基于Rough Set的镜头分割方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 185-188.

基于Rough Set的镜头分割方法

韩加亮¹,吴渝¹,林玉宝²

1.重庆邮电大学人工智能研究所，重庆 400065
2.燕山大学信息科学与工程学院，河北秦皇岛 066004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 韩加亮

Shot boundary detection based on Rough Set

HAN Jia-liang¹,WU Yu¹,LIN Yu-bao²

1.Institute of Artificial Intelligence，Chongqing University of Posts and Telecommunications，Chongqing 400065，China
2.College of Information Science and Engineering，Yanshan University，Qinhuangdao，Hebei 066004，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: HAN Jia-liang

摘要/Abstract

摘要： 综合利用了MPEG视频流P帧的运动特征、像素差和直方图差特征，提出了一种基于Rough Set的镜头分割方法。该方法首先提取视频流中P帧的宏块信息，然后分析得到其运动活力性、宏块类型和运动空间分布，再结合这些帧的像素差特征和直方图差特征，利用Rough Set对这些特征进行约减后，对镜头切换处进行识别。实验表明，该方法能有效地区分镜头的突变，对渐变也能很好地检测。

关键词: Rough Set, 运动信息, 突变, 渐变

Abstract: An approach to shot boundary detection by Rough Set is introduced which comprehensively utilizes the motion features of P frame in MPEG video sequence，the difference of pixel and the difference of histogram.First，some information of macro blocks is extracted in P frame of MPEG video sequence.Then the information analyzed and the motion-activity，the type of macro blocks and the motion-distribution are gotten.Combined these parameters with the difference of pixel and the difference of histogram the shot-boundary detection can be achieved according to the Rough Set after being reduced.Experimental results show that it can effectively distinguish the hard cut and gradual transition.

Key words: Rough Set, motion information, hard cut, gradual transition

韩加亮¹,吴渝¹,林玉宝². 基于Rough Set的镜头分割方法[J]. 计算机工程与应用, 2007, 43(36): 185-188.

HAN Jia-liang¹,WU Yu¹,LIN Yu-bao². Shot boundary detection based on Rough Set[J]. Computer Engineering and Applications, 2007, 43(36): 185-188.

[1]	郝翔，贺毅朝，朱晓斌，翟庆雷. 基于离散混合多宇宙算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(18): 103-113.
[2]	张雨清，王伟平，王维. 一种面向渐变浏览器指纹的识别方法[J]. 计算机工程与应用, 2018, 54(7): 102-106.
[3]	孔月萍1，刘大维1，张跃鹏2，高黄玮1. 基于微观地形因子的防界线提取算法[J]. 计算机工程与应用, 2017, 53(6): 174-177.
[4]	李玮峰，段征宇，杨东援. 快速路行程时间波动性分析[J]. 计算机工程与应用, 2015, 51(4): 260-265.
[5]	邱光能，全惠敏. 基于对称差分和背景减的运动目标检测[J]. 计算机工程与应用, 2014, 50(13): 158-162.
[6]	孔平1，严广乐2. 乙肝肝硬化的突变演化研究[J]. 计算机工程与应用, 2013, 49(23): 235-238.
[7]	张娜，王阿川. 基于小波系数相关性的图像篡改盲检测及定位[J]. 计算机工程与应用, 2013, 49(11): 199-203.
[8]	聂明星1，2，蒋新华1，2，陈兴武2. 一种改进的NURBS曲线插补算法[J]. 计算机工程与应用, 2012, 48(30): 14-18.
[9]	张宏伟，童恒建，左博新，张昕. 基于GDAL大于2G遥感图像的快速浏览[J]. 计算机工程与应用, 2012, 48(13): 159-162.
[10]	刘长征，李津京. 突变级数法仿真在煤矿瓦斯风险评价中的应用[J]. 计算机工程与应用, 2011, 47(6): 231-234.
[11]	苏晨¹，倪世宏¹，王彦鸿². 一种改进人工免疫的飞行状态规则提取方法[J]. 计算机工程与应用, 2011, 47(3): 237-239.
[12]	马春梅1，黄宝贵1，卢振泰2. 基于宏块运动信息的镜头边界检测[J]. 计算机工程与应用, 2011, 47(23): 174-176.
[13]	胡凯^1，2. 因素空间理论与知识表示的数学框架 ——突变型标准综合函数的性质与构造[J]. 计算机工程与应用, 2010, 46(8): 25-28.
[14]	陈军，伍亚舟，易东. 基于小波分析的肿瘤基因表达信号突变点检测[J]. 计算机工程与应用, 2010, 46(25): 211-213.
[15]	李玉峰^1，2，赵政¹. 改进的编辑模型在叠化检测中的应用研究[J]. 计算机工程与应用, 2010, 46(22): 151-152.