本發明專利技術涉及一種利用腦功能成像空間特征和底層視覺特征進行視頻聚類的方法，其特征在于：提取功能磁共振圖像序列中的大腦信號向量，計算信號向量的皮爾森相關系數矩陣，利用單因素方差分析和相關特征選擇方法從皮爾森相關系數矩陣中提取腦功能成像空間特征，利用部分視頻的底層視覺特征和對應的腦功能成像空間特征建立高斯過程回歸模型，將剩余視頻的底層視覺特征映射到腦功能成像空間特征上，將所有視頻的腦功能成像空間特征和底層視覺特征進行多模態譜聚類。利用本發明專利技術方法，可以實現腦功能成像空間特征和底層視覺特征的融合聚類，與基于底層視覺特征如顏色、形狀等視頻聚類方法及單獨使用腦功能特征空間聚類相比，大大提高了聚類準確性。
【技術實現步驟摘要】
本專利技術屬于圖像處理和應用技術，具體涉及一種，
技術介紹
隨著數字多媒體數據的爆炸式增長，網絡上的視頻數量與日俱增，用什么樣的特征來表示視頻變的越來越重要，目前較流行的是提取視頻的顏色、紋理和形狀等方面的特征，這些特征統稱為底層視覺特征。然而，這些傳統的視頻特征難以精準地描述視頻，從而給后續的視頻處理帶來困難，相比之下，人類卻可以瞥一眼正在播放的視頻就知道其具體內容，這一現象給了科學家很大的啟發，目前，有些學者已經從測試者觀看視頻時采集的大腦信號中提取相關特征來作為視頻的特征，并將這些特征用于視頻分類中，這些從大腦信號中提取的特征稱之為高層特征，其中利用功能磁共振成像技術采集大腦信號并從這些信號中提取的特征稱之為腦功能成像空間特征，與之相關的研究只關注如何提取腦功能成像空間特征，并利用該特征進行視頻分類和檢索，這些研究目前還處于探索階段。如何更好地提取大腦信號中的腦功能成像空間特征，并且將腦功能成像空間特征與底層視覺特征相結合，來提高視頻聚類的準確率在國內外還屬于空白領域，因此，找到更好的腦功能成像空間特征提取方法，并將其與底層視覺特征結合起來提高視頻聚類的準確率是一個非常有價值的研究課題，對于視頻聚類研究具有非常重要的意義。
技術實現思路
要解決的技術問題為了避免現有技術的不足之處，本專利技術提出一種，將人腦認知信息中的腦功能成像空間特征與視頻底層視覺特征結合起來用于視頻聚類中，提高視頻聚類技術的準確性。技術方案一種，其特征在于步驟如下步驟I提取腦功能成像空間特征，具體步驟如下步驟al:利用公式權利要求1.ー種，其特征在于步驟如下 步驟I提取腦功能成像空間特征，具體步驟如下 步驟al:利用公式只2.根據權利要求I所述，其特征在于所述個數聚類G e 。3.根據權利要求I所述，其特征在干所述常數a e 。4.根據權利要求I所述，其特征在于所述步驟4的步驟h采用歸一化互信息匪I方法或者精度Purity方法計算聚類準確率。全文摘要本專利技術涉及一種利用腦功能成像空間特征和底層視覺特征進行視頻聚類的方法，其特征在于提取功能磁共振圖像序列中的大腦信號向量，計算信號向量的皮爾森相關系數矩陣，利用單因素方差分析和相關特征選擇方法從皮爾森相關系數矩陣中提取腦功能成像空間特征，利用部分視頻的底層視覺特征和對應的腦功能成像空間特征建立高斯過程回歸模型，將剩余視頻的底層視覺特征映射到腦功能成像空間特征上，將所有視頻的腦功能成像空間特征和底層視覺特征進行多模態譜聚類。利用本專利技術方法，可以實現腦功能成像空間特征和底層視覺特征的融合聚類，與基于底層視覺特征如顏色、形狀等視頻聚類方法及單獨使用腦功能特征空間聚類相比，大大提高了聚類準確性。文檔編號G06F17/50GK102855352SQ20121029317公開日2013年1月2日 申請日期2012年8月17日 優先權日2012年8月17日專利技術者韓軍偉, 吉祥, 郭雷, 胡新韜 申請人:西北工業大學本文檔來自技高網...
