学位论文 > 优秀研究生学位论文题录展示
基于内容的视频检索中镜头分割与关键帧提取研究
作 者: 李全栋
导 师: 陈树越
学 校: 中北大学
专 业: 信号与信息处理
关键词: 基于内容的视频检索 特征提取 镜头边界检测 关键帧提取 自适应阈值
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 101次
引 用: 2次
阅 读: 论文下载
内容摘要
基于内容的视频检索是近几年来多媒体研究的重要领域,而这一领域的核心技术是镜头边界检测和关键帧提取。它融合了图像处理、模式识别、机器视觉和人工智能等多个高新技术领域,对多媒体数据的表达、组织、管理和存储有着重要的实际意义。本文主要介绍了基于内容的视频检索中镜头边界检测与关键帧提取的基本理论和关键技术。重点研究了基于聚类的关键帧提取技术。在镜头边界检测方面,首先对现有的镜头边界检测算法进行了阐述和总结,分析了各种常用方法的优缺点。然后本文采用了一种基于双阈值的镜头边界检测算法。该算法充分考虑了镜头变换的特点和现有算法的优缺点,分别对突变和渐变设定了不同的阈值,能够有效地检测突变和渐变镜头,并可以降低运动和噪声的影响。实验结果表明:该算法简单有效,容易实现。在关键帧提取方面,详细研究了基于无监督聚类的关键帧提取算法。无监督聚类相比其他聚类而言(如K-均值聚类),其优点是不需要提前设定聚类中心和聚类数目,但缺陷是聚类算法中阈值需手动设定。针对这一缺陷本文提出了一种自适应阈值的改进算法,该算法计算量低,易于实现,不仅可根据不同类型的视频自动设定不同的阈值,而且还能自适应的选择关键帧的数目。对大量不同类型的视频镜头进行了实验和分析。实验结果证明了该算法可有效地提取关键帧。
|
全文目录
摘要 4-5 abstract 5-10 1 绪论 10-15 1.1 课题的研究背景及意义 10-11 1.2 国内外的研究现状 11-14 1.3 本文的主要研究工作及内容安排 14-15 2 视频数据概述 15-20 2.1 数字视频基础 15-18 2.1.1 数字视频的类型 15-16 2.1.2 数字视频的参数 16-17 2.1.3 数字视频的特点 17-18 2.2 视频数据的模型 18-19 2.3 本章小结 19-20 3 视频关键提技术 20-34 3.1 视频的视觉特征 20-25 3.1.1 颜色特征 20-23 3.1.2 纹理特征 23-25 3.1.3 形状特征 25 3.2 相似度计算 25-28 3.2.1 欧氏距离 26 3.2.2 马氏距离 26-27 3.2.3 二次式距离 27 3.2.4 直方图相交 27-28 3.3 常用的关键帧提取算法 28-32 3.3.1 基于镜头的方法 28 3.3.2 基于内容分析的方法 28-30 3.3.3 基于运动分析的方法 30 3.3.4 基于聚类的方法 30-32 3.4 本章小结 32-34 4 镜头边界检测算法 34-48 4.1 镜头边界检测的基本概念 34-35 4.2 镜头边界检测的基本方法 35-40 4.2.1 非压缩域的镜头边界检测方法 35-38 4.2.2 压缩域的镜头边界检测方法 38-40 4.3 本文采用的镜头分割方法 40-43 4.3.1 帧差的计算 40 4.3.2 模型选择器 40-41 4.3.3 基于双阈值的镜头分割算法 41-43 4.4 实验结果和分析 43-47 4.5 本章小结 47-48 5 关键帧提取算法 48-59 5.1 视频帧聚类算法 48 5.2 基于无监督聚类的关键帧提取算法 48-51 5.2.1 基于区域分割的特征提取 48-49 5.2.2 相似距离计算 49-50 5.2.3 无监督聚类算法 50-51 5.3 改进的无监督聚类的关键帧提取算法 51-52 5.4 算法实现方法 52-56 5.5 实验结果与分析 56-58 5.6 本章小结 58-59 6 总结与展望 59-61 6.1 总结 59 6.2 对未来工作的展望 59-61 参考文献 61-65 攻读硕士期间发表的的论文及所取得的研究成果 65-66 致谢 66
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|