【摘要】：隨著數(shù)碼采集設(shè)備的普及和多媒體技術(shù)的發(fā)展,互聯(lián)網(wǎng)上的視頻數(shù)據(jù)急劇增長。面對海量視頻數(shù)據(jù),如何進(jìn)行視頻的存儲、組織、管理和分析,已經(jīng)成為視頻領(lǐng)域最主要的方向。目前處在實用階段的視頻搜索引擎都是基于文本策略的,如Google Video Search、Yahoo Video Search、Bing Video Search和百度。然而視頻呈現(xiàn)多樣化的形式、豐富的語義,通常是難以用語言工具完整描述和表達(dá)的,為了解決這種文本檢索的缺陷,基于內(nèi)容的視頻檢索技術(shù)被提出,國內(nèi)外的很多大學(xué)、研究機(jī)構(gòu)紛紛加入進(jìn)行相關(guān)的研究。 聚類是視頻分析中經(jīng)常用到的方法。本文將現(xiàn)有的聚類算法劃分為五大類：劃分的方法、密度的方法、層次的方法、網(wǎng)格的方法和以仿射傳播為代表的聚類方法,并總結(jié)了他們的優(yōu)缺點(diǎn)。其中Kmeans是最典型的聚類算法,因其簡潔、快速而被廣泛使用。針對傳統(tǒng)Kmeans算法對初始聚類中心敏感和聚類參數(shù)K難以確定的問題,本文提出了一種基于關(guān)聯(lián)圖劃分的Kmeans算法。該算法能夠有效地根據(jù)數(shù)據(jù)的分布特性選取初始聚類中心,能夠在指定的數(shù)據(jù)密集程度下自適應(yīng)確定聚類數(shù)目。大量的實驗表明上述改進(jìn)的Kmeans算法具有較高的準(zhǔn)確率和穩(wěn)定性。 視頻是一種非結(jié)構(gòu)化數(shù)據(jù),如何組織視頻庫是視頻檢索的首要工作。建立視頻數(shù)據(jù)庫的索引技術(shù)是這方面的主要方法。第三章中首先描述了優(yōu)化的基于內(nèi)容的視頻檢索框架,包括四部分：視頻庫模塊、查詢模塊、檢索模塊、檢索結(jié)果優(yōu)化模塊；其次對視頻作結(jié)構(gòu)化處理：通過鏡頭分割算法將視頻劃分成鏡頭,再通過基于關(guān)聯(lián)圖劃分的聚類算法將鏡頭聚類生成若干個鏡頭簇,并計算鏡頭之間、鏡頭簇之間的相似度。同一個鏡頭簇內(nèi)的鏡頭在視覺上具有一致性。層次結(jié)構(gòu)是信息組織的一種重要方式,本文采用層次結(jié)構(gòu)組織鏡頭簇,描述了一種粗查詢與精查詢相結(jié)合的二級查詢機(jī)制：粗查詢階段以鏡頭簇為基本單位,進(jìn)行近似查詢；精查詢階段,展開鏡頭簇,在鏡頭級別上比較,查找最相似的前k個鏡頭。這種二級查詢機(jī)制較大程度上壓縮了數(shù)據(jù)量,減少了訪問的數(shù)據(jù)集和比較的次數(shù)。大量實驗表明,本文建立的層次聚類索引技術(shù)有較高的查全率、查準(zhǔn)率和較快的檢索效率。 一個良好的視頻檢索系統(tǒng),不僅期待能夠返回正確的相關(guān)的視頻,而且還希望返回的結(jié)果是簡潔的。視頻數(shù)據(jù)庫中往往存在大量的冗余視頻,特別是在同一個索引目錄下的視頻有極大的相似性,甚至存在一個視頻的多個拷貝副本。如何提高視頻檢索結(jié)果的簡潔性是本文的另一個出發(fā)點(diǎn)。針對視頻拷貝的特性,本文提出了一種基于二部圖匹配的鏡頭相似度度量方法。算法首先提取了兩個鏡頭的關(guān)鍵幀序列,提取顏色直方圖作為關(guān)鍵全局特征、Harris角點(diǎn)作為局部特征,通過構(gòu)造二部圖,尋找二部圖的最大匹配序列,從而計算出鏡頭之間的相似度。結(jié)合上文提出的視頻數(shù)據(jù)庫的聚類索引技術(shù)和二級搜索機(jī)制,在粗查詢階段,進(jìn)行鏡頭簇級別的拷貝檢測,在精查詢階段,采用基于二部圖匹配的鏡頭相似度度量方法,計算鏡頭之間的相似度,與給定的閾值做出比較,從而判斷出是否為源視頻的拷貝副本。實驗證明了本文提出的視頻拷貝檢測算法對亮度變化、畫面噪音、不同幀率、添加字幕等拷貝類型有較好的檢測效果。
[Abstract]:......
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP391.41;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 曹莉華,柳偉,李國輝;基于多種主色調(diào)的圖像檢索算法研究與實現(xiàn)[J];計算機(jī)研究與發(fā)展;1999年01期

2 熊華,老松楊,吳玲琦,李恒峰,吳玲達(dá),李國輝;NewsVideoCAR:一個基于內(nèi)容的視頻新聞節(jié)目瀏覽檢索系統(tǒng)[J];計算機(jī)工程;2000年11期

3 趙明 ,李娜 ,陳純;采用統(tǒng)計推斷的自動視頻對象分割[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2003年03期

4 吳瀟;高科;郭俊波;李錦濤;張勇東;;基于多特征匹配的視頻拷貝檢測算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2010年11期

5 施智平;胡宏;李清勇;史俊;史忠植;;視頻數(shù)據(jù)庫的聚類索引方法[J];計算機(jī)學(xué)報;2007年03期

6 任金昌,趙榮椿,馮大淦;一個基于內(nèi)容的數(shù)字新聞檢索系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機(jī)應(yīng)用;2001年10期

7 靳延安;;基于內(nèi)容的視頻拷貝檢測研究[J];計算機(jī)應(yīng)用;2008年08期

8 林通,張宏江,封舉富,石青云;鏡頭內(nèi)容分析及其在視頻檢索中的應(yīng)用[J];軟件學(xué)報;2002年08期

相關(guān)博士學(xué)位論文 前1條

1 劉媛;視頻搜索結(jié)果的重排序研究[D];中國科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 潘巖;針對IPTV應(yīng)用的視頻拷貝檢測[D];復(fù)旦大學(xué);2011年

，

本文編號：2405322