一种基于压缩域的镜头检测算法

针对传统的非压缩域镜头检测算法数据量大、运算量大和效率低的缺点,提出一种基于压缩域的镜头检测算法.该算法首先根据MPEG压缩标准,从视频流中提取DCT系数,然后经预处理得到每一帧的DC系数,最后依DC系数建立镜头检测信息系统模型,依分割模型产生视频镜头.实验结果表明,此算法相对传统非压缩域算法运算量和数据量大大减少,提高了算法效率.     

一种新的Wyner-Ziv视频编码关键帧抗误码方案研究

在Wyner-Ziv视频编码传输系统中,关键帧的正确传输和准确解码对于整个系统的编解码性能有着重要影响.然而在无线通信系统中,由于网络故障、网络拥塞等会造成关键帧数据丢包的问题,这严重影响了接收端的解码质量.本文针对关键帧丢包问题提出一种新的解决方案,即在有反馈信道的条件下,通过对丢包帧增加部分额外Wyner-Ziv码流进行纠错并恢复解码端的受损图像,从而有效地提升视频质量.实验测试结果表明:当关键帧丢包率为1%~20%时,相比于典型的帧内错误隐藏算法,本文方案对重建图像纠错后的PSNR最大可提高20dB,且即便是丢包率很高的情况下,也能够较好地提升关键帧的R-D性能.     

一种新的镜头边界检测和静态视频摘要提取方法

提出一种新的融合图像分割和注意力模型的静态视频摘要自动生成方法.该方法将视频中的每帧图像分割成块,分别计算连续2帧对应块的匹配距离;在此基础之上,根据各个块不同的重要性用线性融合的方法求出2帧之间的匹配距离;然后通过计算匹配距离的期望和标准差自动地求出阈值,进而检测出镜头边缘;最后根据每个镜头的匹配距离,提取出静态视频摘要.仿真结果表明:与同类方法相比,该方法能够快速高效地检测出各种镜头边界,提取的静态视频摘要能够有效反映视频的内容.     

一种基于Rough Set的视频镜头检测方法

镜头检测是基于内容的视频检索的重要基础。视频文档具有数据量巨大,抽象程度低等特点,对其进行有效的存储、检索成为需要解决的迫切问题。根据MPEG编码的特点,提出了一种基于Rough Set的镜头检测方法。该方法能有效地区分镜头运动与渐变。实验表明,利用本文方法进行镜头检测能取得较好的效果。     

基于RS理论的镜头分割预处理算法

在分析视频数据特征的基础上,引入粗糙集的属性约简理论,提出一种基于RS理论的镜头分割预处理算法.该算法首先从压缩域提取视频帧的DCT系数,在对DCT系数处理后得到DC系数的信息系统,然后利用RS理论对信息系统进行属性约减,最后得到没有冗余的帧序列.实验结果显示,算法处理后,镜头的帧数目大幅度减少,而后续的镜头分割结果基本不变.实验结果表明,此算法在镜头分割前能消除大量的冗余数据,避免了大量的复杂运算.     

视频语义信息提取的研究

由于视频信息信息量大,内容丰富,使得对其进行有效的管理和检索成为一个困难而又必须解决的课题.在对视频分割算法进行研究的同时,提出一种基于语义的视频镜头检测方法.主要是通过相邻帧之间的差异来判断是否存在镜头切换出现.实验验证该方法是可行的.     

基于模糊聚类的增强镜头检测鲁棒性算法

为了有效降低闪光、字幕、镜头移动等因素对镜头检测的影响,提出了改进的直方图分块法,以各块的帧间差作为特征,以分块权值为特征权重进行模糊聚类,根据视频突变、渐变边界的特点进行预处理,排除了闪光、字幕、镜头移动等对镜头边界检测的影响,从而增强镜头边界检测的鲁棒性,最终实现镜头的边界检测.实验表明该方法对不同类型的视频具有较强的鲁棒性.     

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...     

基于内容的视频检索关键技术研究

重点探讨了基于内容的视频检索的一些关键性技术(如镜头检测、镜头聚类、关键帧提取等)的实现原理及其各自的优缺点,并对视频检索的发展趋势提出了一些看法.     

