节点文献

最优距离聚类和特征融合表达的关键帧提取

免费订阅

【作者】 孙云云江朝晖单桂朋刘海秋饶元

【Author】 Sun Yunyun;Jiang Zhaohui;Shan Guipeng;Liu Haiqiu;Rao Yuan;School of Information and Computer Science,Anhui Agricultural University;Key Laboratory of Technology Integration and Application in Agricultural Internet of Things,Ministry of Agriculture;

【通讯作者】 江朝晖;

【机构】 安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室

【摘要】 为了提高视频关键帧提取的质量和效率,提出一种基于最优距离聚类和特征融合表达的视频关键帧提取算法。在视频帧间差异性分析基础上,寻找并确定最优帧间距离阈值,采用无监督聚类算法对帧间距离进行聚类,获得类别数目最优的类图像集;计算图像的颜色复杂度和信息熵并融合,按照类中图像特征值"平均"的思想提取类代表帧,组成视频关键帧。对4个监测视频进行实验,结果显示:该算法提取关键帧的平均保真度为96.72%、平均压缩率为96.42%,运行时间也较短,与两种典型的基于聚类的关键帧提取方法相比,在相同的压缩率情况下,算法保真度大幅度提高,而运行时间较小或相当。该算法解决了无监督聚类对阈值的依赖性问题,兼顾了视频中运动目标变化和环境异常两种情况,具有良好的性能和适应性。

【基金】 安徽省科技攻关项目(1501031102);农业部农业物联网技术集成与应用重点实验室开放基金(2016KL01);安徽农业大学2018年度研究生创新基金(2018yjs-63)
  • 【DOI】10.14177/j.cnki.32-1397n.2018.42.04.005
  • 【分类号】TP391.41
  • 【下载频次】9
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: