导读:本文包含了图像与视频分类论文开题报告文献综述及选题提纲参考文献，主要关键词:块分类,压缩感知,分布式视频编解码,稀疏表示
图像与视频分类论文文献综述
赵小虎,沈雪茹,李婉梅,王宽[1]（2019）在《基于块分类的矿井视频图像DCVS重构算法》一文中研究指出针对煤矿井下视频监控图像因数据量大而导致传输和存储困难等问题,引入压缩感知理论对视频图像进行编解码,提出一种新的分布式视频编解码(distributed compressed video sensing, DCVS)方案.为了获得更稀疏的表示和更普遍的适用性,提出一种基于块的自适应混合稀疏基方案.针对边信息获取过程中通常采用固定权值合成边信息而忽略不同图像块之间相关性的问题,提出一种块分类加权边信息生成方案.结果表明:与传统的视频编解码方案相比,基于块的分类编解码方案能充分利用帧间相关性,在不同采样率下视频重构的峰值信噪比均有所提高,视频帧重构的质量也得到有效提升.(本文来源于《扬州大学学报(自然科学版)》期刊2019年02期）
梁小捷[2]（2018）在《基于子空间学习的视频分类及图像色彩重建问题研究》一文中研究指出图像及视频分类作为一个融合机器学习、模式识别和图像处理等领域的交叉方向,成为目前研究人员研究的热点和难点。另外,如何通过灰度图像进行自动的色彩重建也是当前的一个研究热点,是计算机视觉领域中的一个挑战性问题。针对以上两个问题,本文分别提出对应的算法:在第叁章,本文提出了一种基于时空低秩表示学习的鲁棒视频分类算法,该算法利用了视频数据的空间流形结构和时间连续性:一方面,利用改进的低秩表示模型挖掘全局子空间结构,另一方面,通过加入相邻列之间的稀疏约束,有效利用了视频的时间信息。与传统的方法相比,本文提出的方法更适用于在保持视频时间一致性的同时挖掘数据空间的全局结构,对于稀疏的离群点、噪声以及遮挡具有更强的鲁棒性。针对本文提出的模型,建立了一种基于自适应惩罚线性交替方向法(LADMAP)的高效的数值求解方法。最后,我们对该算法在两个标准数据库(HONDA和YaleB)上的性能进行了评估。实验结果表明,本文算法取得的结果更具鲁棒性。在第四章,本文提出了一种基于样本的加权稀疏匹配图像色彩重建方法。首先,将图像分割成超像素,然后为每个超像素提取灰度特征和纹理特征,将它们连接起来形成特征描述符,从参考图像收集到的特征描述符则构成了表示字典。通过求解加权稀疏表示模型构建目标灰度图像与彩色参考图像之间的对应关系,并且基于来自相应的参考超像素的颜色信息对目标超像素进行色彩重建。最后,采用亮度引导的双边滤波器来提高色彩重建结果的一致性。实验结果表明,本文算法在自然图像的色彩重建问题上取得了令人满意的结果。(本文来源于《南昌航空大学》期刊2018-06-01）
王晓艳[3]（2018）在《基于图像分析的网络视频弹幕的情感分类研究与应用》一文中研究指出弹幕是近几年开始流行的一种新的交流方式,观众可以在观看视频时表达自己的观点。但由于弹幕兴起时间较短,所以目前对这一方面的研究较少,但弹幕中包含了大量的情感信息,可以反馈观众在观看视频时的情绪变化,同时又和视频本身息息相关。根据弹幕情感对视频关键帧进行情感标注,可以方便用户根据关键帧情感来选择该帧进行视频播放。论文完成的主要工作如下:(1)提出了一种新的CLSTM网络模型用来进行弹幕情感分类,通过人工标注建立了一个5分类(乐、好、恶、怒、愁)的弹幕语料库。CLSTM网络模型是一种基于长短期记忆网络(LSTM)和卷积神经网络(CNN)进行改进的新型网络结构。实验通过4种网络模型对弹幕进行情感5分类,实验结果表明,本文提出的CLSTM模型比单独的CNN,RNN和LSTM网络模型都取得了更好的分类精度。(2)首先对层次聚类算法作出改进,同时提出一种新的HC-FCM算法用于提取关键帧。该算法是在改进的层次聚类和模糊C-均值聚类算法的基础上提出的。