《基于dirichlet过程的无线视频码率变化识别算法-李松.pdf》由会员分享，可在线阅读，更多相关《基于dirichlet过程的无线视频码率变化识别算法-李松.pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、高技术通讯2016年第26卷第1011期：833840doi：103772jissn10024)4702016101 1002基于Dirichlet过程的无线视频码率变化识别算法李松”+ 谢新新+ 刘东林+ 孙彦景一+ 李梅香“ 代妮娜”(中国矿业大学信息与电气工程学院 徐州221116)(”江苏省煤矿电气与自动化工程实验室徐州211008)(”+安标国家矿用产品安全标志中心 北京100013)(重庆三峡学院电子与信息工程学院 重庆404000)摘要研究了通过对终端视频帧质量的聚类分析来识别无线视频传输中码率变化的方法，以便为无线视频传输过程中视频码率自适应调整提供参考依据。针对经典模糊C均值
2、(FCM)算法和K均值(Kmeans)算法需要设定聚类数目的问题，提出一种基于荻利克雷过程(DP)的FCM算法DPFCM算法。该算法将Dirichlet过程和FCM算法相结合，由视频帧信息权重峰值信噪比(IWlXSNR)值使用DP过程混合模型模拟估计出聚类数目，然后进行FCM模糊聚类，通过设定合理的阈值，合并聚类结果相似项，完成视频帧的聚类，从而实现视频传输码率变化的识别。以LIVE视频库为试验数据源，对该算法进行了性能测试。试验结果表明，DPFCM算法能够在无需设定聚类数目的前提下实现视频传输码率变化的分类识别。关键词视频码率变化，Dirichlet过程(DP)，FCM聚类算法，视频帧质量0
3、 引言无线视频传输过程中，视频经过压缩、编码、传输、解码等处理过程才能传输到接收端，这些处理环节算法的优劣都会影响到终端视频的体验质量，2。研究学者通过试验分析验证了帧率、码率等因素对终端视频质量的影响。文献3通过试验分析了帧丢失趋势，验证了视频编解码器参数、封装方法、传输协议等因素对视频终端用户体验质量的影响。文献4探讨了帧率和量化因子对视频感知质量的影响，将帧率效应和时间校正因子应用于视频质量评价模型，使视频感知质量更加符合人类的主观感受。Moorthy等L5 o通过分析不同码率下视频的体验质量，验证了码率变化对视频终端体验质量的影响。当视频码率增大时，表征视频感知质量的主观评分提高，且码
4、率变化量越小，用户主观体验质量越好。因此，码率变化的识别对提高视频终端质量评估有着重要意义。很多学者从压缩编码和网络性能等方面对如何提高视频质量做了大量研究。其中，最简单的方法是通过控制编解码器的量化参数实现码率控制，以使视频流自适应传输，提高用户体验质量【6 J。由此可见，码率变化识别能够为视频流自适应传输提供有效参考依据。Seok等人1通过计算编码宏块的运动信息，调控量化参数，以获得更优质的视频质量。文献8认为多码率的变化可以提高视频质量，并根据模糊系统，对不同类型的帧分配不同的比特预算，调整特殊P帧的传输带宽大小，国家自然科学基金(51274202，51504255，51504214)；
5、中央高校基本科研业务费专项资金(2013RCll)；江苏省科技成果转化项目(BA2012068)；江苏省自然科学基金(BK20130199，BK20131124)；江苏省产学研前瞻性联合研究(BY2014028-01)；中国矿业大学重大项目培育专项(2014ZDPYl6)；江苏省重点研发计划项目(BE2015040)和重庆市教委科学技术研究(KJl501030)资助项目。男。1985年生，博士，讲师；研究方向：协作通信、信息物理系统等；E-mail：sdlison985163corn通信作者，E-mail：xiexinxin66139。ot)m(收稿日期：2016-05-04)833万方数据高
6、技术通讯2016年1011月第26卷第1011期控制编码器压缩码率，提高视频终端体验质量。而Atzofi等人一。提出了一种根据视频终端质量反馈控制视频码率的方案。视频序列编码后经过信道传输，利用部分参考评价方法计算视频质量；通过分析终端视频质量，判断在给定配置的系统上源视频发送码率对终端质量的影响；在接收机中，决定采取的最佳的码率被施加到下一个编码器，以最大限度地提高用户端的视频体验质量。该方法从终端视频质量的角度动态调整视频码率，实现优化视频质量的目的。因此，视频码率变化识别是实现视频自适应传输，提高视频终端体验质量的重要工具。通过提取和分析视频特征来识别无线网络中不同视频的传输码率变化，实
7、现源视频发送码率自适应调整，从而提高用户终端体验质量。图形处理单元(GPU)和软件定义网络(software defined network，SDN)等软硬件技术的实现，也为视频传输过程中通过终端质量反馈调整码率提供了技术支撑。一个视频是由连续的帧组成，一帧就是一幅图像，帧质量值由图像评价方法计算得到。本文利用以信息内容为权重的图像评价方法IWPSNR计算视频帧质量n引。有不同的传输码率下，视频帧的质量不同。因此，可以将视频码率变化的识别看作是视频帧质量的聚类问题，聚类结果表征了视频传输的不同码率变化的情况。目前，常用的聚类算法包括K均值(Kmeans)、K中值、模糊c均值(fuzzy cme
