基于颜色与边缘分布的足球视频镜头分类方法

针对足球视频镜头的特点,提出了一种基于颜色与边缘分布的视频镜头分类方法.首先利用高斯混合模型(GMM)对草地颜色建模,然后利用已建立的GMM计算出每个镜头的草地颜色分布特征.针对颜色特征对光照的敏感性,提出利用边缘分布作为颜色特征的补充,二者的结合突出了不同镜头的特点.利用所提出的特征,采用适合小样本分类问题的支持向量机(SVM)对足球视频镜头分类.实验表明,新方法的平均分类准确率可达92%以上.     

基于T-S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点,文中在HSI颜色空间基于T-S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法.实验表明,柔性多结构元素比单一结构元素更优越,新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声,保留图像细节.     

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.     

基于超像素特征表示的图像前景背景分割算法

图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可移植性。     

基于HSV颜色特征的多目标视频检测与跟踪算法

针对跟踪多个运动目标交错运动时容易丢失目标的问题,提出了一种基于HSV颜色空间去识别与跟踪不同颜色目标的算法,对光照具有一定的鲁棒性。通过颜色空间转换提取目标原始二值图像,经中值和高斯滤波后,通过亮度检测判断是否对滤波后二值图像进行形态学膨胀;之后对较为精确的目标二值图像进行边缘检测,得到其最小包围矩形框,逐帧检测后绘制各颜色目标对应的运动轨迹,完成多目标的视频跟踪。对比经典Cam-Shift算法,实验表明,在多个目标具有不同颜色特征时,有效解决了视频跟踪中多目标交错运动丢失目标,且对光照敏感的问题,跟踪精度较高。     

基于PDE的视频图像数据快速预处理方法

通过人手识别跟踪模拟实验,研究基于偏微分方程方法(PDE)的视频图像数据快速预处理方法.实验根据颜色模型,利用边缘信息、颜色信息和图像的帧差对人手进行分离,并在边缘检测部分,提出简单背景环境下基于PDE概率统计的一种检测方法,减少了边缘检测的时间,实现了视频图像数据的快速预处理.     

基于T—S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点，文中在HSI颜色空间基于T—S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法．实验表明，柔性多结构元素比单一结构元素更优越，新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声，保留图像细节．     

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.     

视频分割和关键帧提取统一框架

镜头边缘检测是视频处理应用的重要环节.随着视频编辑技术的快速发展,以往的方法已不适应由视频特技产生镜头的边缘检测.以"画中画"技术造成的错检最为常见,因此,在时域多尺度边缘检测的基础上,提出以分块色彩直方图为特征,用SVM模式识别工具和滑动窗口技术,对视频帧进行分类的新方法.通过21 h(10250个镜头)的新闻视频测试表明可达到更高的准确率和召回率.该框架基本上解决了"画中画"技术造成的错检问题,对渐变的检测亦有较高的准确率.     

基于边缘增强的红外图像二值化算法

提出了一种基于边缘增强的红外图像二值化算法。通过对自适应形态学边缘增强方法的改进,使得二值化结果有效地保留了红外图像的边界特征,是一种有效、实用的图像二值化方法。     

基于数据场和水平集演化的图像分割

为了充分挖掘图像内不同区域间的隐含关联性,并解决图像分割中自适应阈值选择问题,提出了一种基于数据场和水平集的图像分割方法。利用数据场能够有效地表示图像像素间的相互作用,根据势值能够得到对应的势值等势线,可以根据该等势线的分布情况,采用梯度下降法来得到图像的二值化分割结果。为了得到更为精确的分割边缘,还引入基于拉普拉斯边缘检测函数的水平集演化方法来对二值化结果进行边缘曲线演化。将二值化分割结果与传统的基于数据场的图像分割算法对比结果显示,所提出的算法在分割准确性上表现良好,并且能够使得图像边缘更加精确。实验结果表明,提出的方法能够较好地分割目标,且对噪声图像具有较强的鲁棒性。     

基于直方图差分的视频分类方法

针对当前视频自动分类算法复杂计算量大等问题,提出一种简单的自动视频分类方法,即基于直方图差分的统计方法。获得每个视频的直方图差分曲线后,调整去掉编辑特效造成的虚假峰,得到每个视频的每秒平均镜头切换次数,以此作为广告视频和非广告视频的分类依据,进行C-均值聚类。实验结果表明,该方法以较少的工作量获得了较好的分类结果。     

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.     

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.     

基于场记板中数字识别的自动顺片技术

影片素材拍摄完成后,需要根据拍摄进度将每个场景的待用镜头按照剧情顺序重新排列,以便为后续的精细剪接做准备。由于每个镜头的拍摄是从场记板开始;且场记板记录了当前镜头的顺序信息,因此提出一种基于场记板上数字识别的自动顺片技术;该技术首先利用基于场记板信息的两级直方图突变镜头检测算法对视频序列进行镜头分割,在每个镜头中找到含场记板的帧;并从中分割出场记板区域。然后采用霍夫变换几何检测方法,从场记板区域中定位出数字区域。最后基于改进的BP神经网络对手写数字进行识别,从而完成自动顺片。实际应用结果表明,提出的新技术完全自动化、计算精度高、大大提高了工作效率,能够满足实际应用的需求。     

铅球程序教学实验研究

采用程序教学法，探索适宜师范院校体育系铅球普修课的教学途径．对本校体育系本科９３级两个男生班２５名学生进行实验与对照分析，结果表明，实验组整体成绩明显优于对照组，且能在有限的学时内使学生牢固掌握背向推铅球完整的技术动作．     

使用测地线活动轮廓模型的合成孔径雷达图像分割方法

为解决经典的测地线活动轮廓(geodesic active contour, GAC)模型在合成孔径雷达(synthetic aperture radar,SAR)图像上不适用的问题,在原GAC模型的基础上提出一种新的分割方法。首先在ROEWA算子进行边缘检测的同时使用Frost滤波器对图像进行负指数加权,形成边滤波边检测的模式,提高了算子的边缘检测与定位能力;然后使用经验阈值对ROEWA强度进行二值化,提高了曲线演化的速度与精确度;最终使用二值化的改进后ROEWA算子替代原GAC模型中的全局梯度项作为边缘指示函数引导图像分割。实验结果表明,针对仿真SAR图像及真实河流SAR图像,分割效果与参数指标都有明显提升。     

汽车图象中字符目标的提取算法

针对汽车图象的复杂背景和多变的光照条件,提出一种用于汽车图象的字符目标提取算法,该算法采用了基于边缘分析的二值化算法结合自适应的形态滤波方法,对字符图象的灰度和纹理分布进行了分析,设计了一种基于一维边缘分析的二值化方法,与其他传统分析方法比较,该方法在运算速度和抗干扰能力上明显优势,在对二值化图象进行分割时,不采用固定形态滤波结构元素,而是根据子域及其邻域关系自适应地调整用于滤波的结构元素,更有效