br>[0158] 樸素貝葉斯分類算法具有簡單，高效等優(yōu)勢，在對待具有不同數(shù)據(jù)特點的數(shù)據(jù)集 合時，分類性能的差別不大，所W穩(wěn)定性較強。該算法的分類效果比較精確。
[0159] 在本說明書的描述中，參考術(shù)語"一個實施例"、"一些實施例"、"示例"、"具體示 例"、或"一些示例"等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特 點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不 一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可W在任何 的一個或多個實施例或示例中W合適的方式結(jié)合。
[0160] 盡管已經(jīng)示出和描述了本發(fā)明的實施例，本領(lǐng)域的普通技術(shù)人員可W理解；在不 脫離本發(fā)明的原理和宗旨的情況下可W對該些實施例進行多種變化、修改、替換和變型，本 發(fā)明的范圍由權(quán)利要求及其等同物限定。
【主權(quán)項】
1. 一種通過提取HSI特征對WCE視頻分段提取顯著特征信息的方法，其特征在于，包括 如下步驟： 步驟1，獲取待提取特征信息的圖片數(shù)據(jù)，將待提取特征信息的圖片數(shù)據(jù)的RGB顏色特 征轉(zhuǎn)換為HSI顏色特征，將轉(zhuǎn)換為HSI顏色特征后的圖片數(shù)據(jù)進行量化降維； 步驟2,將量化降維處理的圖片數(shù)據(jù)通過樸素貝葉斯分類器算法進行分類后，獲取帶有 顯著特征信息的WCE視頻圖像分段模型。2. 根據(jù)權(quán)利要求1所述的通過提取HSI特征對WCE視頻分段提取顯著特征信息的方 法，其特征在于，步驟1包括： 步驟1-1，輸入圖像的R、G、B值，其對應(yīng)的HSI模型中的H、S、I分量由公式計算得到，其中，R、G、B為圖片像素的紅、綠、藍刺激值。3. 根據(jù)權(quán)利要求2所述的通過提取HSI特征對WCE視頻分段提取顯著特征信息的方 法，其特征在于，步驟1還包括： 步驟1-2,色度量化成8個空間，把飽和度量化成3個空間，把亮度分別量化成3個空 間，即顏色空間被分層了 8X3X3的區(qū)間，具體量化值為， 設(shè)變量h、s、i，分別表示量化中H、S、I的取值范圍，計算如下，則通過上式分別對H、S、I進行量化，具體量化值如下：4.根據(jù)權(quán)利要求1所述的通過提取HSI特征對WCE視頻分段提取顯著特征信息的方 法，其特征在于，步驟2包括： 步驟2-1，設(shè)D是訓練元組和其相關(guān)聯(lián)的類標號的集合，每個元組用一個η維屬性向量 X = (X1, X2, ...，χη}表示，分別描述元組在η個屬性集A1, A2,........八"對元組的η個度量， 且各屬性之間相互獨立； 步驟2-2,假設(shè)有m個類C1, C2, C3,.....Cm，給定元組X，分類法將預測X屬于最高 后驗概率的類，也就是說樸素貝葉斯法預測X屬于類Ci,當且僅當P(CiIX) > P(CjIX) 1彡j彡m，j乒i，其中i、j為正整數(shù)， 這樣，最大化P (Ci IX)，P (Ci IX)最大的類Ci稱為最大后驗假設(shè)，根據(jù)貝葉斯定理，步驟2-3,由于P(X)對所有類為常數(shù)，所以P(XlCi)P(Ci)最大即可，若類是先驗概率未 知，則通常假定這些類是等概率的，即P (C1) =P(C2) =... =P (Cm)，并據(jù)此對P (XlCi)最 大化；否則，最大化P (XlCi) P (Ci); 步驟2-4,給定元組的類標號，且屬性值有條件地相互獨立，因此，xk表示元組X在屬性A k的值，由于A k是分類屬性，則P (X k I Ci)是D中屬性Ak的值為X k 的(；類的元組數(shù)|Ci，D| ; 步驟2-5，為了預測X的類標號，對每個類Ci，計算P (XI Ci) P (Ci)，該分類法預測輸入元 組X的類為Ci,當且僅當， P(Xlci)P(Ci) > P(XlCj)P(Cj), I ^ j j ^ i, 被預測的類標號是使P(XlCi)P(Ci)最大的Q。