基于GEP自动聚类算法的视频关键帧提取方法

视频关键帧提取技术是视频数据处理研究领域的热点研究问题.该文针对现有的镜头边界检测技术不能有效提取关键帧的不足,提出一种基于小波边缘检测算子的自适应分块视频镜头边界检测算法.通过检测视频镜头变化,得到分割的镜头,然后对视频帧提取图像特征,并利用基因表达式编程(GEP)的自动聚类功能对视频帧进行聚类,提出并实现了基于GEP自动聚类的视频关键帧提取算法(KFC‐GEP).实验证明该方法能较好的提取视频序列的关键帧.     

足球视频中近镜头的分类方法

视频镜头类型能够弥补低级特征和高级语义之间的鸿沟,有利于精彩事件的检测.文中在现有镜头分类算法的基础上,提出了一种将足球视频中的近镜头进一步分成特写镜头和场外观众镜头的分类方法.该方法选取近镜头关键帧图像在RGB颜色空间中颜色分量最少的单色图像,并对其进行尺寸归一化,然后采用各向同性Sobel算子和闭运算处理,获得二值边缘图像,最后通过计算二值边缘图像中黑色分块的个数实现两类镜头的分类判别.实验结果表明,文中方法是有效且实用的.     

基于自适应邻域互信息与谱聚类的特征选择

借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法。首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序。然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异。最后,使用最小冗余最大相关技术设计特征选择算法。在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性。     

基于谱聚类算法的高速网络数据流快速分类方法研究

当前高速网络数据流分类处理时，忽略了冗余数据对分类结果的影响，使得分类结果 F1值较低。因此，提出了基于谱聚类算法的高速网络数据流快速分类方法。采用主成分分析法对高速网络数据流进行降维处理。对所有数据流相关性特征进行选择，去除冗余特征，保留有效的特征信息。应用支持向量机算法构建网络数据流快速分类模型，结合谱聚类算法对多数类样本进行聚类，组成新的数据集并将其输入到分类模型中得出相关的分类结果。实验结果表明，所提方法的平均F1值为0.95,F1值越大分类结果越准确，说明该方法能够满足高速网络数据流快速准确分类，具有优越的数据分类性能，应用价值更高。     

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。     

一种新的中文词自动聚类算法

基于分类的统计语言模型是解决N-gram语言模型中数据稀疏问题的有效方法之一,词的自动聚类算法一直是一个难点.如何设计一种计算速度快、收敛性好的算法是关键.提出一种根据词的上下文环境,综合考虑语言模型的困惑度和词的相似度的自动聚类算法.把词的自动聚类和提高基于分类的语言模型的性能联合起来考虑.实验结果表明,该算法执行效率高、聚类效果好.     

一种改进的谱聚类算法及其在基因表达谱分析中的应用

聚类分析是从基因表达谱数据中提取生物医学信息的主要方法之一.针对传统谱聚类算法无法确定聚类个数的问题,提出一种改进的谱聚类算法并将其应用于基因表达谱聚类分析.首先用基因表达谱数据构造Laplacian矩阵,经特征值分解后得到相应的特征值和特征向量,用谱隙来描述相邻特征值的差值;然后通过寻找谱隙序列的最大值来确定聚类个数;最后从单位化的特征向量着手实现数据类别的划分.通过模拟数据与癌症数据的实验,证明了该文算法的有效性.     

基于聚类和超限学习机分类模型的跌倒检测算法

针对视频跌倒检测中对目标运动状态描述不完整和识别准确率不高的问题,提出一种基于聚类和超限学习机分类模型的跌倒检测算法,通过聚类算法对视频进行关键帧采样,建立特征模型,构建基于超限学习机的跌倒检测分类器,从而实现对跌倒行为的判断。结果表明:采用聚类的方法提取关键帧能够有效地剔除冗余图像帧,提高算法的准确度,也证明了超限学习机分类模型相较于其他分类器具有更好的分类性能。     

一种改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法基础上提出了一个改进的稀疏子空间聚类算法。首先,利用高维数据可以通过同一子空间的低维数据稀疏地表示这一理论,建立一个稀疏最优化模型,获得稀疏矩阵。然后把稀疏矩阵应用到一个正则化谱聚类算法中,从而有效地把数据聚类到子空间中。最后,该算法应用到一个视频序列中,对每个视频帧里的运动物体进行识别,并与现有的子空间聚类算法相比较。实验结果表明,该算法能够有效地识别运动物体,具有良好的实时性和有效性。     

融合聚类与排序的图像显著区域检测

显著区域检测是计算机视觉领域中一个极具挑战性的问题。当前,多数显著区域检测算法通过直接计算图像中每个像素或图像块与其一定范围内邻域的差异来判断像素的显著性。当图像背景杂乱或者图像中的前景和背景有相似特征时,这些传统方法的检测性能明显下降。该文提出一个基于再聚类的显著区域检测算法框架:首先,利用聚类算法将图像过分割得到的超像素再聚类成多个超像素簇,其中提出了自动确定尺度参数和聚类个数的方法;其次,基于聚类得到的超像素簇,该文又提出一个自动选择可能的背景簇的方法,并将其作为排序算法中的查询项来估计全图的显著性。在两个差异较大的公开数据集上,该算法实现了相对稳定的显著区域检测结果,而且在部分性能指标上明显优于其他5种算法。     

