基于HSV颜色空间的视频镜头检测

为了克服光线变化和运动对视频镜头检测的影响,本文提出了一种新的视频镜头检测算法.该算法把视频图像从RGB颜色空间映射到HSV颜色空间.再重新量化图像的H与S分量到127个色度区域,最后通过比较帧间图像在色度区域的重叠程度来检测镜头的变化.同时采取有效的虚假镜头分割分析机制以减少图像快速变化的影响.实验结果表明,本算法具有较高的准确率和查全率,并且有较快的处理速度,在视频镜头分割检测领域具有一定的实用价值.     

基于码流分析和边缘检测的视频镜头分割算法

针对视频镜头的快速有效分割问题,提出一种结合视频帧码流分析与边缘检测的镜头分割算法。算法首先提取并分析视频码流中的每个宏块编码类型和运动向量信息,根据码流分析结果确定部分镜头切换帧及候选镜头切换帧,然后对候选切换帧再进行边缘检测,分析边缘纹理特征,排除非镜头切换帧,保留镜头切换帧。试验结果表明,算法对不同类型视频的镜头突变和渐变检测都有较好的效果。     

基于DCE算法的压缩域视频镜头分割方法

镜头分割是视频检索的结构化基础,为此提出一种高效的视频镜头分割方法.首先,在压缩域中提取视频流中I帧携带的特征信息,并生成帧间特征分布曲线;然后,利用离散曲线演化(DCE)算法对预处理过的曲线进行分析与演进;最后,分割出视频镜头并提取关键帧.试验结果表明:该方法充分考虑了视频编码的时序特点,具有较好的分割效果,鲁棒性强.     

利用相似性比较进行视频镜头检测的方法

随着多媒体技术的发展,大量的视频数据涌现.但由于视频数据是非结构性的数据,故而,为了便于视频的检索和浏览,必须对视频进行分段,将镜头作为分段的基本单元是比较合适的.通过改变两帧图像的分块相似度的定义对镜头进行突变检测,然后利用小波变换对分块图像进行多尺度分解,以提取图像的边缘特征;最后结合这两种特征,对镜头进行渐变检测,数值试验表明,所利用的方法对各种类型的视频能够很好的检测出其中的突变型镜头和渐变型镜头.     

利用相似性比较进行视频镜头检测的方法

随着多媒体技术的发展,大量的视频数据涌现。但由于视频数据是非结构性的数据,故而,为了便于视频的检索和浏览,必须对视频进行分段,将镜头作为分段的基本单元是比较合适的。通过改变两帧图像的分块相似度的定义对镜头进行突变检测,然后利用小波变换对分块图像进行多尺度分解,以提取图像的边缘特征;最后结合这两种特征,对镜头进行渐变检测,数值试验表明,所利用的方法对各种类型的视频能够很好的检测出其中的突变型镜头和渐变型镜头。     

MPEG视频的镜头分割技术

随着多媒体压缩技术的不断发展，大量的数字视频都是以MPEG压缩格式存储。基于压缩域的镜头分割技术，由于不必完全解码，因此计算复杂度小，速度快，越来越受到研究者的关注。本文简要介绍MPEG视频流的基本结构，分析和讲座了MPEG视频镜头的切换检测技术以及关键帧的提取方法。     

基于关键点匹配的视频镜头边界检测

镜头边界检测就是找到每个镜头的起始和结束帧,它是视频分析的基础,也是基于内容的视频检索的第一步.因此,其效率和准确度直接关系到整个视频检索的成败.然而,由于摄像头和物体运动的影响,现有的镜头边界检测的准确率较低.为了解决这个问题,论文提出了基于关键点匹配的镜头边界检测方法.该方法通过比较连续两帧关键点匹配的数量,确定镜头边界,并且具有较高的准确率.     

MPEG视频的镜头分割技术

随着多媒体压缩技术的不断发展,大量的数字视频都是以MPEG压缩格式存储.基于压缩域的镜头分割技术,由于不必完全解码,因此计算复杂度小,速度快,越来越受到研究者的关注.本文简要介绍MPEG视频流的基本结构,分析和讲座了MPEG视频镜头的切换检测技术以及关键帧的提取方法.     

