基于哈希表的动态向量降维方法的研究及应用

提出并实现了一种简洁的基于哈希表的动态向量降维方法.该方法用哈希表作为文档特征向量的存储数据结构,省去了预先构建向量模板的环节,实现了高维次稀疏特征向量的动态降维,有效减少了分类算法的数据计算量,能够显著提高分类器的性能.     

基于模糊哈希特征表示的恶意软件聚类方法

目前,每年被拦截到的新型恶意软件变种数已达千万级别,在线恶意软件仓库Virus Share上存储的未分类的恶意软件数量也超过了2700万.将恶意软件按一定的行为模式进行聚类,不仅使新型攻击更易被检测出来,也有助于及时获取恶意软件的发展态势并做出防范措施.因此提出了一种高效的恶意软件聚类方法,对恶意样本进行动态分析并筛选出包括导入、导出函数、软件字符串、运行时资源访问记录以及系统API调用序列等特征,然后将这些特征转换为模糊哈希,选用CFSFDP聚类算法对恶意软件样本进行聚类.并将聚类个数、准确率、召回率、调和平均值以及熵作为聚类效果的外部评估指标,将簇内紧密度以及簇间区分度作为内部评估指标,实验结果表明,与Symantec和ESET-NOD32的分类结果相比,本文提出的方法的聚类家族个数与人工标记的数量最为接近,调和平均值分别提升11.632%,2.41%.     

浅析基于内容的视频检索

随着数据库技术、多媒体技术、网络通信技术和信息压缩技术等的不断发展,各项指标提取的准确性进一步提高,使之基于内容的视频检索效率也将得到进一步的提高。阐述了基于内容的视频检索过程和关键技术,并通过Autonomy和OpenV两个实例来分析基于内容的视频检索技术的应用情况。     

基于D维映射的布谷鸟哈希表

哈希的数据结构和算法是海量信息存储的有效方式,特别是对于与网络流量测量、监控和安全相关的应用。目前存在许多哈希表算法,如布谷鸟哈希、Peacock Hash、Link Hash和Double Hash等,但是这些哈希算法仍存在着一些问题,如占用内存空间过大、插入查找等操作时间过长以及插入过程中遇到死循环而导致插入失败需要进行重新哈希等。针对这些问题,文中提出了基于D维映射的布谷鸟哈希算法,对哈希表进行属性划分,并增加链表结构,然后与辅助数据结构布隆过滤器和位图进行结合,并通过预先识别踢出操作是否有必要来减少不必要的内存访问次数,提高了哈希表的负载因子和插入查找效率。     

基于关键帧的教学视频检索系统设计

针对目前教学视频检索系统的不足,设计并实现了一种基于关键帧的教学视频检索系统.同时,介绍了该系统采用的关键技术,并对系统进行了测试和验证.实验结果表明,本系统能满足应用要求.     

基于内容的视频检索技术研究

本论文是一篇基于内容的视频检索技术研究,着重研究了视频分层结构的有关步骤及算法以及视频内容特征的提取。     

文本聚类中的特征降维方法研究

文本聚类的关键是对高维的特征集进行降维．本文对常用的一些特征选择、特征抽取等主流特征降维方法进行了介绍,分析了它们各自的特点及其适用范围．     

基于特征跟踪的视频判读方法

针对发射场火箭初始段漂移量测量,提出并实现一种新的判读方法,主要采用特征点或特征区域检测与目标跟踪相结合的方法,利用各种数字图像处理手段,借助辅助开发工具,计算目标在各帧图像中的坐标,实现对目标运动的高精度判读。该方法既具有自动判读的功能,又具有适应性强的半自动判读功能,能够计算出多个目标点的精确位置;同时还具有对判读结果的实时校验的功能。实验结果表明,该方法判读精度高,速度快,具有较好的稳定性和适应性,有向其他目标或领域扩展的能力。     

一种基于视频结构的视频快速预览方法

面对日益增多的数字视频节目,需要一种能让用户更快、更准确地定位到自己感兴趣的视频内容的快速预览方法．对此,文中设计了一种基于视频结构的视频快速预览方法．该方法先直接将压缩视频序列中的所有I帧作为候选关键帧,接下来对这些候选关键帧进行筛选,按镜头与场景进行聚类,并生成视频的关键帧与结构信息,然后将这些信息封装成RTP包后传输,以实现用户快速预览与定位其所喜爱的视频片断的目的．     

PTZ视频监控的大场景形成方法研究

针对PTZ摄像机跟踪监控系统,提出一种基于关键帧和Speeded Up Robust Features(SURF)特征的图像拼接方法,以构建大的监控场景.利用局部梯度极值平均法对监控视频各帧的清晰度进行评价,剔除模糊帧,选择若干清晰帧作为关键帧进行拼接,以提高大场景的形成速度和准确度.对于图像拼接,采用效果近似于Sca...     

