吉林大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (01): 235-240.doi: 10.13229/j.cnki.jdxbgxb201401038
赵世杰, 韩军伟, 贺胜, 程塨, 郭雷
ZHAO Shi-jie, HAN Jun-wei, HE Sheng, CHENG Gong, GUO Lei
摘要：
提出了一种新的基于频域分析的视频显著性计算模型。该模型具有计算量小、速度快的优点。首先将原始视频处理成一系列视频场景图片；然后根据频域分析方法分别计算视频的空域显著图和时域显著图，并用Renyi熵度量显著图的显著性；最后，融合时域和空域显著性结果，得到视频的显著性曲线。将本文模型应用于视频广告插入系统中并与现有方法比较，结果证明了其有效性。
中图分类号:
| [1] Itti L, Koch C, Niebur E. A model of saliency-based visual attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(11): 1254-1259.[2] Walther D, Koch C. Modeling attention to salient proto-objects[J]. Neural Networks, 2006, 19(9): 1395-1407.[3] Liu T, Yuan Z J, Sun J, et al. Learning to detect a salient object[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(2): 353-367.[4] Hou X D, Zhang L Q. Saliency detection:a spectral residual approach[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2007:1-8.[5] Guo C L, Ma Q, Zhang L M, et al. Spatio-temporal saliency detection using phase spectrum of quaternion fourier transform[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2008: 1-8.[6] Wolf W. Key frame selection by motion analysis[C]//IEEE International Conference on Acoustics, Speech and Signal Processing, 1996: 1228-1231.[7] Li K M, Zhang T, Hu X T, et al. Human-centered attention models for video summarization[C]//ACM Special Interest Group on Computer-Human Interaction, 2010: 1-27.[8] Ma Y F, Hua X S, Lu L, et al. A generic framework of user attention model and its application in video summarization[J]. IEEE Transactions on Multimedia, 2005, 7(5): 907-919.[9] Wang R X, McKenna S, Han J W, et al. Visualizing image collections using high-entropy layout distributions[J]. IEEE Transactions on Multimedia, 2010, 12(8): 803-813.[10] Pierre B, Itti L. Of bits and wows:a Bayesian theory of surprise with applications to attention[J]. Neural Networks, 2010, 23(5):649-666.[11] Mei T, Hua X S, Yang L J, et al. Videosense: towards effective online video advertising[C]//Proceedings of the 15th International Conference on Multimedia, 2007: 1075-1084. |
| [1] | 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894. |
| [2] | 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903. |
| [3] | 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909. |
| [4] | 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916. |
| [5] | 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924. |
| [6] | 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930. |
| [7] | 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937. |
| [8] | 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944. |
| [9] | 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290. |
| [10] | 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297. |
| [11] | 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951. |
| [12] | 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956. |
| [13] | 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506. |
| [14] | 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632. |
| [15] | 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639. |
|
||