5. -種通過提取LBP特征對WCE視頻分段提取顯著特征信息的方法，其特征在于，包括 如下步驟： 步驟Γ，獲取待提取特征信息的圖片數(shù)據(jù)，提取基于RGB信息的圖片數(shù)據(jù)的LBP紋理特 征，將轉(zhuǎn)換為LBP紋理特征后的圖片數(shù)據(jù)進行量化降維； 步驟2'，將量化降維處理的圖片數(shù)據(jù)通過樸素貝葉斯分類器算法進行分類后，獲取帶 有顯著特征信息的WCE視頻圖像分段模型。6. 根據(jù)權(quán)利要求5所述的通過提取LBP特征對WCE視頻分段提取顯著特征信息的方 法，其特征在于，所述步驟Γ包括： 步驟Γ-1，對于圖像中每一個像素，將其相鄰的8個點進行順時針或逆時針的比較，如 果中心像素值比該鄰點大，則將鄰點賦值為1，否則賦值為〇,通過該過程每個點都會獲得 一個8位二進制數(shù)，即得到該窗口中心像素點的LBP值，并用該LBP值來反映該區(qū)域的紋理 信息； 步驟Γ -2,將提取LBP特征的圖片數(shù)據(jù)進行降維處理。7. 根據(jù)權(quán)利要求6所述的通過提取LBP特征對WCE視頻分段提取顯著特征信息的方 法，其特征在于，步驟Γ -2包括： 步驟A，找到有兩次跳變的LBP二進制模式； 步驟B，從已經(jīng)找到的二進制模式中，將最長的連續(xù)的1或0的長度作為該二進制模式 的LBP值。8. 根據(jù)權(quán)利要求5所述的通過提取LBP特征對WCE視頻分段提取顯著特征信息的方 法，其特征在于，步驟2'包括： 步驟2' -1，設(shè)D是訓練元組和其相關(guān)聯(lián)的類標號的集合，每個元組用一個η維屬性向 量X = (X1, X2, ...，χη}表示，分別描述元組在η個屬性集A1, A2,........八"對元組的η個度 量，且各屬性之間相互獨立； 步驟2' -2,假設(shè)有m個類C1, C2, C3,..... Cm，給定元組X，分類法將預測X屬于最高 后驗概率的類，也就是說樸素貝葉斯法預測X屬于類Ci,當且僅當P(CiIX) > P(CjIX) 1彡j彡m，j乒i，其中i、j為正整數(shù)， 這樣，最大化P (Ci IX)，P (Ci IX)最大的類Ci稱為最大后驗假設(shè)，根據(jù)貝葉斯定理，步驟;T -3,田卞PUU別Τ/Γ令突艿芾數(shù)，所以P (XI Ci) P (Ci)最大即可，若類是先驗概率 未知，則通常假定這些類是等概率的，即P(C1) =P(C2) =... =P(Cm)，并據(jù)此對P(XlCi)最 大化；否則，最大化P (Xlci) P (Ci); 步驟2' -4,給定元組的類標號，且屬性值有條件地相互獨立，因此，xk表示元組X在屬性A k的值，由于A k是分類屬性，則P (X k I Ci)是D中屬性Ak的值為X k 的(；類的元組數(shù)|Ci，D| ; 步驟2' -5,為了預測X的類標號，對每個類Ci,計算P (XI Ci) P (Ci)，該分類法預測輸入 元組X的類為Ci,當且僅當， P(Xlci)P(Ci) > P(XlCj)P(Cj), I ^ j j ^ i, 被預測的類標號是使P(Xlci)P(Ci)最大的Ci。
【專利摘要】本發(fā)明公開了一種WCE視頻分段提取顯著特征信息的方法，包括如下步驟：步驟1，獲取待提取特征信息的圖片數(shù)據(jù)，將待提取特征信息的RGB圖片數(shù)據(jù)的顏色特征轉(zhuǎn)換為HSI顏色特征或者LBP紋理特征，將轉(zhuǎn)換為HSI顏色特征后的圖片數(shù)據(jù)或者轉(zhuǎn)換為LBP紋理特征后的圖片數(shù)據(jù)進行量化降維；步驟2，對量化降維處理的圖片數(shù)據(jù)通過樸素貝葉斯分類器算法進行分類后，獲取帶有顯著特征信息的WCE視頻圖像分段模型。本發(fā)明在對待具有不同數(shù)據(jù)特點的數(shù)據(jù)集合時，穩(wěn)定性較強。該算法的分類效果精確。
【IPC分類】G06K9/62, G06K9/46, G06K9/00
【公開號】CN104881646
【申請?zhí)枴緾N201510274883
【發(fā)明人】萬里, 張志良, 劉小琪, 嚴莎莎, 白家蓮
【申請人】重慶金山科技（集團）有限公司
【公開日】2015年9月2日
【申請日】2015年5月26日