基于圖像統(tǒng)計(jì)特征的視頻源分類(lèi)及檢測(cè).pdf

1、隨著視頻越來(lái)越多的出現(xiàn)在信息快速發(fā)展的時(shí)代,對(duì)視頻壓縮編碼的要求和方法的要求也越來(lái)越高。雖然有很多的視頻處理算法,但是對(duì)不同的視頻,算法的性能大有不同,由此可知,對(duì)于視頻的壓縮編碼,不同類(lèi)型的視頻選取不同的視頻處理算法才能達(dá)到最好的效果,因此,研究如何對(duì)視頻進(jìn)行分類(lèi)識(shí)別以及在視頻上所做的目標(biāo)檢測(cè)具有重大的實(shí)際意義。本文針對(duì)兩類(lèi)視頻(從視頻來(lái)源將視頻分為兩類(lèi))的分類(lèi)識(shí)別和復(fù)合視頻中的單一視頻檢測(cè)兩個(gè)問(wèn)題展開(kāi)相關(guān)研究,主要研究了基于圖像統(tǒng)計(jì)

2、特征的異源視頻分類(lèi)方法和復(fù)合視頻檢測(cè)方法。
　　在視頻源的分類(lèi)識(shí)別中,本文對(duì)現(xiàn)有的在視頻上所做的分類(lèi)進(jìn)行了研究,并設(shè)計(jì)了針對(duì)兩類(lèi)視頻進(jìn)行的分類(lèi)識(shí)別方法。在特征提取方面,我們通過(guò)分析測(cè)試,決定選擇的視頻特征是圖像的梯度統(tǒng)計(jì)分布特征;為了較好的進(jìn)行分類(lèi)研究,我們對(duì)上述特征進(jìn)行了分布擬合,并確定了與 Laplace分布的相似性,并最終選取分布特征值作為目標(biāo)描述。在分類(lèi)算法方面,我們則采用樸素貝葉斯準(zhǔn)則的閾值判別方法對(duì)視頻進(jìn)行了兩分類(lèi)。實(shí)

3、驗(yàn)結(jié)果證明我們的分類(lèi)方法可以有效的解決視頻的兩分類(lèi)問(wèn)題。
　　在復(fù)合視頻檢測(cè)中,本文在上述視頻分類(lèi)的基礎(chǔ)上,設(shè)計(jì)了針對(duì)一類(lèi)復(fù)合視頻的檢測(cè)方法。經(jīng)過(guò)大量的測(cè)試和分析,我們通過(guò)提取視頻局部圖像塊作為研究關(guān)鍵,并聯(lián)合塊的平均梯度特征和一類(lèi)視頻塊的區(qū)域唯一性,對(duì)復(fù)合視頻中的一類(lèi)視頻進(jìn)行檢測(cè)。在搜索定位方面,我們選擇塊匹配和塊遍歷的方法,并進(jìn)行正向和反向搜索,最終確定待檢測(cè)視頻區(qū)域。實(shí)驗(yàn)結(jié)果證明我們的檢測(cè)方法能夠有效的進(jìn)行一類(lèi)視頻的檢測(cè)定位