發(fā)布時間：2018-03-17 09:10

  本文選題：映射　切入點：聚類　出處：《中國圖象圖形學(xué)報》2016年12期 　論文類型：期刊論文

【摘要】：技術(shù)在多媒體數(shù)據(jù)處理和計算機視覺中都扮演著重要的角色�；诰垲惖恼椒ǘ嘟Y(jié)合圖像全局或局部特征,對視頻幀進(jìn)行集群分類操作,再從各類中獲取具有代表性的關(guān)鍵幀。然而這些方法多需要提前確定集群的數(shù)目,自適應(yīng)的方法也不能高效的獲取聚類的中心。為此,提出一種基于映射和聚類的圖像密度值分析的關(guān)鍵幀選取方法。方法首先利用各圖像間存在的差異,提出將其映射至2維空間對應(yīng)點的度量方法,再依據(jù)點對間的相對位置和鄰域密度值進(jìn)行集群的聚類,提出根據(jù)聚類的結(jié)果從視頻中獲取具有代表性的關(guān)鍵幀的提取方法。結(jié)果分別使用提出的度量方法對Olivetti人臉庫內(nèi)圖像和使用關(guān)鍵幀提取方法對Open Video庫進(jìn)行測試,本文關(guān)鍵幀提取方法的平均查準(zhǔn)率達(dá)到66%、查全率達(dá)到74%,且F值較其他方法高出11%左右達(dá)到了69%。結(jié)論本文提出的圖像映射后聚類的方法可有效進(jìn)行圖像類別的識別,并可有效地獲取視頻中的關(guān)鍵幀,進(jìn)而構(gòu)成視頻的摘要內(nèi)容。
[Abstract]:Technology plays an important role in multimedia data processing and computer vision. However, most of these methods need to determine the number of clusters in advance, and adaptive methods can not efficiently get the center of clustering. A key frame selection method for image density value analysis based on mapping and clustering is proposed. Then the cluster is clustered according to the relative position of point pairs and the value of neighborhood density. This paper presents a method of extracting representative key frames from video based on the clustering results. Results the proposed method is used to test the image in Olivetti face database and the key frame extraction method to test the Open Video library. The average precision of the key frame extraction method in this paper is 66, the recall rate is 74, and the F value is about 11% higher than other methods. Conclusion the post-clustering method of image mapping proposed in this paper can effectively identify the image categories. The key frames in the video can be obtained effectively, and then the summary content of the video can be formed.
【作者單位】： 合肥工業(yè)大學(xué)計算機與信息學(xué)院;
【基金】：安徽省自然科學(xué)基金項目(J2014AKZR0055) 中國博士后基金項目(2014M561817)~~
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 楊臻;楊志宏;;基于多層核心集凝聚思想的視頻關(guān)鍵幀提取[J];計算機應(yīng)用與軟件;2015年09期

2 邵奇可;周宇;李路;陳慶章;;復(fù)雜場景下自適應(yīng)背景減除算法[J];中國圖象圖形學(xué)報;2015年06期

3 王松;韓永國;吳亞東;陳萌;;螺旋圈結(jié)構(gòu)視頻可視化方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2014年07期

4 蔡美玲;鄒北驥;辛國江;;預(yù)選策略和重建誤差優(yōu)化的運動捕獲數(shù)據(jù)關(guān)鍵幀提取[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2012年11期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 凌濱;鄧艷;于士博;;CUDA并行加速的稀疏PCNN運動目標(biāo)檢測算法[J];計算機工程與設(shè)計;2016年12期

2 汪榮貴;胡健根;楊娟;薛麗霞;張清楊;;映射結(jié)合聚類的視頻關(guān)鍵幀提取[J];中國圖象圖形學(xué)報;2016年12期

3 李旭健;張叢靜;;一種基于改進(jìn)的混合高斯模型的運動目標(biāo)檢測算法[J];軟件導(dǎo)刊;2016年08期

4 王鵬杰;潘志庚;李威;;人體運動捕獲數(shù)據(jù)壓縮技術(shù)研究進(jìn)展[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2016年07期

5 張明軍;俞文靜;袁志;黃志金;;視頻中目標(biāo)檢測算法研究[J];軟件;2016年04期

6 梁豐;張志利;李向陽;佟昭;;人體運動捕捉過程中的人體下肢動作識別[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2015年12期

7 廖芳;;基于混合回歸模型的高速鐵路旅客市場細(xì)分[J];中國鐵路;2015年11期

8 李順意;侯進(jìn);甘凌云;;基于幀間距的運動關(guān)鍵幀提取[J];計算機工程;2015年02期

9 洪小嬌;彭淑娟;柳欣;;基于拉普拉斯分值特征選擇的運動捕獲數(shù)據(jù)關(guān)鍵幀提取[J];計算機工程與科學(xué);2015年02期

10 ZHOU Dong-sheng;JIANG Wei;YI Peng-fei;LIU Rui;;Key Frames Extraction Based on the Improved Genetic Algorithm[J];Computer Aided Drafting,Design and Manufacturing;2014年04期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉高軍;楊麗;;改進(jìn)的互信息量相似度曲線關(guān)鍵幀提取研究[J];計算機應(yīng)用與軟件;2014年02期

2 王海燕;代東峰;;基于概率超圖聚類的關(guān)鍵幀提取方法[J];計算機應(yīng)用與軟件;2013年04期

3 馬儒寧;王秀麗;丁軍娣;;多層核心集凝聚算法[J];軟件學(xué)報;2013年03期

4 劉云根;劉金剛;;重建誤差最優(yōu)化的運動捕獲數(shù)據(jù)關(guān)鍵幀提取[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2010年04期

5 ;An Image Encryption Approach Using a Shuffling Map[J];Communications in Theoretical Physics;2009年11期

6 劉鑫;劉輝;強振平;耿續(xù)濤;;混合高斯模型和幀間差分相融合的自適應(yīng)背景模型[J];中國圖象圖形學(xué)報;2008年04期

7 朱登明;王兆其;;基于運動序列分割的運動捕獲數(shù)據(jù)關(guān)鍵幀提取[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2008年06期

8 楊濤;肖俊;吳飛;莊越挺;;基于分層曲線簡化的運動捕獲數(shù)據(jù)關(guān)鍵幀提取[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2006年11期

9 方勇;戚飛虎;冉鑫;;基于窗幀差的鏡頭邊界系數(shù)模型及其應(yīng)用[J];電子學(xué)報;2006年05期

10 侯志強,韓崇昭;基于像素灰度歸類的背景重構(gòu)算法[J];軟件學(xué)報;2005年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戎佳維;吳立德;;基于鏡頭間信息的關(guān)鍵幀提取[J];計算機科學(xué);2005年12期

2 潘曉英,王昊;一種基于核聚類的關(guān)鍵幀提取方法[J];微機發(fā)展;2005年03期

3 周宇玫;高健;;一種基于鏡頭屬性的關(guān)鍵幀提取系統(tǒng)[J];電視技術(shù);2007年01期

4 楊泉;任小康;;一種基于壓縮域下關(guān)鍵幀提取算法的研究[J];電腦知識與技術(shù);2009年01期

5 賀祥;盧光輝;;基于圖像相似度的關(guān)鍵幀提取算法[J];福建電腦;2009年05期

6 丁洪麗;陳懷新;;基于鏡頭內(nèi)容變化率的關(guān)鍵幀提取算法[J];計算機工程;2009年13期

7 閔q，

本文編號：1624070