摘要：针对基于稀疏表示的视频总结未充分考虑视频帧之间的非线性关系和关键帧的块稀疏特性,提出了一种采用非线性块稀疏字典选择的视频总结方法。首先考虑视频帧之间的非线性关系,通过核函数把原始视频样本映射到高维空间,使线性不可分的样本变得线性可分,从而实现非线性到线性的转化,建立非线性稀疏字典选择模型;然后考虑关键帧的块稀疏特性,将视频帧分成帧块,每个帧块内的内容具有一定的相似性,进一步建立非线性块稀疏字典选择模型来提取关键帧块;最后设计了一种核化的联合块正交匹配追踪算法对提出的模型进行优化。在基准视频数据集上的实验表明,所提算法能明显提升视频总结的性能指标F值,且计算复杂度较低,从而验证了联合使用非线性和块稀疏的有效性。

摘要：视频数据是信息存储的重要手段,但是很多时候(如机器人运动时采集的视频、监控相机记录的视频等),视频帧与帧之间相似度高,造成信息冗余,为信息的存储、查询、传输等带来困难.本文设计了一种语义浓缩算法,通过提取视频中的关键帧,实现快速、准确感知视频内容的目的.该算法首先采用背景建模方法从原始视频中提取包含重要信息的连续前景视频段,去除信息量较少的背景帧,然后通过采用视频语义分割方法将前景视频段分割得到一系列子视频,将从子视频的每一帧中提取出的特征构成原始字典,采用字典选择方法提取出关键帧.本文方法针对导航/监控视频,使用背景建模过滤无用信息,通过视频语义分割方法可处理不限长度的视频,而所选取的图像特征和字典选择方法则灵活有效地提取出有意义的关键帧.在实验中,通过对移动/固定平台视频的测试,并与人工标识及其他语义浓缩方法进行比较,证明本算法的重构误差较小,可以准确地提取视频中的关键帧.

摘要：提出了一种基于稀疏表达的自动胃病检测算法,通过训练少量样本就可以进行精确、稳定的病灶检测.根据实际工作中样本数量(特别是疾病样本)采集有限这一特点,建立了一个基于小样本的、具有稀疏和低秩特性的大尺度字典选择模型,实现了用最少的原子来构建超完备字典.在疾病检测阶段,设计了一种新的加权稀疏集中度指标(WSCI,weighted sparsity concentration index)判别输入样本是否有效,然后采用两级判别机制对有效的输入样本进行检测:首先将输入样本划分为健康或者疾病类别;然后将病灶看作健康图像中的异常现象,对判别为健康类别的图像进行再次检测,以防止漏报现象的出现.我们将本文算法与现有的胃病检测算法进行比较,对比结果表明本文算法在检测的精度和算法适用性方面都有较大提高.