資源描述：
《基于CMISW 的鏡頭邊界檢測》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、第8卷%第4期軟件導刊Vol.8No.42009年4月SoftwareGuideApr.2009基于CMISW的鏡頭邊界檢測李桂森（嘉應學院數(shù)學學院，廣東梅州514015）摘要：利用滑動窗口來進行鏡頭邊界檢測自適應閾值的計算是一種常用的方法。該文提出一種基于顏色———梯度模值二維直方圖的自適應鏡頭邊界檢測方法。計算出幀間差值以后，在原有高斯模型滑動窗口內部增加一個滑動窗口計算自適應閾值。實驗結果表明，該方法能有效避免滑動窗口方法中因窗口大小參數(shù)設置所導致的漏檢問題，并且使檢測性能得到進一步的提高。關鍵詞：鏡頭邊界
2、檢測；梯度；顏色直方圖；內部滑動窗口中圖分類號：TP311．52文獻標識碼：A文章編號：1672-7800（2009）04－0114－03∈∈0h∈［316，20］∈0引言∈∈1h∈［21，40］∈∈∈∈2h∈［41，75］基于內容的視頻檢索（ContentBasedVideoRetrieval：CB-∈∈∈3h∈［76，155］∈VR）需要把視頻結構化，視頻結構化的目的是把視頻分為鏡h＝∈∈∈4h∈［156，190］頭、場景和序列等不同層次的邏輯單元。目前，鏡頭邊界檢測方∈∈∈5h∈［191，270］∈法主要有
3、基于非壓縮域和基于壓縮域兩大類，在基于非壓縮域∈∈∈6h∈［271，295］的方法有：幀差法、直方圖法、邊緣比較法等。幀差法是基于像∈∈∈7h∈［296，315］素比較的方法，原理簡單，便于實現(xiàn)，但是它對噪聲、運動和光∈∈0s∈［0，0．2］∈0v∈［0，0．2］照都很敏感，檢測效果不理想，容易導致誤檢；邊緣比較法是基∈∈∈∈∈∈s＝∈1s∈［0．2，0．7］v＝∈1v∈［0．2，0．7］（1）于輪廓邊緣的檢測和匹配，對光照變化具有穩(wěn)定性；直方圖法∈∈∈∈∈∈∈2s∈［0．7，1］∈2v∈［0．7，1］是根據(jù)對象
4、本身的一種統(tǒng)計特性來進行比較，可以克服對物體按照以上的量化級，把3個顏色分量合成為1個一維特征運動的敏感性。在直方圖法中使用最多的是基于顏色的直方圖法，它反映的是顏色的分布特征。但是，不同的圖像可以具有相矢量：同的顏色直方圖，這是顏色直方圖法的一個缺點。C＝9h＋3s＋v（2）則C的取值范圍為［0，1…，71］。1顏色—梯度模值二維直方圖1．2顏色———梯度模值二維直方圖的構造梯度在圖像處理中占有十分重要的地位，可以進行圖像的1．1顏色空間模型的選擇及量化邊緣檢測及圖像的銳化，是最常用的微分方法。常用的顏色空間有
5、面向硬件的RGB、YUV、CMY和面向色對于圖像f（i，j），它在點（i，j）處的梯度是一個矢量，定義為彩處理的HIS、HSV等。其中HSV（Hue－Saturation－Value）顏T墜fδf色空間模型與人的主觀感覺最接近，能較好地反映人對顏色的Grad［f（i，j）］＝jj（3）墜iδi感知和鑒別能力，是一種符合人類視覺感知特性的顏色模型。點（i，j）處梯度的幅值被稱為梯度的模，梯度的模值反映了因此，在顏色的圖像相似性比較上大部分都是基于HSV顏色灰度變化情況。若以Gm（i，j）表示梯度的模，則有空間。22
6、顏色直方圖的一個重要問題就是特征維數(shù)過高帶來的大墜f（i，j）墜f（i，j）Gm（i，j）＝Grad［f（i，j）］＝jj＋jj（4）姨墜i墜j計算量，一般通過顏色空間的量化來減少計算量。本文采用文對離散圖像而言，可用差分法近似（4）式，得到：不等間隔的量化方法，把HSV顏色空間轉換為一維顏色特征22向量。Gm（i，j）＝姨［f（i＋1，j）－f（i，j）］＋［f（i，j＋1）－f（i，j）］（5）作者簡介：李桂森（1980－），男，廣東肇慶人，碩士，廣東省梅州市嘉應學院數(shù)學學院助教，研究方向為視頻處理，無線局域
7、網等?！?15·第4期李桂森：基于CMISW的鏡頭邊界檢測為了計算的方便，減少計算量，（5）式可進一步簡化為1／2q－112Gm（i，j）≈f（i＋1，j）－f（i，j）＋f（i，j＋1）－f（i，j）（6）σ＝ΣΣ（Z（k＋i，k＋i＋1）－μ）Σ（12）qi＝0由1．1知一維顏色特征矢量的取值范圍為［0，1，…，71］，并按式（10）得到T。記為Ci，因此梯度的模值空間144，記為Mj，現(xiàn)在統(tǒng)計同時處于（2）檢測下一幀，如果Ci和Mj內的像素點數(shù)，記為S（i，j），然后對其進行歸一化：Z（k＋q，k＋q＋1）
8、＞T（13）H（i，j）＝S（i，j）（7）成立，確定為新鏡頭，k＝k＋q＋1，轉（1），否則72144ΣΣS（m，n）（3）用求得的Z更新μ、σ和T，滑動窗口向右移一幀，k＝k＋m＝1m＝11，然后轉（2）。此即為顏色－梯度模值二維直方圖。使用上述方法求自適應閾值T，需保證在新鏡頭開始的連續(xù)幀q＋1中不出現(xiàn)鏡頭的切換，否則將會出現(xiàn)漏檢，而這在實2基于內部滑動窗口的鏡頭邊