8、ans，FCM)等经典算法11-13。这些算法已经成为数据统计分析的得力工具。相关算法是在假设给定聚类数的前提下，根据待聚类样本的属性进行分类，算法中聚类数的确定问题通常通过模型选择加以解决，因而聚类的准确性和泛化性受到模型选择准则的影响。贝叶斯非参数模型可根据样本数据选择参数，能够有效地解决这个问题14l 51。其核心模型狄利克雷过程混合模型(Difiehlet process mixture model，DPMM)能够由模型和样本数据自主计算得出聚类数目，无需提前设定m17。根据视频帧质量来识别视频中不同的码率变化，即将相同传输码率的帧通过聚类算法分为同一类从而达到对视频码率变化进行识别的
9、目的。，834本文基于荻利克雷过程(Difichlet process，DP)混合模型和FCM聚类算法u 8|，提出了一种识别视频码率变化的聚类算法一DPFCM，并通过试验分析评测了该算法的有效性和准确性。该算法的思想是采用Difichlet过程的混合模型分析模型中各参数，利用Gibbs采样估计出模型中各参数及视频帧质量中潜在的聚类数目C；将c作为FCM聚类算法输入，进行模糊聚类，输出聚类结果，从而确定视频中不同码率对应的帧区间，完成码率变化的识别。本文将狄利克雷过程应用于无线视频传输码率聚类算法，无需预先估计出视频中包含几种传输码率，即可进行聚类识别，降低了码率变化识别的复杂度。1视频帧质量
10、指标IWPSNR视频帧质量表征终端视频帧相对于原始视频帧的失真程度。最常用的评价方法是峰值信噪比(peak signal to noise ratio，PSNR)和均方误差(mean squared error，MSE)n 9驯，其优点在于计算简单，物理特征明显且便于优化和改进，但是这两种方法都是基于简单比较两幅图像单像素灰度值差异，没有考虑像素间的联系以及灰度变化对周围纹理、结构信息的影响，使得评价结果与主观感知相差很大口1|。文献22中Wang等人根据人类视觉信息系统提出了能够较好的符合人类感知质量结构相似度(structural similarity，SSIM)的评价指标，该方法中考虑了
11、人类视觉系统对图像结构变化的关注，分析了亮度、对比度变化对图像质量的影响。近年来，许多学者对图像评价方法进行了不同程度的优化，以达到评价结果更贴合人类主观感知的目的口3斟。2010年Wang提出了以图像信息内容为权重的图像评价方法IWSSIM和IWPSNR，该方法是将图像的局部信息内容的测量应用到图像质量评价的权值之中引。图像中所包含的信息量并不等同于人类视觉所感知到的信息量，而经视觉感知信道前后的互信息量恰恰有效的测量人类感知信息量。信息内容的获取如图l所示。万方数据李松等：基于Dirichlet过程的无线视频码率变化识别算法图1计算图像信息内容参考信号R和失真信号D同时经过感知信道处理后得
12、到感知信号E和F，并分别计算尺、D、E、F之间的互信息量。信息内容的权值定义为w=，(R，E)+，(D，E)，(E，F) (1)其中，(R，E)和，(D，E)表示视觉系统感知的原参考图像和失真的图像的互信息量，(E，F)原参考图像和失真图像经过感知信道后的互信息量。计算视频帧质量过程中，首先将原参考和失真图像采用一个5尺度的拉普拉斯金字塔分解怛5。，再对每个尺度使用滑动窗口计算其权值，然后将每个尺度的PSNR值和权值进行加权求和，最后求得整个图像的质量值。试验结果表明，信息权重PSNR(IWPSNR)能够较好地贴合人类的主观感知。通过计算LIVE数据库的视频每帧的IWPSNR值，发现随着视频传
13、输码率的增加，IWPSNR值逐渐增大，表明视频帧质量随着传输码率的增加而提高。例如，对JRl、尺3、斛(R1R3R4)三种不同码率传输下的DV视频而言，其IWPSNR值随着码率增加而逐渐增大，如图2所示。水平轴是帧号，纵轴是对应帧的IWPSNR值。从图2中可以明显地看出，分布在三个连续帧区间内的三种不同类型的码率，码率越高，质量值越大。2 DPFCM自动聚类算法本文提出的DPFCM算法采用Dirichlet过程混合模型作为聚类数目C的先验分布，根据视频帧的IWPSNR值和模型参数，利用构建狄利克雷过程、Gibbs采样261等过程估计出潜在聚类数目c，然后对视频帧的IWPSNR值和聚类数目C进行
