基于稀疏表示的視頻鏡頭分類方法研究.pdf

1、隨著多媒體技術的迅速發(fā)展,多媒體數(shù)據(jù)正以指數(shù)級增加。因此,如何從海量的視頻中快速高效的檢索出所需要的視頻變得十分重要?；谡Z義的視頻檢索應運而生,其中對視頻鏡頭加以分類是基于語義視頻檢索的基礎性工作,因而,研究快速有效的視頻鏡頭分類方法至關重要,同時稀疏表示理論的發(fā)展,也為視頻鏡頭分類提供了強有力的理論支持和方法支持。
　　 本文首先簡要地介紹了課題研究的背景及意義,然后分析了基于語義視頻檢索及稀疏表示涉及到的主要工作的國內外研

2、究現(xiàn)狀。在此基礎上,本文提出了新的基于稀疏表示的分類規(guī)則,基于類內平均歐式距離最小化及類間平均歐式距離最大化的稀疏字典優(yōu)化算法。具體內容如下:
　　 (1)提出了新的基于稀疏表示的分類規(guī)則。在以往的基于稀疏表示的分類中,通常選取樣本與各類原型之問歐式距離最小的那一類作為最終的分類結果。本文中,為了克服上訴分類規(guī)則中可能存在的一些偶然性因素,充分考慮了樣本與各類原型之間的歐式距離,即綜合考慮樣本與字典中所有類別原型之間的歐式距離,

3、以此減少了特征分類時的偶然性。將該優(yōu)化的稀疏表示分類規(guī)則應用于視頻鏡頭分類中,提高了視頻鏡頭特征分類的準確性。
　　 (2)提出了基于鑒別性的稀疏字典優(yōu)化算法。稀疏表示字典的好壞影響著最終的分類結果,因此構造一個優(yōu)秀的稀疏表示字典是非常必要的。本文中,對于初始化后的稀疏表示字典中的每一個基元,考慮字典內基元類內平均歐式距離以及類間平均歐式距離,使得字典中各類包含的基元其類內平均歐式距離最小而類間平局歐式距離最大,使得同類之間的相