实验中通过3种算法进行关键帧的提取,实验表明我们的算法比层次聚类和FCM聚类有更好的提取效果。之后根据关键帧对应的弹幕情感对关键帧进行情感标注,以便在系统实现中,使得用户可以根据关键帧情感选择视频播放位置。(3)设计和开发了基于视频弹幕情感进行搜索的视频检索系统。该系统包含了 5大模块。并且将前面各章介绍的算法应用在了各个模块之中。最后对系统中各个模块的功能进行了测试,通过测试表明,本系统各个模块性能良好,运作正常,能够满足用户的基本需求。通过对情感分类算法和关键帧提取算法的研究,为用户提供了一种新型的视频检索方式,并提取了弹幕中包含的大量情感信息,对关键帧进行了情感标注,实现了用户多元化的搜索需求。(本文来源于《北京邮电大学》期刊2018-03-11）
许晓珑,丁箐,白天,叶勇,石竹[4]（2016）在《基于MapReduce的公路视频图像车型分类研究》一文中研究指出分析公路视频图像,从而对经过的车辆进行较高精度的分类,是一个颇且实用价值的课题。如何在保证分类精度的同时提高系统性能,无疑是一个具有挑战性的任务。提出了一个多特征融合的分类框架,结合车辆的全局几何特征、SIFT局部特征,以及Gabor纹理特征对车辆进行分类,提高了分类精度;为了提高系统的性能,设计了基于MapReduce的并行算法,通过对图像分块,实现数据并行。实验结果表明,该方案能够在提高分类精度的基础上仍然保持较高的系统性能。(本文来源于《电视技术》期刊2016年03期）
邬美银,陈黎,田菁[5]（2016）在《基于卷积神经网络的视频图像失真检测及分类》一文中研究指出为了检测不同失真类型的视频图像,实现对失真视频图像的分类处理,提出一种基于卷积神经网络的视频图像失真检测及分类方法。将视频图像分割成较小的图像块作为输入;然后利用卷积神经网络主动学习特征,引入正负例均衡化和自适应学习速率减缓过拟合和局部最小值问题,由softmax分类器预测图像块的失真类型;最后采用多数表决规则,得到视频图像的预测类别。采用仿真标准图像库(LIVE)和实际监控视频库对该方法进行性能测试,前者的总体分类准确率达到92.22%,后者的总体分类准确率达到92.86%。整体的分类准确率高于已有的其他叁种算法。引入正负例均衡化和自适应学习速率后,CNN的分类准确率得到明显提升。实验结果表明,该方法能主动学习图像质量特征,提高失真视频图像分类检测的准确率,通用于任意失真类型的视频图像分类检测,具有较强的鲁棒性和实用性。(本文来源于《计算机应用研究》期刊2016年09期）
薄喜军[6]（2014）在《基于DSP的视频图像自适应分类系统》一文中研究指出多媒体技术普及之后,视频图像技术在社会各行各业中的应用也变得普遍起来,如医学、军事、车场监控、楼宇监管等,都会应用到视频图像技术。为进一步探讨视频图像技术的应用优势,本文基于DSP技术,以不同环境下如何实现视频图像快速分类为主要研究内容,对视频图像自适应分类系统的设计与应用作详细论述,得出相关结论,供同行参考借鉴。(本文来源于《黑龙江科技信息》期刊2014年19期）
杨辰[7]（2014）在《极光图像分类与极光视频事件检测的探索研究》一文中研究指出极光(Polar light, aurora)是地球周围的一种大规模放电的过程。来自太阳的带电粒子到达地球附近，地球磁场迫使其中一部分沿着磁场线(Field line)集中到南北两极。当他们进入极地的高层大气时，与大气中的原子和分子碰撞并激发，产生光芒，形成极光。极光现象非常美丽，它的发生时常影响无线电通信，长电缆通信等。极光还可以影响到气候，影响生物学过程。极光具有多种形态，而且不同形态的极光蕴含着不同的物理含义，所以极光图像分类与极光视频事件检测具有非常重要的科学研究价值。在极光图像拍摄的过程中，由于拍摄设备暗电流以及大气层的影响，极光图像存在亮度不均匀的现象，本文首先提出使用顶帽变换(Top-hat)改善这一现象。针对极光图像分类，根据极光形状特性不固定这一特点，本文提出采用词袋模型对极光图像进行建模，从而避免了从极光形态提取特征这一难题。针对词袋模型自身的缺陷与不足，本文以隐狄利克雷分配(Latent Dirichlet Allocation, LDA)为基础，利用极光图像的谱残差(Spectral Residual, SR)显着图，提出了一种融合显着信息的LDA极光图像特征提取方法。在分类阶段，本文利用支持向量机(SVM)对极光图像进行分类实验。实验表明该方法获得了良好的分类效果。针对极光事件检测，本文深入研究了感知哈希算法(Perceptual Hash Algorithm)在图像检索上的应用，并提出将该算法利用于极光视频事件检测，利用极光图像感知哈希码的相似性进行视频事件检测，可快速、有效的检测极光视频事件，实验证明了本文提出算法的有效性。(本文来源于《西安电子科技大学》期刊2014-03-01）
朱超[8]（2014）在《基于图像统计特征的视频源分类及检测》一文中研究指出随着视频越来越多的出现在信息快速发展的时代，对视频压缩编码的要求和方法的要求也越来越高。虽然有很多的视频处理算法，但是对不同的视频，算法的性能大有不同，由此可知，对于视频的压缩编码，不同类型的视频选取不同的视频处理算法才能达到最好的效果，因此，研究如何对视频进行分类识别以及在视频上所做的目标检测具有重大的实际意义。本文针对两类视频（从视频来源将视频分为两类）的分类识别和复合视频中的单一视频检测两个问题展开相关研究，主要研究了基于图像统计特征的异源视频分类方法和复合视频检测方法。在视频源的分类识别中，本文对现有的在视频上所做的分类进行了研究，并设计了针对两类视频进行的分类识别方法。在特征提取方面，我们通过分析测试，决定选择的视频特征是图像的梯度统计分布特征；为了较好的进行分类研究，我们对上述特征进行了分布拟合，并确定了与Laplace分布的相似性，并最终选取分布特征值作为目标描述。在分类算法方面，我们则采用朴素贝叶斯准则的阈值判别方法对视频进行了两分类。实验结果证明我们的分类方法可以有效的解决视频的两分类问题。在复合视频检测中，本文在上述视频分类的基础上，设计了针对一类复合视频的检测方法。经过大量的测试和分析，我们通过提取视频局部图像块作为研究关键，并联合块的平均梯度特征和一类视频块的区域唯一性，对复合视频中的一类视频进行检测。在搜索定位方面，我们选择块匹配和块遍历的方法，并进行正向和反向搜索，最终确定待检测视频区域。实验结果证明我们的检测方法能够有效的进行一类视频的检测定位。(本文来源于《西安电子科技大学》期刊2014-03-01）
金成昆,雷翔,黄晓强,何小海[9]（2013）在《基于DSP的视频图像自适应分类系统》一文中研究指出介绍了一种以高速定点DSP芯片TMS320DM642为核心的视频图像自适应分类系统的软硬件设计。针对不同背景的视频图像,根据其统计特性,结合DSP/BIOS多线程框架实现了视频图像自适应分类。实验结果表明,该系统能实时准确地将不同背景的视频图像自适应分类。(本文来源于《电视技术》期刊2013年09期）
曹玮[10]（2012）在《视频图像序列中人体行为的分类与识别》一文中研究指出基于视觉的人体行为分析与识别作为一个新兴的研究课题越来越受到机器视觉领域研究者的关注，它涉及了模式识别、图像处理、计算机视觉和人工智能等多门学科，其研究目的是从给定的视频图像序列中检测、分割和跟踪运动人体并对其行为进行分析与理解，实现学习和识别人体行为的目的，其关键技术体现在对目标人物的特征提取和行为分类识别的算法上。人体行为识别不但在智能监控、虚拟现实、感知接口和运动分析等领域有着广泛的应用前景，同时也具有良好的社会价值和经济效益。