柔性姿态估计和时空特征结合的乒乓球动作视频片段关键帧提取

为了解决传统方法在场景复杂的情况下,因无法保证时间与空间上的连续性,导致乒乓球动作识别错误,影响关键帧提取性能的问题,将柔性姿态估计和时空特征结合在一起,研究乒乓球动作视频片段关键帧提取问题。依据稠密光流对乒乓球动作视频片段进行分段。对单帧图像人体柔性姿态进行估计,通过可分离线性滤波器时空特征点检测方法对乒乓球动作视频图像序列特征点的检测,将时空特征点当成中心建立时空立方体,提取时空立方体的像素建立时空特征。为了保证时间与空间上的连续性,引入时空特征边,得到有时空特征的柔性姿态估计结果。通过直方图相交法求出乒乓球动作视频片段中姿态相似度,计算全部姿态的Hog间差异度,构成差异度矩阵。在当前帧姿态差异度超过阈值的情况下认为当前帧为关键帧。实验结果表明,所提方法针对不同场景的保真率与压缩率一直高于0. 7,处于较高水平;主观评价结果好,可提取合理关键帧。可见所提方法对复杂场景的关键帧提取性能优,主观与客观评价结果好。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

基于LBP和KNN的视频纹理识别算法

为实现视频纹理的有效识别, 提出一种基于 LBP(Local Binary Patterns)和 KNN(k-Nearest Neighbor)的视频纹理识别算法。 该算法将视频纹理视为一个图像纹理集合, 通过多个图像纹理集合的方式表示。 由于可计算任意两幅纹理图像的相似度, 对于两个视频纹理, 可以计算两个图像纹理集合中所有元素之间的相似度, 将这些相似度中的最小值作为这两个视频纹理的相似度, 若要实现视频纹理的识别, 则可通过 KNN 算法实现分类与匹配。 通过在 DynTex 动态纹理数据库中的相关实验, 证明了该算法的有效性。     

基于高维数据的聚类研究综述

随着互联网的发展,数据变得越来越复杂,数据维度也向多维化发展,实际应用中,高维数据愈加普遍,在高维数据中发现数据之间的关系也越来越重要。论文介绍了处理高维数据的应用背景及研究意义,研究分析了当前处理高维数据的聚类分析和常见降维方法的研究现状以及存在的问题,并总结了主成分分析、线性判别式以及局部线性嵌入三种主要降维算法的思想、相应算法的发展现状、存在的缺点,最后指出在高维数据聚类分析方面还需要注意的几个问题及今后的发展方向。     

基于动态帧的视频关键帧提取算法研究

针对基于内容的视频检索系统,提出了一种关键帧提取算法.为了提高算法的保真度和压缩比,首先构造了动态帧,它的每个像素对应一个像素代表灰度集合,该集合中的元素可以最大限度地代表镜头中相应像素的灰度值,然后根据镜头中每一帧与该镜头动态帧之间的距离来确定关键帧.为了验证本算法的有效性,选取了大量视频与TMOF算法及SKF算法进行比较.结果表明:该算法具有较高的准确性和可靠性,保真度和压缩比均高于其他两种算法.     

基于内容的视频检索技术的双屏互动系统实现

近年来双屏互动系统得到了普及和发展,随着多媒体视频数据量迅猛增长,视频数据的检索成了约束双屏互动系统的主要问题,视频数据检索的准确性和效率直接决定了系统的性能.通过内容视频检索技术的双屏互动系统,研究并改进了镜头检测、关键帧确定和特征提取以及特征匹配等主要技术环节,实现了一个双屏互动系统.实验表明:基于内容的视频检索技术可以实现双屏互动,具有一定的实用价值,也是双屏互动系统未来研究和发展的方向.     

基于特征增强的对抗哈希跨模态检索

在跨模态检索任务中,哈希方法由于其检索效率高效、储存成本低廉而被广泛应用。但是,这些方法很少关注如何去弥补主体网络将高维特征转换为哈希码的过程中所丢失的特征信息。为解决这些问题,本文提出了一种特征增强对抗跨模态哈希(Feature Boosting Adversarial Hashing for Cross-Modal, FBAH)方法。FBAH方法将子空间学习与对抗学习相结合,来减少不同模态数据的差异性。另外,构造一种类残差模块,它可以将筛选出具有区别性的特征绕过主体网络直接输入到哈希空间进行特征增强。这样,生成的哈希码能够具有更多的原始特征信息。最后,通过带有分支网络的线性分类器在标签空间进行两种方式的预测,并最小化与真实标签的差距来保证语义的不变性。本文选择两个跨模态检索任务中常用的大型数据集进行大量实验,结果表明FBAH方法的性能优于目前7种较为先进的跨模态哈希方法。     

基于内容的视频检索关键技术探究

介绍了基于内容的视频检索技术现状,对基于内容的视频检索技术进行了研究,最后总结并指出了该技术的研究方向。     

视频数据挖掘技术综述

视频数据挖掘技术旨在挖掘出视频数据中隐藏的、有价值的信息,来实现对视频的充分利用。通过对国内外视频数据挖掘的研究与分析,对视频数据挖掘技术进行了概述,详细阐述了基于特征和基于内容的视频挖掘技术,最后总结了视频数据挖掘系统所面临的挑战以及对全景视频挖掘的展望。     

改进的小波分解、Fisher脸及几何特征相结合的人脸识别方法

 数据降维是提高人脸识别效率的关键.对基于gabor小波变换和LDA降维做了改进,经gabor小波降维后,对数据分别沿着2个不同的方向做处理,方向一：继续按LDA方法对数据分类;方向二：进行PCA降维,再进行一些特征向量的提取,提取4个眼角,鼻尖和2个嘴角的数据,这样又降低了数据的维数.然后根据LDA分类后的数据和提取的几何特征点数据在识别过程中所起的不同作用,分配不同的权值,得出人脸识别的结果.经实验对比,该文的方法有更高的识别率.