14、模糊聚类，即完成同一个视频中不同传输码率变化的识别。酲36f134|3230IWPSNR-dv-t134蟊涮zs涵谥塔 128幽幽幽幽嗣埘 1，f：LJLJLlL_J。0 50 100 150 200 250 300 350 400 450帧数图2不同传输码率下的IWPSNR值分布21 DPMM与FCM狄利克雷过程是分布之上的分布，定义为DP(a，G。)2627。给定测度空问(，B)，G0为定义其上的概率分布，“为正实数。狄利克雷过程DP(d，G。)定义为测度空间(0，B)上随机概率测度G的分布，使得对0的任何有限可测划分(A。A：，A，)，随机向量(G(A，)，G(A：)，G(A，)服从参数
15、为(dG0(A。)，ago(A：)，aG。(A，)的狄利克雷分布：(G(A，)，G(A2)，G(A，)Dirichlet(aGo(A。)，aGo(A2)，ago(A，) (2)其中，G。为基础分布，a为聚集参数。对于任意可测集A c，基础分布G。可以理解为狄利克雷过程的均值，即E(G(A)=G。(A)，可以视为狄利克雷过程的先验分布；聚集参数O可以理解为狄利克雷过程的逆方差：y(G(A)=Go(A)(1一G。(A)(O+1)，OL越大，概率质量越接近均值附近。假设一组观测数据(样本)，服从某种分布，分布参数服从狄利克雷过程先验分布，参数的先验和后验分布采用狄利克雷过程构造方法推，则该模型称为狄
16、利克雷过程混合模型(DPMM)旧8I。模糊c均值聚类算法(FCM)，是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法心93 0】。FCM把n个向量Xi(i=1，2，n)分为835r铊弘万方数据高技术通讯2016年1011月第26卷第1011期C个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。FCM算法是一个简单的迭代过程，通过不断迭代获取新的聚类中心和隶属度矩阵值，使目标函数值最小，从而得出最优的聚类结果。22 DPFCM算法DPFCM算法首先对输人数据视频帧质量IWPSNR值构造Dirichlet过程混合模型，将其作为聚类数目C等参数的先验分布，然后通过Gibbs抽
17、样，修正更新聚类数目。根据聚类数目对输人数据进行模糊聚类，通过设定阈值合并聚类结果相似项，输出聚类结果。DPFCM算法的主要步骤如下：输人：视频帧IWPSNR值x，数据长度为n。输出：同一个视频下的不同码率变化的聚类结果。步骤1：初始化聚集参数a，聚类数目c等参数。步骤2：构造Dirichlet过程混合模型：假设x的任意子集鼍服从参数为0i的分布即戈；I或F(0i)，(in)，0i服从某种未知随机概率测度G，即0i GG；GI a，G0DP(a，Go)。利用Dirichlet过程构造G：c一1卢。I aBeta(1，“)；7r。=卢。(1一卢。)f2l0 n，GoGo；G=仃。 (3)整合G，
18、构造Dirichlet过程混合模型：l毛，co；卜F()；7r l“一GEM(a)毛I仃Mutt(啊r)；9f 1日H；G=仃。6卵(4)其中，0表示与0i相同的原子集合，G和日同为基础分布，仃GEM(a)，仃。=1。毛服从多项式分布，表示观测数据茗；隶属分量C，即毛=C，即为聚类数目，且满足0；=O=i。步骤3：对以进行Gibbs抽样，更新聚类数目C：(1)设定z=z，a=a“1，其中，t为迭代次数。(2)对数据菇；，i=1，2，7,836a从毛的类别中移除观测数据茗；，如果毛只有戈i一个数据，删除zi类别，且C=C一1。b根据如下概率公式对数据戈i增加一个新的簇z；，并更新聚类参数C。 p
19、(气=c，cc)oc南F(龙；1日)儿中，=6(弓一c) (5)p(zi=C+1)oc南JF(菇t p)Go(O)dO(6)(3)更新各聚类结果的样本参数Oc，c=1，2，C。(4)令石“)=石，如果OtGamma(a，b)，则口p(aI C，托，8，6)。步骤4：根据聚类数目C对数据x模糊聚类：(1)初始化隶属度矩阵U，隶属度矩阵满足u矗=1，V|j=1，n (7)(2)计算聚类中心秽i：u以mVi=生(8)2i L6 J琵嚣其中m是控制算法柔性的加权指数，本文训练值为2。秽i表示第i类的聚类中心。(3)计算目标价值函数值，(U，y)。如果它小于某个确定的阀值，或它相对上次价值函数值的改变量
20、小于某个阀值，则输出聚类结果和聚类中心，否则，继续迭代。，(u，y)=(u矗)”(九) (9)其中，d证表示第k个数据点到第i个聚类中心的欧式距离，即d谊=lI一q 0。(4)计算新的隶属度矩阵U：Uik 2藕1而 。步骤5：对输出的聚类结果和聚类中心向量y。由于狄利克雷过程混合模型在求解聚类数目的过程中会出现偏颇，从而导致聚类结果的偏差，为了提高聚类算法的准确率，根据聚类中心的欧式距离设定万方数据李松等：基于Dirichlet过程的无线视频码率变化识别算法一个阈值，当聚类数目大于2时计算各类之间的聚类中心的欧式距离，将距离值小于阈值的两个类合并。阈值的大小需根据样本数据的特征确定。3 实验结