Key Frame Extraction Using Unsupervised Clustering Based on a Statistical Model

This paper proposes a novel algorithm for extracting key frames to represent video shots. Regarding whether, or how well, a key frame represents a shot, different interpretations have been suggested.We develop our algorithm on the assumption that more important content may demand more attention and may last relatively more frames. Unsupervised clustering is used to divide the frames into clusters within a shot, and then a key frame is selected from each candidate cluster. To make the algorithm independent of video sequences, we employ a statistical model to calculate the clustering threshold. The proposed algorithm can capture the important yet salient content as the key frame. Its robustness and adaptability are validated by experiments with various kinds of video sequences.     

视频分割与场景聚类算法研究

本文介绍了实现视频分割和场景聚类的算法.首先用X2直方图匹配法检测镜头切换,梯度法检测镜头淡入淡出;然后对镜头内非相邻帧间距离经过阈值判断提取关键帧;进一步基于镜头的关键帧集计算镜头间的相似度,对相似度大于阈值的镜头进行聚类;最后给出了典型实验结果,表明上述算法对视频分割和镜头聚类有较好的性能.     

基于人工免疫有序聚类的视频关键帧提取方法

针对现有的基于无监督聚类的视频关键帧提取方法没有考虑镜头内容的时序性、对初始类的划分较敏感、易陷入局部最优等问题,提出了一种新的基于人工免疫的有序样本聚类算法.在传统人工免疫聚类算法的基础上引入了抗原记忆识别机制及改进了抗体的克隆与超变异机制,并在此基础上给出了基于人工免疫有序聚类的视频关键帧提取方法.该方法将镜头帧序列看成一个入侵机体的抗原序列,然后基于首次应答与再次应答机制依次为每个抗原产生记忆细胞池,最终每个记忆细胞池能识别的邻近抗原对应一个类别并选取距其类中心最近的帧为关键帧.对大量不同类型的视频进行了试验.结果表明,该方法能得到较高的保真度和压缩率,能够十分有效地提取出反映镜头内容变化的关键帧.     

A Study of Video Scenes Clustering Based on Shot Key Frames

0IntroductionRgecreonwtlinyg ,itnhcer aeapspienagrlayn.ceI nan tdh eus per oofce mssuilntig m oefdi aal lh akviend bsee onfmedia ,that of video dataisthe most challengingtask,for vid-eo dataincludes other kinds of media data.Itis difficult to an-alyze, browse and retrieve video data stream due to theirlengths and non-structure characteristics .Inthe past ,the study of video datafocus onthe shots de-tection and videoretrieve based onshot .Butin most video da-ta,the content granularity of shot …     

视频序列中的镜头渐变识别

淡入、淡出和消隐的共同特点是两个镜头之问的切换一个渐变的线性过程。渐变镜头切换识别是视频后台处理和视频数据库检索的关键技术之一。文中提出了自动检测视频序列中渐变镜头切换的数据驱动方法,首先建立了统一的渐变镜头切换模型,然后根据帧问差的统计特征,提出了淡入、淡出和消隐镜头切换识别的算法,最后给出了算法的实验结果。实验表明该算法具有较好的识别效果。     

一种改进的基于互信息量的镜头边界检测算法

镜头边界检测是基于内容视频检索的基础环节。由于视频类型与内容众多,目前镜头边界检测中存在阈值选取困难、查全率和查准率不高等问题。针对以上问题提出一种改进的基于互信息量的镜头边界检测算法,在字幕检测定位算法有效定位字幕区域的基础上,通过比较非字幕、非四角区域HSV空间直方图求取的相邻帧间互信息量的差异程度,实现镜头边界检测。实验表明,与当前应用最广泛且比较有效的双阈值算法相比,突变镜头检测综合性能平均提高12.4%,渐变镜头检测综合性能平均提高8.2%,通过自适应阈值的选取,有效解决了阈值依赖人工经验选取的问题;与当前已提出的基于互信息量的镜头边界检测算法相比,该算法降低了计算复杂度、几乎能检测所有的淡入淡出镜头边界,并使得镜头边界检测具有较高的查全率与查准率。     

Web文本聚类的研究与实现

Web文本聚类是使文本之间具有最大的簇内相似性,同时具有最小的簇间相似性,它是一个将文本集分组的全自动处理过程。本文首先提出了Web文本聚类模型,然后对Web文本聚类关键技术进行了深入的研究,讨论了分词、特征表示、特征选择和K-means算法等相关技术。最后,实现了该文本聚类系统,对采集到的Web文本进行聚类,实验证明此算法具有很好的聚类结果。