視頻鏡頭檢測(cè)是基于視頻內(nèi)容檢索的基礎(chǔ),具有非常重要的意義。從內(nèi)容上看,鏡頭有兩種變化形式:突變和漸變,漸變相對(duì)于突變來(lái)說(shuō),持續(xù)時(shí)間長(zhǎng)、變化緩慢,檢測(cè)難度相對(duì)較大。在閱讀了大量的文獻(xiàn)和研究了主流的視頻鏡頭檢測(cè)技術(shù)后,該文針對(duì)鏡頭邊界檢測(cè)算法中存在的查全率和查準(zhǔn)率不高的問(wèn)題,提出了一種基于SIFT（Scale Invariant Feature Transformation,尺度不變特征變換）特征的視頻鏡頭邊界檢測(cè)算法。論文的主要研究?jī)?nèi)容和貢獻(xiàn)包括:（1）針對(duì)SIFT算法中的特征點(diǎn)描述子維數(shù)較高、耗時(shí)較長(zhǎng)的問(wèn)題進(jìn)行了改進(jìn)。該文在SIFT算法的基礎(chǔ)上重新劃分特征點(diǎn)領(lǐng)域,將特征點(diǎn)描述子維數(shù)降低50%,通過(guò)降低特征點(diǎn)描述子的維數(shù),進(jìn)一步提高了算法的精度,實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法平均每一秒完成特征點(diǎn)提取的視頻幀數(shù)為31.8431,與文獻(xiàn)[33]相比平均每一秒的特征點(diǎn)提取效率提高了20.48%,改進(jìn)后的SIFT算法的特征提取效率有明顯提高,可以滿足實(shí)時(shí)性的要求。（2）將SIFT算法運(yùn)用到視頻鏡頭檢測(cè)中,提出一種基于SIFT特征點(diǎn)的視頻鏡頭邊界檢測(cè)算法。由于SIFT特征是從圖像中提取的具有克服偏移、... 

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究目的及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 論文的主要研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
    1.5 本章小結(jié)
2 視頻結(jié)構(gòu)化分析與圖像匹配技術(shù)
    2.1 視頻結(jié)構(gòu)化
    2.2 圖像匹配技術(shù)
        2.2.1 圖像匹配技術(shù)定義及應(yīng)用
        2.2.2 圖像匹配算法分類
    2.3 兩類圖像匹配算法的比較
    2.4 本章小結(jié)
3 SIFT算法
    3.1 SIFT算法流程
    3.2 SIFT特征點(diǎn)提取
    3.3 尺度空間理論
        3.3.1 尺度空間
        3.3.2 高斯尺度空間
        3.3.3 建立尺度空間
        3.3.4 構(gòu)建高斯金字塔
        3.3.5 建立DOG金字塔
    3.4 極值點(diǎn)檢測(cè)
        3.4.1 檢測(cè)尺度空間中的極值點(diǎn)
        3.4.2 特征點(diǎn)的定位
        3.4.3 確定特征點(diǎn)的方向
        3.4.4 128維特征描述子的生成
        3.4.5 SIFT特征提取算法描述
    3.5 SIFT特征點(diǎn)匹配
        3.5.1 歐式距離
        3.5.2 馬氏距離
    3.6 RANSAC算法
    3.7 本章小結(jié)
4 基于SIFT特征的視頻鏡頭邊界檢測(cè)算法
    4.1 SIFT算法的改進(jìn)
        4.1.1 128維特征點(diǎn)描述子降維
        4.1.2 匹配時(shí)間測(cè)試
    4.2 圖像的相似性度量
    4.3 視頻鏡頭邊界檢測(cè)
    4.4 基于SIFT特征的邊界檢測(cè)算法流程及描述
        4.4.1 算法流程
        4.4.2 算法描述
    4.5 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]視頻檢索中的鏡頭邊界檢測(cè)方法研究[J]. 王紅霞,晏杉杉.  沈陽(yáng)理工大學(xué)學(xué)報(bào). 2018(06)
[2]多特征融合的視頻鏡頭分割[J]. 來(lái)毅,辛可嘉,劉穎.  電訊技術(shù). 2018(07)
[3]基于漸進(jìn)二分策略的自適應(yīng)閾值視頻鏡頭檢測(cè)[J]. 霍奕,王艷峰,楊楚翹.  計(jì)算機(jī)應(yīng)用. 2018(S1)
[4]改進(jìn)的SIFT算法圖像匹配研究[J]. 馮文斌,劉寶華.  計(jì)算機(jī)工程與應(yīng)用. 2018(03)
[5]基于邊界歸類的新聞視頻故事分割算法[J]. 王娟,蔣興浩,孫錟鋒.  上海交通大學(xué)學(xué)報(bào). 2016(09)
[6]結(jié)合SIFT算法的視頻場(chǎng)景突變檢測(cè)[J]. 李楓,趙巖,王世剛,陳賀新.  中國(guó)光學(xué). 2016(01)
[7]一種基于TextTiling的鏡頭邊界檢測(cè)算法[J]. 謝彬彬,賈西平,方剛,歐衛(wèi).  計(jì)算機(jī)應(yīng)用與軟件. 2016(01)
[8]采用改進(jìn)尺度不變特征變換在多變背景下實(shí)現(xiàn)快速目標(biāo)識(shí)別[J]. 聶海濤,龍科慧,馬軍,劉金國(guó).  光學(xué)精密工程. 2015(08)
[9]視頻鏡頭分割算法綜述[J]. 劉艷紅.  科技創(chuàng)新與應(yīng)用. 2014(16)
[10]使用線性分割和序列合并的視頻鏡頭分割方法[J]. 熊偉,吳春明,姜明.  電子學(xué)報(bào). 2014(04)

博士論文
[1]無(wú)人飛艇低空攝影測(cè)量關(guān)鍵技術(shù)研究及大比例尺地形成圖實(shí)踐[D]. 王建雄.長(zhǎng)安大學(xué) 2011

碩士論文
[1]基于遺傳算法的多模態(tài)視頻場(chǎng)景分割算法[D]. 趙杰雪.武漢輕工大學(xué) 2016
[2]基于SIFT特征的關(guān)鍵幀提取算法研究[D]. 屈有佳.北京交通大學(xué) 2015



本文編號(hào)：3734183