21、果分析本文利用LIVE视频库对DPFCM算法进行性能评测，软硬件仿真环境为：处理器Intel PentiumCPU G2030 300GHz；内存400G；仿真平台MAT-LAB2012b。LIVE视频库一共包含10个原视频和200个失真视频，每个视频持续时间为15s，每秒30帧”J。失真类型主要包括压缩失真、包丢失、帧冻结、码率自适应失真和多码率切换失真。本文主要对LIVE视频库中无线传输的码率自适应视频和多码率切换视频进行测试。视频库中视频传输码率分为R1、R2、R3、R4(R1R2R3R4)4种。码率自适应视频指视频初始码率为R。，s之后码率转换为R，一定时间以后又转换为R：。如图3所示
22、，根据不同码率定义视频类型为S14、$24、$34。多码率切换视频指视频传输过程中码率在R1斛之间多次变化。如图4所示，对应视频类型有t14、t124、t134、t421、t431五种情况。R4 R4 R4且、图3码率自适应失真R4 R4R4 R4r1、图4多码率切换失真利用DPFCM自动聚类算法在MATLAB平台上对LIVE视频库中名为DV的视频$14、$24、$34、t14、t124、t134、t421、t431八种类型进行测试，测试结果分别对应如图5中的(a)、(b)、(c)、(d)、(e)、(f)、(g)、(h)，其中横轴为帧号，纵轴是失真视频帧的IWPSNR值。图中同一种颜色代表相同
23、的类，对应视频同一种码率。如表1所示，视频实际传输码率下的帧区间和聚类结果所对应的帧区间一一对应，这说明DPFCM聚类算法几乎能够完美地识别视频码率变化情况。如表2所示，与传统FCM算法和Kmeans算法相比，对LIVE视频库的视频进行聚类结果表明DPFCM算法精确度有一定的提高。Kmeans算法时间复杂度为O(nkt)。其中，12为数据长度，k是聚类数目，t为迭代次数。传统FCM算法是在硬聚类算法上应用模糊理论形成的，其时间复杂度为O(n)。由于单次Gibbs抽样的时间复杂度只和数据长度有关，因此，DPFCM算法的时间复杂度和FCM算法的时间复杂度一致，为O(n)。DPFCM算法平均运行时间
24、约为15s，FCM算法平均运行时间约为1s，Kmeans算法平均运行时间约为08s。由此可见，DPFCM聚类算法在对无线视频码率变化识别的过程中，无需预先估计视频中包含的码率种类即可完成码率识别。表1 实际传输码率帧区间与聚类结果对照表结 结DV 实际传输码率DV 实际传输码率果 果码 类 码 类帧区间 帧区间蜜 别 窒 别【】150 R】 】 t391，450 R4 2S14 15I，300 R4 2 【1，180 R1 1【301，450 R1 l t124 【181，330】 R2 2【l，150】 R2 1 【331，450】 R4 3$24 151，300】 R4 2 【1，210
25、R1 1【301，450】 R2 1 t134 【211，360】 R3 2【1150】 R3 1 361，450】 R4 3$34 【15I，300】 R4 2 【1，120】 R4 l【30l，450】 R3 l t421 121，270 R2 2【l，90 R1 1 【271，450 R1 3【91，150 IH 2 【1，90】 R4 l【15l，240 R1 1 “32 91，240 113 2t14 【241，300】 R4 2 【241，450 R1 3【301，390 R1 1-837-万方数据高技术通讯2016年101 1月第26卷第101 1期董罂至42，1wPsNRdv-
26、s144380黼蠢28黼籀凇26如50 100 150200250300350400 45042r研PSNRd”-t12440叠蕊汹38捌蟊“越2啦茹瓣2咯j汀莳高葡砭而蕊菇赢帧数(e)DV t124gZ山rWPSNR-dVs2444。238复36舅罢26帧数(b)DV S24IWPSNR-drt1340 50 100150200250300350400450帧数(0DV_t134表2算法精确度4l40配39蚕38星37。363534羹薹|。238026IWPSNR_dvs34帧数(c)DV s34WPSNRdvt42帧数(g)DV t421图5 DV视频不同类型下的聚类结果4 结论本文针对F
27、CM算法和Kmeans算法需要设定聚类数目的问题提出一种自动确定聚类数目的DPFCM算法，并利用DP-FCM算法对LIVE视频库的视频进行码率变化的识别。DPFCM算法将狄利克雷混合模型和传统FCM算法相结合，首先将狄利克雷过程作为聚类数目参数的先验，模拟求出数据聚类数目，再进行FCM聚类，然后通过设定合理的阈值，合并聚类结果相似类别，提高聚类算法的准确率。本文对LIVE视频库十个视频的码率自适应和多码率切换两个系列共80个视频进行码率变化的聚类识别。结果表明，DPFCM能够在无需人工设定的视频码率数目的条件下完成较好的视频码率变化的识别。-838-424038复36臣34兰32302826酲