侧向滑步推铅球技术程序教学的实验研究

通过对大学生侧向滑步推铅球的教学，对程序教学法与常规教学法的效果进行了比较分析，研究结果表明，程序教学法能取得更好的教学效果，在体育教学中具有推广与应用价值。     

基于视频分析的可分层的容错编码算法

为了改善传统视频编码器在无线网络传输条件下的容错性能,并减轻由于丢帧引起的误差传播效应,基于经典的视频分析概念和理论,提出了一种新的视频容错算法。该技术参照视频分析中关键帧搜索理论,结合视频容错的特点和实际网络传输条件,在不改变码流结构的情况下,是一种适合无线网络传输的可分层的视频容错编码算法。通过H.263编解码器的试验证明:所提出的算法可以很好地缩短由无线传输丢包引起的误差传播范围,从而得到比较好的视频主客观评价效果。     

铅球训练重点转移的优化实验研究

通过指标测量法、实验对比法及数理统计法,在铅球训练中将传统训练方法改成训练重点转移的优化训练形式,从而对训练内容的重点进行转移和优化。实验结果表明:以传统的训练顺序为基础突出训练重点转移的铅球训练程序,对掌握完整的背向滑步推铅球技术和提高运动成绩有较大帮助。     

一种基于聚类分析的小生境微粒群优化算法

为了寻找多峰函数的多个极值点,在标准微粒群优化算法的基础上,提出一种基于聚类分析的小生境微粒群优化算法.采用基于密度的聚类分析方法辨识和构造小生境微粒子群,通过这种多子群方法,可以保持种群多样性,直接搜索到所有的局部/全局最优点.实验测试结果表明,该算法对一元函数优化和多元函数优化都有很好的效果.图6,参10.     

一种基于名词短语的检索结果多层聚类方法

为了对检索结果获取高质量的聚类效果,提取名词短语作为候选类别标签,根据候选类别标签分布情况生成基础类,再使用具有线性时间复杂度的一趟聚类算法对基础类进行多层聚类。与NEC,STC和Lingo算法的对比实验表明:该方法在类别标签的可读性、有效性以及聚类性能上都优于以上3种方法。     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论，说明FCM算法一般得不到全局最优分类，因此结合FCM算法提出了用遗传算法进行寻优求解，从而将遗传算法用于模糊聚类分析，最后的实例表明，遗传算法在处理多样本、多属性、多类别问题时，是一种有效的方法。     

膨润土物化性能的模糊聚类分析

为了实现在球团矿造球工艺中不同种类膨润土性能互补和种类替代,有必要对其进行分类,利用Matlab编程并采用欧几里德距离法以蒙脱石含量、膨胀倍数、吸水率、粒度分布和水分等性能作为分类指标对11种膨润土进行了分类,经造球实验验证,采用模糊聚类方法对膨润土进行分类效果较好。     

基于K中心点的文档聚类算法

K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果.     

一种基于约束的半监督聚类查询扩展方法

针对伪相关反馈模型反馈文档信息质量差和扩展词选择不适产生的漂移现象等问题,提出了一种基于约束的半监督聚类查询扩展方法。该方法对初检结果的前k个文档进行人工标注,分成相关文档与不相关文档两类;并利用一种半监督聚类算法对初检结果的前”个文档进行分析,提取出与查询相关的文档作为反馈文档。该方法通过对少量标注文档与查询相关性的学习,能够较准确地估计出大量未知文档与查询的相关性,提高反馈文档的质量,从而有效提高检索的查全率和查准率。实验结果表明,该方法比传统的伪相关反馈和基于无监督聚类的伪相关反馈有更优的检索性能。     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

基于特征点选择的聚类算法研究

针对当前数据挖掘中对数值型数据聚类方法的不足,提出了基于特征点选择的聚类算法(clustering algorithm based on Feature Point Selection,CFPS)。CFPS算法可以克服需要输入聚类数量的缺陷, 算法本身可以找到簇的最佳数量,使聚类的精度和效率得到大大提高。实验结果表明该方法对数值型数据聚类方法具有借鉴意义和深入研究的价值。