CALIS IR
English   中文  

| Receive email updates | My CALIS IR | Edit Profile |

CALIS机构知识库 > → 计算机与软件学院 > → 学位论文 >


Please use this identifier to cite or link to this item: http://ir.calis.edu.cn/hdl/244041/1397

Title: 基于全局特征的场景分类研究及应用
Authors: 黄涛
Keywords: 场景分类
全局特征
支持向量机
分类器
半监督学习分类算法
Issue Date: 2011-05-15
Abstract: 随着计算机技术、网络技术以及多媒体技术的发展,多媒体信息的传输、处理及访问呈指数级增长。由于视频、图像可以直观准确地传达丰富的信息,在多媒体信息中占有很重要的地位,其一直以来都是计算机技术的研究热点。视频图像的场景分类技术是视频内容分析的一个重要研究内容,本论文将对其进行深入研究。 视频序列是由一系列镜头组成,每个镜头又是由一组的视频帧组成。每个镜头都由一帧或者若干帧作为关键帧,关键帧图像可以代表该镜头的主要内容。因此,我们对视频场景分类在空间域上是对视频关键帧图像的分类。本论文分别对图像的全局特征的提取方法、特征变换降维方法、场景分类算法等进行了分析和研究,并将基于图的半监督分类算法用于场景分类中,具体如下: 一、本文介绍了图像特征提取技术的研究历史现状,重点分析了视频图像的全局特征提取技术,并指出了基于全局特征场景分类的优越性。 二、本文研究了支持向量机分类器的构造问题。支持向量机分类器最初是为了解决二类分类问题,其分类速度快、分类精度高。但是,当其用于多类分类问题,其性能大大降低。对此,本文引入超球支持向量机多类分类算法,将同一类样本数据包围,把整个数据空间分成数个超球。通过引入约束条件,有效提高支持向量机的多分类性能。 三、本文对经典的半监督学习分类算法进行了分析,并将基于图的半监督学习分类算法应用于场景分类实验中。实验结果表明,该算法可以大大降低人工标注数据集的工作量,分类精度比同等人工标注样本量下全监督学习分类算法有所提高。四、本文将场景分类信息应用于提取视频中的视觉感兴趣区域,有效地指导了视频编码。
URI: http://ir.calis.edu.cn/hdl/244041/1397
Appears in Collections:学位论文

Files in This Item:

File Description SizeFormat
基于全局特征的场景分类研究及应用.pdf510.86 kBAdobe PDFView/Open
1
Recommend this item
View Statistics

Items in CALIS IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Copyright © 2001-2012  CALIS (Developed Based on CALIS IR Software) - Feedback Number of User on Line: 216     Total of Site Visit: 6595949