28、ZLIWPSNRdvt14帧效(d)DV t14WPSNR-dvt43(h)DV t43l参考文献IChikkerur S，Sundaram V，Reisslein M，et al，Objectivevideo quality assessment methods：A classification，review，and performance comparisonIEEE Transactions onBroadcasting，201 1，57(2)：165-1822Maksymyuk T，Han L，Ge X，et a1Quasi-quadraturemodulation method fo
29、r powerefficient video transmission O-ver LTE networksIEEE Transactiow on Vehicular Technology，2014，63(5)：2083-20923Iqbal A，Arif F，Minallah NAnalyzing impact of videocodec，encapsulation methods and streaming protocols 013the quality of video streamingIn：Proceedings of the IEEE8th International Confe
30、rence，Digital Information Manage-ment(ICDIM)，Islamabad，Pakistan，201318218640u Y F，Ma z，Liu T，et a1Perceptual quality assessmentof video considering both frame rate and quantization artifactsIEEE Transactions on Circuits and System,for VideoTechnology，201 1，21(3)：286-2985Moorthy A K，Choi L K，Bovik A
31、C，et a1Video qualityassessment OIl mobile devices：Subjective，behavioral andobjective studiesIEEE Journal of Selected ropia in SignalProcessing，2012，6(6)：652-6716Song H，Kuo C C JRate control for lowbitrate video viavariableencoding frame ratesIEEE Transactions on Cir-cuits and System,for Video Techno
32、logy，2001，11(4)：铊弘弘弘弛如岳Z舢一万方数据李松等：基于Diriohht过程的无线视频码率变化识别算法512-5Zl7Seok J，Yoen K，Kim B，et a1A method of bit-rate con-trol within nlacro-blocks using information of coded blockpaRern in a video codecIn：Proceedings of the 201 1IEEE 13th International Conference on Advanced Communication Technology(ICA
33、CT)，Phoenix Park，KR，2011160416078Shafei M，Rezaei M，Tavakoli S，et al。A fuzzy hit altoca-tion algorithm for variable bit rate video codingIn：Pro-ceodings of the IEEE 7th Iranian Machine Vision and Image Processing(MVIP)，Tehran，Iran，2011：149Atzori L，Floris A，Ginesu G，et a1Streaming video overwireless c
34、hannels：Exploiting reducedreference qualit)r estimation at the usersideSgunProcessing：Image Com-munication，2012，27(10)：1049106110Wang Z，Li QInformation content wetghting for perceptualimage quality assessmentIEEE Transactions on ImageProcessing，2011，20(5)：1185119811Yedla M，Pathakota S R，Srinivasa T
