English  |  正體中文  |  简体中文  |  Items with full text/Total items : 43312/67235
Visitors : 2077425      Online Users : 4
RC Version 5.0 © Powered By DSPACE, MIT. Enhanced by NTU/NCHU Library IR team.

Please use this identifier to cite or link to this item: http://nchuir.lib.nchu.edu.tw/handle/309270000/154560

標題: 基於稀疏表示法之影像與影片拷貝偵測
Image and Video Copy Detection Using Sparse Representation
作者: 許桓誠
Hsu, Huan-Cheng
Contributors: 黃春融
Chun-Rong Huang
資訊網路多媒體研究所
關鍵字: 攻擊;拷貝偵測;稀疏表示法;線上字典學習;稀疏性
Attack;Copy detection;Spare representation;Online dictionary learning;Sparsity
日期: 2012
Issue Date: 2013-11-21 10:56:35 (UTC+8)
Publisher: 資訊網路多媒體研究所
摘要: 影像的拷貝偵測是從目標資料庫找到複製影像的技術,因此有效率的計算以及強韌的偵測技術一直都是增強效能的重點。在近期研究我們看到稀疏性在壓縮感知上的使用,因此我們提出一個基於稀疏表示法的影像拷貝偵測方法。這個方法可以利用稀疏性來找到複製影像。儘管稀疏表示法使用精簡的方式儘可能的描述一張圖片,但據我們所知,稀疏表示法天生就具有的可辨別性卻還沒被完全被發掘。因此在這篇論文我們透過線上字典學習以及精簡的圖片描述元表示來探討稀疏性的可辨別性,並且依此稀疏性來達成影像的拷貝偵測。在影片拷貝偵測方面,我們使用了一個基於熵的軌跡偵測方法,這個方法可以減輕影片大量資料量所帶來的影響,並且有效率的取出強韌且具有可辨別性的特徵。因此我們可同稀疏性使用在影像中一般的使用稀疏性偵測拷貝影片。從實驗結果與最近期的方法相比較來看,我們的方法在運算上是較有效率的,以回收率及精確度為衡量標準的偵測表現上,也可以看到與過去方法不分軒輊甚至更好的結果。
Image copy detection is an art of searching duplicates from a target database. Computationally efficient and robust detection is still a challenging issue. Inspired by the recent study of sparsity in the context of compressed sensing, we propose a sparse representation-based image copy detection method exploiting sparsity as the cue for searching duplicates. We find that although sparse representation can describe an image in a compact manner, the inherent discriminable features, as far as we know, are not entirely explored. In this paper, we study the discrimination ability inherent in sparsity via online dictionary learning and compact feature descriptor representation.
Besides image copy detection, video copy detection can also be achieved using sparsity. To reduce the computational burdens of videos, we employ a novel method based on trajectory entropy to track video objects and form a video descriptor set for each video. The video descriptor set of the reference video is used to perform the reference video sparse dictionary. By comparing video descriptor sets of the query videos to the reference video sparse dictionary, sparsity is then used to identify duplicates in videos as same as in images.
Experimental results show that our method, compared with state-of-the-art, is computationally efficient and attains better or comparable detection performance measured in terms of precision and recall rates.
Appears in Collections:[依資料類型分類] 碩博士論文

Files in This Item:

File SizeFormat
index.html0KbHTML162View/Open


 


學術資源

著作權聲明

本網站為收錄中興大學學術著作及學術產出,已積極向著作權人取得全文授權,並盡力防止侵害著作權人之權益。如仍發現本網站之數位內容有侵害著作權人權益情事者,請權利人通知本網站維護人員,將盡速為您處理。

本網站之數位內容為國立中興大學所收錄之機構典藏,無償提供學術研究與公眾教育等公益性使用。

聯絡網站維護人員:wyhuang@nchu.edu.tw,04-22840290 # 412。

DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU/NCHU Library IR team Copyright ©   - Feedback