自适应CCV及等价关系聚类的视频摘要的生成

在静态视频摘要生成过程中,提取代表帧是关键。通过分析视频帧底层的颜色特征,根据其内容自动设置连通阈值,提取颜色聚合向量,并以此进行基于等价关系的自适应聚类。在确定整体划分后,根据时序特征进行局部修正。整个过程无需设定任何阈值和人为干预,对变化程度不同的各种视频进行实验,结果比较满意。

鲁棒的镜头边缘检测融合算法

对于镜头骤变检测 ,通过最小扩展树算法 (MST)提取保留了视频帧空间信息的颜色聚合向量直方图、引入了动态自适应阈值和时间阻尼 ,使得骤变检测效率高 ;对于渐变检测 ,通过分析其数学产生模型 ,根据模型特性实现渐变镜头检测 ;最后 。

基于改进颜色聚合向量与贡献度聚类的图像检索算法

为了提高图像检索的速度和准确率,通过分析各种聚类算法在图像检索中的缺点,提出了一种新的划分聚类的图像检索方法。首先,在对HSV模型非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;然后找到符合条件的特征向量作为初始聚类中心,利用分散度与贡献度进行聚类并建立特征索引库;最后根据查询图像的相似度进行检索和排序。实验结果表明,所提算法的查准率和查全率比其它算法均有较大提高。

色噪声背景下基于声矢量阵列孔径扩展的相干目标波达方向估计

在目标波达方向(DOA)估计中,更大的阵列孔径往往能够获得更高估计分辨率和估计精度。然而,在色噪声背景或相干目标情况下,子空间类DOA估计算法性能急剧下降。针对这个问题,采用2个分置且相互垂直的均匀线性矢量阵列,通过阵列之间的协方差矩阵前向/后向平滑进行解相干预处理,并消除有色噪声的干扰;然后利用传播因子方法(PM)得到目标的方位角和仰角估计,无需奇异值分解和角度搜索;算法同时结合去模糊处理使得当阵元间隔大于半波长并在一定范围内增加时,其估计性能得到显著改善,且无需参考估计值的计算,节省了运算量。最后论文给出了仿真,验证了算法的有效性。

一种基于加权颜色聚合向量的图像检索方法

以图像颜色聚合向量为基础,并结合图像显著特征,提出了一种基于加权颜色聚合向量的图像检索方法.首先,提取图像的显著性图,并进行归一化处理,得到加权矩阵;然后,对图像进行颜色聚合向量提取,并根据加权矩阵进行加权处理;最后通过计算两幅图像之间的加权颜色聚合向量相似度,进行图像检索.该方法既系统兼顾了图像的颜色分布特征和高层视觉特征,又具有较高的计算速度;实验结果证明,该算法的检索精度明显高于传统的基于颜色统计特征的检索精度.

基于多特征高效索引的图像检索

为了提高图像检索的准确率和速度,提出了一种多特征组合的图像检索算法。在颜色空间非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;基于改进的灰度共生矩阵提取纹理特征参数;利用Krawtchouk矩不变量提取图像的形状特征;基于贡献度聚类并建立特征索引库。融合上述特征计算图像间的相似度,使用特征索引对图像进行快速检索。实验结果表明,提出算法的检索精度有较大提高,能快速检索出用户所需的图像。

一种基于颜色聚合向量的图像检索方法

颜色直方图被广泛地应用在基于内容的图像检索中,其优点是效率高,对于视点细微的变化不敏感。然而直方图只是图像的一个粗糙特征,对于视觉上完全不相似的图像,其直方图有可能非常相似。该文在颜色直方图的基础上进行了改进,采用一种基于颜色聚合向量的图像检索方法,极大地提高了检索精度。

基于图像内容及底层特征的敏感图像检测方法

内容安全是信息安全领域中的一个新兴且重要的研究方向。敏感图像分析与监控是该方向的一个重要研究分支,近年来愈来愈受到关注。然而,由于其研究起步较晚且图像本身所具有的复杂多样性,相对来说,目前已有的研究成果还比较少且性能上也有待于进一步提升,为此,本文提出了一种新的敏感图像分析检测方法。该方法从基于图像内容分析和基于图像底层特征分析两个方面进行综合分析检测,在基于内容分析方面,通过分析图像是否含有大量的皮肤区域来初步检测敏感图像;在基于图像底层特征分析方面,通过颜色直方图矢量和颜色聚合矢量提取图像的颜色及空间信息,并在此基础上利用SVM进行分类,从而实现敏感图像的初步检测;最后,对上述两方面的初步检测结果进行综合判决,实现敏感图像的最终检测。仿真实验结果出示了该新方法的有效性。