本文围绕基于视觉的人体行为识别的相关问题展开研究，主要包括运动目标提取、特征提取以及人体行为识别算法叁个方面，重点是研究特征提取方法和人体行为识别算法。文章首先介绍了实验的运行环境和行为识别研究中涉及到的图像处理方法，并在图像采集、图像预处理及运动目标检测和跟踪方面做了简要概述；接下来具体描述了特征提取的方法，并重点阐述本文采用的行为识别算法；然后针对人体行为分类与识别的相关算法做出了具体的分析和研究并应用在实验中，再对实验得出的结果进行有效的分析，验证该算法的可行性；最后对全篇论文进行了总结及展望。本文研究的都是简单场景下的人体行为识别，在标准行为库的前提下采用了运动累积图、流体力学和Hu不变矩等特征来表示人体的运动行为，并结合机器学习的方法采用支持向量机作为分类器对测试数据进行分类，最终达到一个较高的识别率，可以满足我们实验前的期望结果。(本文来源于《燕山大学》期刊2012-05-01）
图像与视频分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像及视频分类作为一个融合机器学习、模式识别和图像处理等领域的交叉方向,成为目前研究人员研究的热点和难点。另外,如何通过灰度图像进行自动的色彩重建也是当前的一个研究热点,是计算机视觉领域中的一个挑战性问题。针对以上两个问题,本文分别提出对应的算法:在第叁章,本文提出了一种基于时空低秩表示学习的鲁棒视频分类算法,该算法利用了视频数据的空间流形结构和时间连续性:一方面,利用改进的低秩表示模型挖掘全局子空间结构,另一方面,通过加入相邻列之间的稀疏约束,有效利用了视频的时间信息。与传统的方法相比,本文提出的方法更适用于在保持视频时间一致性的同时挖掘数据空间的全局结构,对于稀疏的离群点、噪声以及遮挡具有更强的鲁棒性。针对本文提出的模型,建立了一种基于自适应惩罚线性交替方向法(LADMAP)的高效的数值求解方法。最后,我们对该算法在两个标准数据库(HONDA和YaleB)上的性能进行了评估。实验结果表明,本文算法取得的结果更具鲁棒性。在第四章,本文提出了一种基于样本的加权稀疏匹配图像色彩重建方法。首先,将图像分割成超像素,然后为每个超像素提取灰度特征和纹理特征,将它们连接起来形成特征描述符,从参考图像收集到的特征描述符则构成了表示字典。通过求解加权稀疏表示模型构建目标灰度图像与彩色参考图像之间的对应关系,并且基于来自相应的参考超像素的颜色信息对目标超像素进行色彩重建。最后,采用亮度引导的双边滤波器来提高色彩重建结果的一致性。实验结果表明,本文算法在自然图像的色彩重建问题上取得了令人满意的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像与视频分类论文参考文献
[1].赵小虎,沈雪茹,李婉梅,王宽.基于块分类的矿井视频图像DCVS重构算法[J].扬州大学学报(自然科学版).2019
[2].梁小捷.基于子空间学习的视频分类及图像色彩重建问题研究[D].南昌航空大学.2018
[3].王晓艳.基于图像分析的网络视频弹幕的情感分类研究与应用[D].北京邮电大学.2018
[4].许晓珑,丁箐,白天,叶勇,石竹.基于MapReduce的公路视频图像车型分类研究[J].电视技术.2016
[5].邬美银,陈黎,田菁.基于卷积神经网络的视频图像失真检测及分类[J].计算机应用研究.2016
[6].薄喜军.基于DSP的视频图像自适应分类系统[J].黑龙江科技信息.2014
[7].杨辰.极光图像分类与极光视频事件检测的探索研究[D].西安电子科技大学.2014
[8].朱超.基于图像统计特征的视频源分类及检测[D].西安电子科技大学.2014
[9].金成昆,雷翔,黄晓强,何小海.基于DSP的视频图像自适应分类系统[J].电视技术.2013
[10].曹玮.视频图像序列中人体行为的分类与识别[D].燕山大学.2012