基于自分裂竞争学习算法的关键帧提取

模糊C均值算法在进行关键帧提取时难以取得全局最优值,导致所提取的关键帧无法完整地描述镜头信息。提出一种基于自分裂竞争学习(SSCL)的关键帧提取方法,根据SSCL的分裂机制确定全局最优类数目的特点来确定关键帧的数量,同时根据SSCL的竞争学习机制有效确定类中心的特点来确定准确的帧图像作为视频的关键帧。实验证明基于SSCL的关键帧提取的方法比基于模糊C均值关键帧提取的方法能够更好地描述镜头内容。

基于SSCL的模糊C均值图像分类方法

针对传统模糊C均值聚类方法对噪声敏感和过分依赖于初始聚类中心的缺点,提出基于SSCL的模糊C均值图像分类的自适应算法。该算法首先通过SSCL获得初始类别数和类别中心,然后作为模糊C均值聚类的输入,自动对图像进行分割,并对图像分割结果利用空间信息进行后处理。实验结果表明该方法较好地解决了FCM算法中的初始化和噪声敏感问题,具有较好的分类结果。