基于内容图像检索中的颜色分析和检索技术

详细叙述了图像检索中常见的几种颜色特征 ,并简要介绍与颜色内容分析相关的最新研究 .着重考虑了设计颜色特征时的三个重要的方面 :必须选择合适的颜色空间来表征图像内容 ;选择合适的颜色量化方案 ,以尽减少特征的维数 ,提高检索质量 ;选择相应的距离函数 .

基于颜色一致向量的图像检索方法

大量图像信息的产生使得基于内容的图像检索技术成为研究热点。由于颜色特征具有稳定性和计算简单的特点,本文首先介绍了利用全局颜色直方图进行图像检索的基本思想,然后分析了它的局限性,并给出了改进的方法:特征提取采用结合空间信息的颜色一致向量方法。在特征度量时,依据所设计的评价实验,对这两种方法进行了比较,并给出了实验结果和图像检索性能的评价。实验表明,所述的图像检索方法具有较好的查全率和查准率。

基于分块颜色相关向量的图像检索算法

阐述了颜色相关向量的基本概念,提出了分块颜色相关向量相似性度量的计算方法和相关区域快速搜索算法,最终形成基于分块颜色相关向量的图像检索算法。实验表明,算法更符合人的主观感觉。

基于深度学习与狮群SVM算法的遥感场景分类

针对高分辨遥感图像样本量小,以及传统优化支持向量机(SVM)算法易陷入局部最优解、寻优速度慢等问题,提出一种基于深度迁移学习与狮群优化SVM(LSO-SVM)算法对遥感图像场景进行分类.首先,通过自适应对比度增强图像后利用颜色聚合向量提取图像颜色特征;其次,利用3种预训练网络分别提取图像的迁移学习深度特征;最后,将手工提取的图像特征与用3种预训练网络获取的特征使用系列特征融合方法进行融合,并将其输入LSO-SVM进行图像场景分类.结果表明,该算法解决了小样本情况下深度学习较难训练及传统优化SVM算法易陷入局部最优解、寻优速度慢的问题.在80%的训练条件下,数据集UCM Land-Use和RSSCN7的分类精度分别达到99.52%和98.57%.

基于颜色聚合向量的线序检测方法

颜色聚合向量方法被采用于检测各种连接线的线序;首先对采集到的线束图像进行中值滤波,消除部分噪声;然后截取检测线束的检测区域图像并将其二值化;接下来分割各根导线,得到每根导线的轮廓,再根据各轮廓位置获取原图像中对应各导线的图像块,并计算各根导线图像块的颜色聚合向量(color coherence vector,CCV)特征;最后利用欧氏距离将各导线的归一化的CCV颜色特征和模板各导线的颜色特征进行比较。实验结果表明,该方法在线序检测中能获得较高的准确率(97.8%)和速度(15 fps),满足实时检测要求。

基于颜色连通区域多特征融合的图像检索

颜色一致向量方法容易丢失图像内容的空间信息,针对该问题,提出一种新的图像检索方法。引入狭长度和标准差特征,设计改进的图像分块策略,给出离心距概念和距离比较公式。提取颜色连通区域的大小、狭长度和颜色特征,以及图像的像素个数、标准差和离心距特征,计算图像间内容的相似度。在Corel图像库上的实验结果表明,该方法能有效利用图像的空间分布信息,检索精度较高。

基于字符串匹配和直方图分析的视频镜头检测算法研究

首先介绍了现有典型切变检测算法,然后提出一种改进的镜头切变检测算法,在字符串匹配算法的基础上用直方图法来进行二次检测.实验显示,这种方法解决了单独用字符串匹配算法造成的误检问题,取得了较好的镜头切变检测效果.

基于颜色特征的图像检索技术综述

颜色特征是图像检索中应用较广泛的底层特征之一，文章主要从全局颜色特征和空间颜色特征两方面，详细介绍了常用的图像颜色特征的提取方法，并结合已有文献分析了如何改进现有方法存在的不足，以提高图像的表达准确率和检索效率.