容迟网络中基于节点社会属性的激励机制

针对容迟网络(DTN)中存在部分节点不合作的问题,提出基于节点社会属性的激励机制(IMNSA)。首先,定义节点协作度、奉献值衡量节点协作程度,其中,协作度体现节点的合作情况,奉献值量化节点在数据传输中的贡献。其次,设置奖励与惩罚策略以提高节点协作的积极性。奖励策略是基于节点协作度与奉献值的消息管理策略;惩罚策略通过强制自私节点转发若干条其他节点的消息迫使节点合作。最后,为提高消息投递率,提出节点羁绊值的概念,通过羁绊值筛选朋友节点以加大消息的扩散程度。仿真实验结果表明,所提机制可有效提高节点协作度,相较于Spray and Wait(SaW)算法,节点的平均协作度提高了112%,同时在消息投递率方面比Prophet平均提高106.48%,负载率比Prophet平均降低86.8%。可见,所提机制在激励节点合作方面具有不错的效果,同时可以保持较高的投递率和较低的网络负载,在社交DTN方面具有良好的应用前景。

基于视频内容检索技术及其教学应用初探

针对教育视频内容的复杂性,本文主要探讨如何解决在教育领域里快速、准确地检索所需的视频内容的问题。文中从分析视频结构入手,介绍了基于内容的视频检索技术以及其优势。检索效果显示该技术在教育教学领域中有一定的应用价值,丰富了教学方式,学生对其认可度较高。

基于卷积神经网络的多模态视频场景分割优化算法

针对基于内容的视频检索中场景分割效率有待提高的问题,提出了一种基于卷积神经网络提取特征的多模态视频场景分割优化算法。首先利用改进的VGG19网络从视频镜头中提取多种模态的底层特征和语义特征,再将这些特征组成向量,然后通过三重损失学习与镜头相似度计算等方法,使场景分割问题转换为对镜头边界的二分类问题,最后建立评分机制优化所得结果,获取分割好的视频场景及对应的场景边界,完成场景分割任务。实验结果表明,该算法能对视频场景进行有效分割,整体查全率与查准率分别能达到85.77%、87.01%。

基于深度网络的多模态视频场景分割算法

针对视频场景中底层特征与高层语义特征之间存在的“语义鸿沟”及多特征融合等问题,根据视频多模态之间时序关联共生的特性,提出了一种基于深度网络的多模态视频场景分割算法,从每个镜头中提取丰富的底层特征及语义概念特征,将其特征向量串联的整体特征向量作为深度网络的输入并进行嵌入空间学习,通过计算两个镜头整体特征向量之间的距离得到语义相似性的度量值,然后最小化时间段内距离的平方和对镜头进行聚类处理,最终得到语义层面的场景。实验结果表明,该算法在分类精度上具有良好的性能,能对视频场景实现有效分割。

基于多特征融合的水果病虫害知识视频镜头检测算法

为了提高农业知识视频镜头检测的准确性,以水果病虫害知识视频为例,运用一种多特征融合的自适应双阈值快速镜头检测方法。该方法分为初检和复检两个阶段,初检阶段根据人类视觉特点采用改进分块提取颜色特征,并结合自适应跳略方法筛选出镜头边界候选帧序列;复检阶段利用多特征融合方法对初检得到视频镜头边界进一步细化检测。结果表明,该方法能够有效实现水果病虫害知识视频镜头的快速分割,查全率大于93.5%、查准率大于93.4%,高效准确找出水果病虫害的镜头,提高农民对农业知识视频的利用率。

基于双重检测模型的农业气象科普视频镜头分割算法

为了提高农业科普气象视频的检索效率,以农业气象科普视频为例,提出一种基于双重检测模型(初检和复检)的镜头分割算法。初检阶段先按等面积矩形环的方式划分每一帧图像,从而突出视频图像中心主体部分,再采用自适应双阈值法对视频进行初次分割;复检阶段采用改进的sift算法进一步修正初次检测结果。通过对3段农业科普视频进行分割实验,结果表明,该算法能够较为有效地分割农业气象科普视频,其中平均查全率达到91.2%,平均查准率达到92.3%。该算法能够满足广大农民用户专业化与个性化的检索需求,提高农业气象视频的利用率,促进我国农业经济和气象科普事业的发展。

基于Sobel-LBP的农技知识视频关键帧提取优化算法

为提高农技知识视频中找出关键信息的效率,以水果病虫害知识视频为例,首先提取视频图像Sobel边缘局部二值模式(Sobel-LBP,Sobel Local Binary Patterns)作为特征,融合帧间差计算得出初步选取的关键帧集合;再利用初次提取关键帧在视频序列中的位置间隔大小,进行二次优化提取关键帧。通过对4段不同种类水果病虫害知识视频测试结果表明,该算法提取关键帧的综合指数F1平均值可达0.925,平均精确度为91.35%,平均缺失因子为2.46,平均保真度高达92.18%,能有效提取农技知识视频中关键帧,从而减少视频中的冗余信息,有助于将新型农业技术快速有效地传递给广大农友。