帧提取,用以描述镜头的主要内容。提出了一种改进的基于聚类的镜头分割和关键帧提取算法．在无监督聚类中引入一个参考变量,解决了利用无监督聚类进行镜头分割和关键帧提取时可能产生的帧序不连续或分割错误的问题。在关键帧提取阶段,将镜头分割为子镜头后,引入图像熵的概念提取关键帧。实验结果表明了改进算法在镜头分割和关键帧提取方面的有效性。     

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。     

一种基于镜头属性的关键帧提取系统

研究并设计了一种基于镜头属性的关键帧提取系统.该系统将镜头分成定格、拉伸、静态场景和动态场景4大属性,以分析相邻采样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,按照不同的镜头属性提取关键帧.该系统计算量小,满足实时性分析的要求,能较好地说明镜头的类别.     

基于运动统计和关键帧的视频检索方法

文章先对压缩视频直接进行镜头分割,然后选取熵值最大的镜头进行检索,通过对视频运动进行统计,把镜头运动量化到二维概率分布空间,选择距离与样本最较近的目标,大幅缩小检测范围,然后再进行关键帧比对,实现对视频的快速准确检索。     

基于动态规划的自适应关键帧提取算法

提出一种基于内容的视频检索系统的关键帧提取新算法,把关键帧提取问题建模为一个可以用动态规划算法隶解的全局优化问题.首先建立二值的帧差矩阵来表示低维特征空间中帧与帧之间的相似性度量,然后使用动态规划算法分割帧差矩阵从而提取出关键帧.该算法具有低计算复杂度和对于视频内容的自适应性,而且保持了关键帧的时间顺序.可以方便地根据需要调节关键帧数目.     

探讨基于Tsallis熵的视频关键帧提取技术

关键帧是视频中的一组有限数量的帧的子集,一个视频的关键帧序列能够合理地概括该视频信息,从而减少过大的视频数据对生产生活带来的承载负重.本文讨论了基于Tsallis熵的Jensen距离公式——JTD在视频关键帧提取中的应用.根据得到的差异性距离值JTD,首先检查子镜头边界,进而从每个子镜头中抽取一帧作为该镜头的代表帧,最终得到该段视频的关键帧序列.     

基于吞噬聚类的关键帧提取新算法

为了有效、自适应地提取镜头中的关键帧,提出了一种基于吞噬聚类的关键帧提取新算法。该算法通过邻近吞噬体的互相吞噬,聚类相似的数据对象,最后所剩吞噬体的吞噬中心即为视频帧的聚类中心,距离聚类中心最近的特征向量所代表的视频帧就是所需要的镜头关键帧。对该算法利用MATLAB仿真并通过与传统算法对比,结果表明,相对于传统算法,该算法的查全率和查准率都有了一定程度的提高。     

基于运动轨迹分析的监控视频关键帧提取

当前,从海量监控视频中高效、准确地提取关键帧是一项极具挑战性的课题,为此提出了一种基于运动轨迹分析的监控视频关键帧提取方法.给出了该方法的实现过程,并进行了实验与分析.结果表明,所提出的方法在关键帧提取准确性上优于当前的主流方法.     

级联手工特征与深度特征的视频关键帧检测方法

关键帧检测是有效的视频内容分析的关键环节。常用的基于手工特征的方法运行效率高但很难有效表征关键帧特征,因而性能不好。基于深度特征的方法因为网络结构复杂,导致效率不高。在体育比赛类视频中,关键帧常为比赛转播中镜头变化的最后一帧。但广播视频中除了包含比赛视频还包括很多其他类型的镜头如中场休息、渐变镜头等。因此检测最后一帧包含很多比赛无关内容。针对这一问题,本文提出了一种手工特征与深度特征相结合的视频关键帧检测方法。首先基于颜色直方图特征进行镜头边界检测获取最后一帧。进一步基于直方图相似性提出一种类似聚类的方法得到候选关键帧。最后,基于深度神经网络对候选关键帧进行分类,得到真正的关键帧。在冰壶比赛视频和篮球比赛视频上的对比实验结果表明,相对于传统的背景差分法、光流法等,本文提出方法能够快速、可靠地提取关键帧。      

基于云平台的互信息最大化特征提取方法研究

随着大规模基因芯片的应用,针对高维度的基因表达数据存在大量无关和冗余特征可能降低分类器性能的问题,提出了一种基于云平台的互信息最大化特征提取（CMI-Selection）方法。Hadoop云计算平台对基因表达数据划分后进行并行计算,同时结合互信息最大化方法对特征进行提取,实现了云计算平台上的特征过滤模型。实验结果表明,基于云平台的互信息最大化特征提取方法能够在保证较高分类精度的情况下,快速提取特征,节省大量时间资源,是一种高效的基因特征提取系统。     

基于边缘和互信息法的红外图像配准

用红外图像配准技术对多帧图像进行配准,不仅可以实现平台防抖等电子稳像功能,而且还可以通过对配准后的图像进行多帧累加来积累目标能量,增强图像的性噪比,从而为红外图像弱小目标识别提供帮助。将传统的单纯基于图像整体灰度和基于图像结构特征的配准方法相结合,利用边缘检测得到边缘图像,然后以交互方差为配准测度,以向下加速度法为寻优算法进行图像配准。     

基于互信息梯度优化计算的信息判别特征提取

该文将互信息梯度优化引入特征提取矩阵求解,提出一种信息判别分析的特征提取方法。首先,分析了现有线性判别方法的特点和局限,建立了类条件分布参数模型下互信息最大化的信息判别模型。其次,证明了互信息判别的线性变换不变性和贝叶斯一致优化,构造了一个互信息梯度优化计算的特征提取算法。最后通过实际数据上试验验证了该方法的有效性。     

基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。     

一种基于率失真优化的关键参考帧选择算法

为抑制压缩视频流的传输错误扩散,提出了一种新的基于关键帧的无反馈参考帧选择算法,通过采用一种适用各种掩盖策略的端到端失真度估计方法,评价出选择不同参考帧情况下的解码器失真度期望,在率失真框架内选择最合适的参考帧,使解码端的失真度达到最小.基于H. 263+ TMN8测试模型和IP包丢失的模拟实验表明,提出的率失真优化关键参考帧算法比传统的预测编码方法,PSNR值大约提高了1~3dB.当数据丢包率严重时,优势尤为明显.     

基于帧间似然比的关键帧提取算法

借助基于内容分析的关键帧提取算法的基本思路，提出了一种基于帧间似然比的关键帧提取算法，算法利用Y、Cb、Cr3个颜色分量的均值和方差作为图像帧的特征参数，有效地描述了帧间相似性，对镜头突变和渐变有较强的鲁棒性，实验表明该方法能较好地提取出视频序列的关键帧。     

基于图中心和自动阈值的关键帧提取方法

随着因特网的迅猛发展，迫切需要对越来越多的视频信息进行迅速且低成本的管理.而关键帧的使用可以大大减少视频索引的数据量，同时也为查询和检索视频提供了一个组织框架.文章中利用图与视频结构的相似性，将求关键帧的问题转化为求图的P中心问题;同时利用镜头之间的活动度不同，自动选取阈值.实验结果表明提取的关键帧集能够很好地表示镜头的主要内容，且有较低的计算复杂度。