利用自适应时间片梯度谱对镜头转换进行精细识别

来源 :中国图象图形学报 | 被引量 : 44次 | 上传用户:jupming_snoopy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出了一种利用视频序列的自适应时间片梯度谱对镜头转换类型进行精细识别的算法 .在这个算法中 ,首先提出了自适应时间片梯度谱的概念 ,并且在此基础上 ,提出了用于识别镜头转换类型的模板构造和匹配算法 ,同时还给出了一种描述语言作为模板的软描述方法 ,用以适应不同的图象尺寸和镜头转换的持续时间 .实验结果表明 ,这种方法在多数情况下具有很好的识别效果 ,只是在两个镜头转换非常相近时 ,识别效果差些 ,另外 ,该方法识别速度快 ,同时具有很强的鲁棒性和可扩展性 ,是解决镜头转换类型精细识别问题的一个有益尝试
其他文献
研究了采用模糊神经网络来识别 JL UIV- 2型视觉导航智能车辆模糊和脏污的导航路径的方法 ,提出了两种模糊神经网络模型 .第 1种模糊神经网络有 5层结构 ,采用正态分布概率函数作为模糊化函数 ;第 2种模糊神经网络有 6层结构 ,采用 π函数作为模糊化函数 .同时采用改进的快速 BP算法对这两种模糊神经网络进行训练 ,并采用实际模糊和脏污的条带状导航路标图象进行了识别试验 .试验结果表明 ,
在计算机视觉中 ,如何由非定标序列图象得到相机和景物的度量特性是相机自定标技术要解决的主要问题 .一般相机定标方法则是利用景物的已知三维点坐标或几何特性 (如正交方向的灭点等 )来确定相机的定标矩阵K,而相机自定标方法则是直接根据图象和相机内外参数的约束来确定相机和景物的度量特性 .相机定标对于计算机视觉的许多应用来说是非常重要的 ,而在实际应用中 ,由于定标过程往往是很复杂的 ,因而 ,在过去的
三维目标在不同的视点下呈现不同的姿态 ,所得的二维视图也不尽相同 ,因此三维目标识别是一个较为复杂的问题 .为此提出了通过图象序列和图象序列之间的转移关系 ,根据胜者为王的原则来识别三维目标的方法 .该方法采用极指数栅格技术和傅立叶变换相结合得到目标的轮廓不变量 ;用神经网络结合方面图技术 ,通过识别运动目标图象序列来识别三维运动目标 ,实现了一个目标识别系统 .实验结果证明 ,此方法可以有效地用
为了既能获得较高的压缩比 ,又能保证较好的图象质量 ,提出了一种基于三维离散余弦变换 (3D DCT)的静止彩色图象编码方法 .在此算法中 ,首先将原始图象分割成互不覆盖的 8× 8子块 ;然后根据局部能量的大小将各子块分为 4类 ,再把属于同一类的子块组合到一起 ,形成三维立方体并对三维立方体进行三维离散余弦变换 ,从而提高压缩效率 .计算机模拟结果表明 ,此算法在压缩比高于 4 0时 ,其平均
多角弧匹配问题的关键是 ,其既能反映多角弧的几何性质 ,又能反映多角弧拓扑结构的特征选取 .在分析了多角弧几何形状的基础上 ,引入了连接点的概念 ,并用连接点集表示多角弧 ,这一表示在旋转和平移变换下是不变的 .进一步取该连接点集作为匹配的特征集 ,给出了特征集之间匹配的算法 .该算法是将连接点间的距离积分作为测量函数 ,使二维多角弧的匹配由连接点的匹配来决定 .给出的模拟试验结果表明 ,该算法效
目前,SAR已经成为一种不可或缺的对地观测和军事侦察手段.面对不断增长的SAR图象数据收集能力,如何对这些图象进行自动或半自动快速、准确地解译已经越来越引起人们的关注和重视.自动目标识别(ATR)是自动或半自动SAR图象解译研究的一个重要方面.SAR ATR过程可概述为:从观测得到的SAR图象中,找到感兴趣的区域(ROI),并计算出每个ROI的种类.为此,介绍了SAR ATR的含义及其一般流程,对
提出了一种从两幅未标定图象重建场景三维模型的方法 .这种方法充分利用了人造结构场景中大量存在的平行性和正交性几何约束 ,即利用每幅视图中三组互相垂直的平行线 ,计算出 3个影灭点 ,从而对每幅视图进行标定 .对两幅未标定图象 ,从基本矩阵只能得到射影重构 ,如果每幅图象都已标定 ,则可将基本矩阵转化为本质矩阵 .三维重构过程有两个步骤 :先是恢复相机的位置和运动 ;后是用三角测量法计算出点的三维坐
为适应遥感图象较高倍率准无损压缩的需要 ,改进了 JPEG- L S算法 ,该算法首先通过放宽游程检测门限 ,并通过引入局部梯度控制下的预测来增加平均游程长度 ,以提高压缩比 ;然后通过在游程编码区域附加误差修正编码及通过重构图象平滑滤波来改善重构图象的目视效果和提高 PSN R值 ;最后 ,采用 Golomb- Rice Coding技术来对越界误差进行编码 ,以保持 JPEG- L S算法误差
利用环链提出了一种对任意多面体不添加顶点的凸剖分快速方法 ,它对多面体的剖分个数接近最少 .该方法首先从多面体的棱和对角棱所构成的所有环中 ,以最小周长选取一个最好的环 ,然后利用这个环的各个边所形成的一系列面 ,对多面体进行一次剖分 .实验证明 ,这种方法可找到对多面体不添加顶点剖分的最好剖分面 ,使剖分的次数接近最少 ,具有较好的实用价值和广泛的应用前景 .
为构造一类全不连通的分形图 ,利用了适当的类康托集 ,将某一迭代函数系统升腾为高维空间上的升腾迭代函数系统 ,并通过参数调整构造出大量造型上全不连通的分形图 ,同时发现了类康托集的结构和分形图的结构之间的变化关系 ,实验结果表明 ,该方法简单易用 .