隨著網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的快速發(fā)展,多媒體已經(jīng)成為人們?nèi)粘＋@取信息最重要的手段之一,而這其中,視頻由于集視覺(jué)與聽(tīng)覺(jué)一體的特性而大受人們喜愛(ài)。隨著互聯(lián)網(wǎng)視頻數(shù)據(jù)的急劇增長(zhǎng),如何在海量視頻數(shù)據(jù)中快速準(zhǔn)確地找到自己想要的信息已經(jīng)成為人們目前面臨的一個(gè)巨大挑戰(zhàn),傳統(tǒng)的通過(guò)人工手動(dòng)對(duì)視頻進(jìn)行標(biāo)注的查詢方法面對(duì)日益增長(zhǎng)的視頻數(shù)量已經(jīng)力不從心,基于多特征的視頻檢索技術(shù)成為目前的研究熱點(diǎn)�；诙嗵卣鞯囊曨l檢索的主要步驟分為:鏡頭邊界檢測(cè)、鏡頭關(guān)鍵幀提取、視頻檢索等技術(shù)。本文主要對(duì)鏡頭邊界檢測(cè)、鏡頭關(guān)鍵幀、視頻檢索技術(shù)三個(gè)方面進(jìn)行研究。目前,在鏡頭邊界檢測(cè)方面,現(xiàn)有算法主要有以下幾個(gè)缺點(diǎn):提取單一特征,不能充分表達(dá)視頻內(nèi)容。對(duì)于漸變鏡頭的檢測(cè)準(zhǔn)確率不高,而且不能在高效性和準(zhǔn)確性之間取得平衡。在關(guān)鍵幀提取方面,現(xiàn)有算法以聚類(lèi)算法為主,然而聚類(lèi)算法存在著需要人工設(shè)定初始聚類(lèi)中心、需要人工設(shè)定聚類(lèi)數(shù)量的缺點(diǎn)。在視頻檢索方面,現(xiàn)有算法在特征提取的方式、視頻相似性度量方面的準(zhǔn)確性仍需提高。針對(duì)鏡頭邊界提取、鏡頭關(guān)鍵幀提取、視頻檢索技術(shù)存在的不足,本文進(jìn)行了以下工作:（1）在鏡頭邊界提取方面,提出一種基于SURF和... 

【文章來(lái)源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景
    1.2 研究現(xiàn)狀與存在的問(wèn)題
        1.2.1 視頻檢索技術(shù)的研究現(xiàn)狀和存在問(wèn)題
        1.2.2 視頻鏡頭邊界分割技術(shù)的現(xiàn)狀和存在問(wèn)題
        1.2.3 關(guān)鍵幀提取技術(shù)的現(xiàn)狀和存在問(wèn)題
    1.3 研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 視頻檢索技術(shù)概述
    2.1 視頻數(shù)據(jù)的結(jié)構(gòu)化和特點(diǎn)
        2.1.1 視頻數(shù)據(jù)的結(jié)構(gòu)化
        2.1.2 視頻數(shù)據(jù)的特點(diǎn)
    2.2 視頻檢索的結(jié)構(gòu)框架和關(guān)鍵技術(shù)
        2.2.1 視頻檢索的結(jié)構(gòu)框架
        2.2.2 視頻檢索的關(guān)鍵技術(shù)
    2.3 特征提取
        2.3.1 全局特征
        2.3.2 局部特征
    2.4 特征融合及匹配
        2.4.1 特征融合
        2.4.2 特征匹配
    2.5 本章小結(jié)
3 基于SURF和SIFT特征的鏡頭邊界提取算法
    3.1 鏡頭邊界變換的檢測(cè)方法
    3.2 鏡頭邊界提取
    3.3 結(jié)果評(píng)價(jià)指標(biāo)
    3.4 實(shí)驗(yàn)結(jié)果與對(duì)比
    3.5 本章小結(jié)
4 基于改進(jìn)K-Means的關(guān)鍵幀提取算法
    4.1 關(guān)鍵幀提取的常用方法
    4.2 算法流程
    4.3 基于聚類(lèi)的關(guān)鍵幀提取算法
        4.3.1 聚類(lèi)依據(jù)
        4.3.2 K-Means聚類(lèi)
        4.3.3 基于改進(jìn)的K-Means的關(guān)鍵幀提取算法
    4.4 實(shí)驗(yàn)結(jié)果與對(duì)比
    4.5 本章小結(jié)
5 基于SURF和改進(jìn)顏色特征的視頻檢索算法
    5.1 算法流程
    5.2 視頻檢索
        5.2.1 特征數(shù)據(jù)庫(kù)
        5.2.2 特征提取
        5.2.3 視頻匹配
    5.3 實(shí)驗(yàn)結(jié)果和對(duì)比
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Kmeans和圖像熵聚類(lèi)的熱紅外目標(biāo)檢測(cè)算法[J]. 王靜雷,厲小潤(rùn).  機(jī)電工程. 2012(12)
[2]基于改進(jìn)K-means算法的關(guān)鍵幀提取[J]. 孫淑敏,張建明,孫春梅.  計(jì)算機(jī)工程. 2012(23)
[3]改進(jìn)的蟻群算法與凝聚相結(jié)合的關(guān)鍵幀提取[J]. 張建明,劉海燕,孫淑敏.  計(jì)算機(jī)工程與應(yīng)用. 2013(03)

碩士論文
[1]多尺度多特征融合的聲吶圖像目標(biāo)檢測(cè)[D]. 趙歡.西安理工大學(xué) 2019
[2]基于內(nèi)容的快速視頻鏡頭邊界檢測(cè)算法研究[D]. 王瑞佳.太原理工大學(xué) 2018
[3]基于信息熵的關(guān)鍵幀提取算法的研究與實(shí)現(xiàn)[D]. 高永.太原理工大學(xué) 2018



本文編號(hào)：2974112