基于时域局部线性预测的视频镜头变换检测

提出了通过时域局部线性预测，在统一框架中准确、高效地检测视频镜头的切变和叠化等镜头变换的新方法．通过理论分析和基于视频数据的线性回归，分别得到叠化预测模式和平稳镜头预测模式．通过同时比较分析两个线性预测模式的误差，在统一框架中检测切变和叠化变换．由于直接在视频流压缩域中进行分析，因此节省了视频解码的时间．采用新方法检测时仅需要对整数进行加、减、比较和移位操作，计算复杂度很低，适合在低功耗、嵌入式设备上运行．采用MPEG-7标准测试视频的实验结果显示：切变检测查全率为95．5％，查准率为93．9%；叠化变换检测查全率为82．2%，查准率为76．0％．检测一段38min的视频耗时仅3．5s．     

一种新的自适应镜头边界检测算法

针对镜头边界检测中存在的检测效果和检测阈值依赖人工经验的问题,提出了一种新的自适应镜头边界检测算法.该算法以视频帧窗口中亮度帧差到帧差均值的距离作为切变检测特征,根据该距离值的变化程度自动选取切变最优化阈值;以视频帧序列中的颜色帧差为渐变检测特征,对该帧差进行数量级量化,直接利用量化结果判定渐变,实现了镜头检测的自适应.实验结果表明,该算法对切变的查准率和查全率分别为96.74%和97.41%,对渐变的查准率和查全率分别为92.34%和89.67%,对于不同类型的视频检测效果稳定.     

基于两级支持向量机分类的视频镜头分割方法

提出一种基于两级支持向量机分类的视频镜头分割方法.第1级分类器利用分段视频首尾帧直方图距离,结合滑动窗口和陷波方法计算分段视频的特征向量,通过支持向量机来分类筛选含有镜头边界的子段;第2级分类器根据不同间距的帧间直方图的距离特征,采用时间窗口法构造特征向量,利用二叉树支持向量机多分类策略检测镜头边界的位置.结果表明,所提出的方法能够同时提高切变和渐变的镜头边界的检测效果.     

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.     

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。     

基于SIFT特征矢量图的快速图像拼接方法

为了减少图像拼接方法的计算复杂度,提出一种基于尺度不变特征变换(SIFT)特征矢量图的快速图像拼接方法.该方法首先结合相位相关算法,确定待拼接图像的重叠区域,限定SIFT特征点检测范围;然后考虑特征点的空间位置信息,构建SIFT特征矢量图像,以便在特征匹配时限制匹配点的搜索范围,快速获得匹配点对.实验结果表明,该方法减少了大量的不必要搜索,提高了图像拼接速度.     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

基于SIFT算子的图像匹配算法研究

针对目前基于SIFT(scale invariant feature transform)的图像匹配算法在匹配相似区域较多的可见光图像时,匹配约束条件单一,没有有效剔除误匹配点,误匹配率高的问题,提出一种匹配改进算法,针对128维SIFT特征向量,采用距离匹配和余弦相似度匹配相结合的测度方法,利用特征点方向一致性进一步降低误匹配率. 实验结果表明:改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果. 与原算法相比,在保证匹配点数和匹配时间的基础上,改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低10%~20%,对于小尺度的视角变换,误匹配率平均降低5%.      

基于自适应双阈值和主色率的足球视频镜头的分割

为了有效地实现对足球视频镜头边界检测,该文提出了一种基于自适应双阈值并结合主色率的镜头分割算法.该算法首先采用滑动窗口,基于颜色直方图的分布得到局部自适应的双闽值,然后在HSV颜色空间中提取当前帧图像的主色,并基于圆柱距离求出主色像素点,接着在此基础上获取该帧的主色率,最后用双阈值结合主色率对足球视频镜头分割.实验结果证明:该方法对足球视频能较好地实现突变和渐变检测,为基于语义的足球视频的检索奠定了很好的结构化基础.