| 基于稀疏贝叶斯模型的视频恢复方法研究 |
| |
| 引用本文： | 朱立.基于稀疏贝叶斯模型的视频恢复方法研究[J].中山大学学报(自然科学版),2012,51(5):36-39. |
| |
| 作者姓名： | 朱立 |
| |
| 作者单位： | 广东技术师范学院工业实训中心,广东广州,510665 |
| |
| 基金项目： | 国家自然科学基金资助项目，广东省科技计划资助项目，广东省高等学校人才引进项目 |
| |
| 摘 要： | 结合压缩感知的稀疏表示理论和贝叶斯模型，提出一种在数据库中进行快速有效的视频信息查询和视频恢复的方法。根据最小l 1范数重构数据信息的要求，方法利用贝叶斯模型对参数进行估计，并通过稀疏特性对视频分类和特征提取，达到恢复视频信息的目的。实验结果表明，比较主成成份分析和随机投影算法，该文的实现方法具有更好的恢复性能。
|
| 关 键 词： | 稀疏 贝叶斯模型 压缩感知 视频恢复 |
| 收稿时间： | 2012-04-20; |
Video Retrieval Method Using Sparse Bayesian Modeling |
| |
| ZHU Li.Video Retrieval Method Using Sparse Bayesian Modeling[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2012,51(5):36-39. |
| |
| Authors: | ZHU Li |
| |
| Institution: | ZHU Li(Industrial Training Center,Guangdong Polytechnic Normal University,Guangzhou 510665,China) |
| |
| Abstract: | Combining Compressed Sensing sparse theory with Bayesian modeling , a faster and more effective method of video information retrieval is proposed in database. Based on minimizing l 1 principle for classification and feature extraction , the method implements video retrieval requirement by utilizing Bayesian modeling to automatically estimate the regularization parameters. Experimental results demonstrate that the proposed method performs better retrieval performances than PCA and RP algorithm. |
| |
| Keywords: | sparse Bayesian modeling compressed sensing video retrieval |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《中山大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《中山大学学报(自然科学版)》下载免费的PDF全文 |
