一种可变长子片段对拼接的DNA双序列局部比对算法

提出一种基于可变长子片段对拼接的DNA双序列局部比对算法。该算法以最长的子片段对为中心,拼接相邻的相容子片段对来得到最优局部比对,并允许用户输入比对调控因子适当调整比对结果以提高算法的灵活性。实验结果表明算法在时间和空间复杂性方面都得到了较大的改善。

一种基于聚类的视频子片段分割方法

视频的子片段检测和分割是视频分析的一个重要步骤,提取视频中的关键信息能大大减少视频索引的数据量。基于此,简要介绍了传统的特征聚类技术,在聚类算法的基础上,提出一种聚类评估的方法,通过数值表示聚类的匹配程度,并对结果进行优化得到最佳聚类中心个数,保证了视频子片段检测的精度。实验证明该方法可较好地分割视频子片段。

融合时序特征和关键帧的视频检索方法

针对已有视频检索方法存在的诸多问题,提出了一种融合视频时序特征和关键帧的视频检索方法。该方法首先提取视频的时序特征,通过匹配两段视频的时序特征可直接实现画面变化率高的视频(如广告等)的检索,大大减小了视频检索的运算量。在此基础上,对于画面内容变化率较低的视频(如电视剧等),进一步将其划分为若干个子片段,每个子片段中提取出关键帧用于检索。实验结果表明,该方法检索效果好,稳健性高,应用范围广。

大数据视频图像关键帧的检索模型优化仿真

传统的检索方法在建模时,主要通过视频图像特征提取视频图像的关键帧,忽略了视频图像采集过程中受到光照等因素的影响,使得图像特征发生变化情况,导致建模误差大的问题。提出基于视频元数据信息的大数据视频图像关键帧的检索建模方法。先对采集的样例大数据视频进行图像划分,获取图像子区域的灰度均值,将编号相同的子区域直接进行连接,组成大数据图像视频的关键帧时序特征曲线,通过异常因子去除视频图像中的突变干扰,在引入视频元数据信息算法计算视频图像关键帧元数据,并进行视频元数据信息对比,建立大数据视频图像关键帧的检索模型。仿真结果表明,采用改进算法检索效果好,误差低。

一种支持不同时间尺度的视频相似性匹配算法

针对不同时间尺度视频间的匹配问题,如人为再编辑(快进、慢放等)视频与原始视频间的匹配以及不同帧率视频间的检索等,提出了一种基于动态时间规划的最优匹配算法。在子片段的基础上进行视频相似性匹配,通过极小化两段视频的整体距离建立视频之间的子片段对应关系,引入搜索门限值,将全局搜索转变为在门限区域内的局部搜索,保持视频内部各子片段之间的时序关系并能处理非线性偏移。该算法能够成功地匹配不同时间尺度的相似视频,并能实现海量视频的快速检索。实验结果证明了该算法比传统的基于视觉相似性的视频片段检索算法更快速有效。

一种基于RFT和分段处理的高速机动目标相参积累算法

高速机动目标会在短时间内跨越距离单元(Range Migration,RM),并且由于目标机动性产生跨多普勒单元(Doppler Spread,DS)等问题。基于搜索的传统处理算法通过时间和计算量换取积累性能,不利于工程应用。本文提出一种通过分段处理方式对回波进行相参积累的算法。该算法在保证子片段内回波RM和DS问题可以忽略的前提下,将积累时间划分为若干个子片段。在该分段准则下通过Radon-Fourier Transform(RFT)对子片段进行处理。随后,根据各子片段RFT积累峰值位置分布特性和相位差异,设计一种子片段间的相参积累方案,实现多个子片段间峰值能量的相参积累。所提算法在子片段内可以忽略目标机动性的影响,避免了子片段内目标机动参数(加速度项)的搜索,可在积累性能和计算效率之间取得良好平衡。