【技術保護點】
一種利用腦成像空間特征和底層視覺特征進行視頻聚類的方法，其特征在于步驟如下：步驟1提取腦功能成像空間特征，具體步驟如下：步驟a1：利用公式pi,j,k=Σsi,j,rsi,k,r-Σsi,j,rΣsi,k,rn(Σsi,j,r2-(Σsi,j,r)2n)(Σsi,k,r2-(Σsi,k,r)2n)提取N個功能磁振圖像序列中的，第i個功能磁共振圖像序列上大腦M個區域的信號向量Si，j和Si，k的皮0。。。。爾森相關系數pi，j，k，得到第i個功能磁共振圖像序列的皮爾森相關系數矩陣：Pi=pi,1,1,pi,1,2,...,pi,1,k,...,pi,1,Mpi,2,1,pi,2,2,...,pi,2,k,...,pi,2,M...pi,j,1,pi,j,2,...,pi,j,k,...,pi,j,M...pi,M,1,pi,M,2,...pi,M,k,...,pi,M,M其中：信號向量Si，j＝[si，j，1,Si，j，2,...,si，j，r，...Si，j，n]，信號向量Si，k＝[si，k，1,si，k，2,...,si，k，r,...Si，k，n]，i表示N個功能磁共振圖像序列中的第i個功能磁共振圖像序列的序號，i＝1,2,...,N，j,k=1,2，...，M，j表示第i個功能磁共振圖像序列中大腦的第j個區域的序號，k表示第i個功能磁共振圖像序列中大腦的第k個區域的序號，r表示信號向量Si，j和Si，k中第r個元素的序號，N∈[1,1000]，M∈[1,1000]，N表示功能磁共振圖像序列的總數，M表示功能磁共振圖像序列中大腦區域的總數；Si，j，r表示信號向量Si，j的第r個元素；si，k，r表示信號向量Si，k的第r個元素；n表示信號向量Si，j和Si，k的長度；所述N個功能磁共振圖像序列，是利用功能磁共振技術，在測試者觀看N個視頻時測得的功能磁共振圖像；步驟b1：取皮爾森相關系數矩陣Pi上三角部分，拉伸成向量Qi＝[qi，1,qi，2,...,qi，d]，d＝(M×M)/2？M/2，然后將N個Qi向量按行排列構成矩陣D：D=Q1Q2...Qi...QN=q1,1,q1,2,...,q1,dq2,1,q2,2,...,q2,d...qi,1,qi,2,...,qi,d...qN,1,qN,2,...qN,d其中，qi，1,qi，2,...,qi,d表示Qi的第1，2，…，d個元素；步驟c1：計算矩陣D每一列元素的均值，將矩陣D的每一列元素減去該列元素的均值，得到矩陣U：U=U1U2...Ui...UN=u1,1,u1,2,...,u1,du2,1,u2,2,...,u2,d...ui,1,ui,2,...,ui,d...uN,1,uN,2,...uN,d在矩陣U的第v列Uv=[u1，v，u2，v，...,uN,v]T中找出屬于第K類視頻的元素，并計算屬于第K類視頻的元素均值得到類內均值向量其中，U1,U2,...,Ui，...,UN表示N個視頻對應的功能磁共振圖像序列中提取的N個向量，N個視頻可分為C類；u1，v,u2，v，...,uN,v表示Uv=[u1，v，u2，v，...,uN,v]T中的第1,2,...,N個元素，這N個元素按照對應的C類視頻分為C類；K=1,2,...,C，K表示C類視頻中的第K類；C表示N個視頻的總類別個數；再利用公式計算累計分布函數參數F；利用公式g=1-1exp(gam(C-1)+gam(N-C)-gam(N-1))計算參數g；當g＜T時，T∈(0,10000]，保留矩陣U中的第v列；否則，從矩陣U中刪除該列，得到經過單因素方差分析選擇后的矩陣B：B=B1B2...Bi...BN=b1,1,b1,2,...,b1,xb2,1,b2,2,...,b2,x...bi,1,bi,2,...,bi,x...bN,1,bN,2,...bN,x其中，C表示視頻的類別總數；||表示取絕對值；L＝[l1,l2,...,lK,...,lC]T；lK表示Uv中屬于第K類視頻的元素個數；θ為向量和L間的夾角；表示Uv的均值；上標T表示轉置；exp表示指數函數；g＜T中的T表示閾值，T∈(0,10000]；下標x表示從U中選取的列向量的個數；步驟d1：遍歷矩陣B的每一列，利用相關特征選擇方法將參數的數值最高的y列構成腦功能成像空間特征矩陣C：C=C1C2...Ci...CN=c1,1,c1,2,...,c1,yc2,1,c2,2...
【技術特征摘要】
【專利技術屬性】
技術研發人員：韓軍偉，吉祥，郭雷，胡新韜，
申請(專利權)人：西北工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。