【摘 要】
：
针对现有体育视频分类方法中采用单个特征或简单组合无法提高分类精确度问题,提出一种颜色和纹理非线性融合的特征提取方法,并进一步设计基于SVM的分类器.主要工作包括:颜色空间转换、颜色索引矩阵定义、颜色共生矩阵定义、颜色纹理提取和多分类算法设计.实验结果表明非线性融合方法比单颜色、单纹理或颜色和纹理的简单融合在体育视频分类上具有更好的类别区分度,分类精确度平均分别提高了9.94%,8.66%,6.90
论文部分内容阅读
针对现有体育视频分类方法中采用单个特征或简单组合无法提高分类精确度问题,提出一种颜色和纹理非线性融合的特征提取方法,并进一步设计基于SVM的分类器.主要工作包括:颜色空间转换、颜色索引矩阵定义、颜色共生矩阵定义、颜色纹理提取和多分类算法设计.实验结果表明非线性融合方法比单颜色、单纹理或颜色和纹理的简单融合在体育视频分类上具有更好的类别区分度,分类精确度平均分别提高了9.94%,8.66%,6.90%.
其他文献
Single-photon emission computerized tomography and positron emission tomography are essential medical imaging tools, for which the sampling angle number and scan time should be carefully chosen to giv
提出一种相似矩阵迭代修正并聚类算法,分为偏振定理的谱分离数据和球极平面逆投影的几何分离数据两步.首先将数据谱分解,得到低维距离矩阵;然后投影到双随机矩阵,隐式进行一次球极平面逆投影,几何对称分离数据;最后解算投影后坐标,得到新相似矩阵.实验在人工合成数据和自然数据上进行,结果表明所提出算法修正了数据的相似度,并获得了正确的聚类个数,对尺度参数变化有较强的鲁棒性,聚类性能比修正前有较大提升.
不确定性存在于图像处理、模式识别等众多领域的实际应用中,模糊?均值聚类(FCM)算法虽广泛应用于这些领域,但其处理不确定性的能力较差.引入区间二型模糊理论能有效提升算法处理不确定性的能力,但相应地造成算法复杂度增加,制约了区间二型FCM算法的推广应用.鉴于此,提出增强型区间二型FCM算法,通过优化初始聚类中心和降型运算,极大地减少了区间二型FCM算法的运算量,并提升算法的收敛速度.通过对随机和实际
针对传统的基于直方图的均值漂移跟踪算法,当目标出现于复杂跟踪条件时,因无法显著区分颜色相近的目标或背景而导致跟踪失败的问题,提出一种基于空间相关背景加权直方图的均值漂移跟踪算法,并给出了推导过程.实验结果表明,该算法通过在目标模型中减少背景显著特征来增强目标定位,能在遮挡、光照变化等复杂情况下实现有效的目标跟踪,改善了传统均值漂移算法中模板不能及时更新等方面的局限性.
线性判别分析(LDA)作为一种经典的特征提取方法被广泛地加以研究和运用,然而LDA作为全局判别准则在一定程度上忽视了样本空间的局部结构和局部信息.为此,通过引入局部加权均值(LWM)并结合最大间距判别分析(MMC)提出了具有一定局部学习能力的有监督的特征提取方法—–基于局部加权均值的最大间距判别分析(LBMMC).算法结合了QR分解技术,提高了其执行效率,并通过在数据集上的测试结果表明了该算法的有
现有光场采集系统存在角度信息欠采样的问题,由此引起的图像混叠效应降低了光场图像质量.本文在2D光场框架下分析了光场图像混叠的空域模型,并且提出一种变换离散孔径采样密度的混叠检测方法.该方法通过计算随机遮挡孔径(Random masked aperture,RMA)成像点集的变异系数进行混叠检测,特点在于无需已知场景深度和纹理的先验信息.以平面相机阵列为采集平台,本文在多组真实光场数据集上进行了方法
为使靶场光测设备在进行基于图像的自动调焦过程中建立适当的调焦窗口以降低计算量并克服背景干扰,提出了结合视觉感知机制的调焦窗口构建方法。对图像进行金字塔分层获得多层子图;采用Gabor滤波器和基于高斯差分(DoG)的模型模拟人类大脑视皮层细胞功能,对子图层进行信息提取和特征融合,获得基于视觉感知的特征图;对该特征图进行阈值去噪,以减少干扰,并以边界扩展法建立适合于后续处理的矩形调焦窗口。实验结果证明
针对多尺度特征并存截面数据的曲线拟合,提出一种尺度分析与去除细节小波重建相结合实现截面线去噪和特征点自动识别方法,并在此基础上实现截面线的拟合。首先根据截面线局部形状尺度因子,将截面线分成平滑段和波动段,针对不同尺度的特征段在相应的尺度下分别对各段用去除细节小波重建去除噪声,然后对去噪后的局部特征段根据截面线曲率、曲率线找出截面线上的显著点和拐点,构造插值于这些特征点的B样条曲线,就可以实现对原曲
建立了照片可交换图像文件(EXIF)信息中的5个常用参数与图像统计噪声之间的相关性,利用这种相关性对图像的真实性做出判断.通过提取训练图像的统计噪声特征及5个EXIF特征,建立了二者的相关性,利用此相关性估计待检测图像的EXIF信息,再与照片本身的EXIF信息进行对比,进而判断其是否遭到篡改.实验结果显示,利用提出的方法对图像是否经过照片滤镜和模糊等修改进行检测,得到了较好的检测结果.
提出了一个新的联合去马赛克和放大算法,适合于覆盖有彩色滤波阵列的单传感器数码相机.该算法基于原始彩色滤波阵列图像中的局部梯度,估计插值方向,并一致应用于后续的去马赛克和放大过程中.实验结果显示,该算法显著优于其他现存的相似算法.