35、MEnhancing Kmeans clustering algorithm with improved initial centern-ternational Journal of computer science and informationtechnologies，2010。1(2)：12112512Rajeswari K，Acharya O，Sharma M，et a1Improvementin k-Means Clustering Algorithm Using Data ClusteringIn：Proceedings of the IEEE International Conf
36、erence onComputing Communication Control and Automation(ICCUBEA)，Madhya Pradesh，India，2015367-36913Riyaz R，Wani M AComparative study of duster validitytechniques using K-mediod algorithmIn：Proceedings ofthe IEEE 2nd International Conference on Computing forSustainable Global Development(INDIACom)，Ne
37、wDelhiIndia201589389814Foti N J，Williamson S AA survey of non-exchangeablepriors for Bayesian nonparametric modelsIEEE Transac-tions on Pattern Analysis and Machine Intelligence，2015，37(2)：359-37115Xu Z，Yah F，Qi YBayesian nonparametric models formultiway data analysisIEEE Transactions on Pattern A一加
38、括and Machine Intelligence，2015，37(2)：475-48716Hannah L A，Blei D M，Power W BDirichlet processmixtures of generalized linear modelsThe Journal of Ma-chine Learning Research，201 1，12：1923-195317VeliveUi A。Huang T SAutomatic video annotation usingmuhimodal Dirichlet process mixture modelIn：Proceed-ings
39、of the IEEE International Conference on Networking，Sensing and Control，Sanya，China，20081366137118 3 Yin S H，Li MStudy on a modified fuzzy c-means clustering algorithmIn：Proceedings of the IEEE InternationalConference on Computer Design and Applications(ICC-DA)，Qinhuangdao，China，2010；5484-48619Borse
40、R，Markad PCompetitive analysis of existing imagequality assessment methodsIn：Proceedings of the IEEEInternational Conference on Advances in Computing，Com-munications and Informatics(ICACCl)，Mysore，India，20141440144420VranjeM，RimacDrlje S，Grgid KLocally averagedPSNR舾a simple objective video quality m
41、etricIn：Pro-ceedings of the IEEE 50th International Symposium，ELMAR，Zadar，Croatia，2008，1：17-2021Lob W T，Voo K H B，Bong D B LVideo quality assessment based on a modified mean squared ellorIn：Pro-ceedings of the IEEE International Conference on Signaland Image Processing Applications(ICSIPA)，Kuala Lum
42、put，Malaysia，2015500-50422Wang Z，Bovik A C，Sheikh H R，et a1Image quality assessment：from eITor visibility to structural similarityIEEE Transactions on Image Processing，2004，13(4)：600-61223Gao X，Lu W，Tao D，et a1Image quality assessmentbased on multiseale geometric analysisIEEE TransactionsImage Proce
43、ssing，2009，is(7)：1409-142324Yu K L，Meng z K，Sun M JImage quality assessment：A reduced reference algorithm for the super-resolution re-construction imageIn：Proceedings of the IEEE 3rd Inter-national Conference on Measurement，Computer，Commu-nication and Control(IMCCC)，Shenyang，China，201317117525Wang Z
44、，SimonceUi E P，Bovik A CMuhiscale structuralsimilarity for image quality assessmentIn：Proceedings ofthe IEEE Conference Record of the 37tIl Asilomar Confer-ence on Sis,lak，Systems and Computers，Pacific Grove，California，USA，2003，2：1398140226Cho W，Kim S，Lee T H，et a1Automatic clusteringmethod of multi
45、variate data using Ganasian Dirichletprocess mixture modelIn：Proceedings of the IEEE Inter-national Conference on Computer Science and Automation839万方数据高技术通讯2016年1011月第26卷第1011期Engineering(CSAE)，Zhangjiajie，China，2012，3：47047427Huang R，Yu G，Wang Z，et a1Dirichlet process mixturemodel for document clu
46、stering with femmre partitionIEEEZk瑚#io瑚on Knowledge and Data Engineering，2013，25(8)：1748175928Bouguila N，Ziou DA Dirichlet process mixture ofDirichlet distributions for classification and predictionIn：Proceedings of the Workshop on Machine Learning for Sig-nat Processing，Cancun，Mexico，2008297-30229
47、Carvalho F A TFuzzy c-means clustering methods forsymbolic interval dataPattern Recognition Letters，2007，28(4)：423-43730“u P，Duan L，Chi X，et a1An improved fuzzy C-meansclustering algorithm based on simulated annealingIn：Proceedings of the IEEE 10th International Conference onFuzzy Systems and Knowledge Discovery(FSKD)，Shenyang，China，201339-43An algorithm for recognition of video code rareSchanges based on Dirichlet processLi Song+，Xie Xinxin+，Liu Donglin+，Sun Yanjing+，Li Meixiang+，Dai Nina+(+School of Information and Electrical Engineering，China University of Mining and Technology，