基于特征融合的抗?jié)u變視頻摘要算法研究.pdf

1、隨著信息技術與計算科學的蓬勃發(fā)展，視頻數(shù)據(jù)在人們的日常生活中扮演愈加重要的角色。在多樣的視頻數(shù)據(jù)中，如何快速地瀏覽、查詢用戶所需的內(nèi)容給視頻摘要技術帶來了重大挑戰(zhàn)，因此，有關視頻摘要技術的研究已經(jīng)成為圖像處理中熱點問題之一。在現(xiàn)存的視頻摘要技術中，鏡頭邊界檢測和關鍵幀的提取是兩個較為重要的分支。針對算法中存在的不足，本文提出了相應的改進策略。全文主要內(nèi)容如下:
　　1.首先，本文主要闡述了視頻摘要技術研究的背景、現(xiàn)狀以及存在的問題

2、。同時概括性的介紹了圖像的全局和局部特征。此外，本文還綜述了近些年來有關鏡頭邊界檢測和關鍵幀的提取技術的研究現(xiàn)狀以及在相關領域中的應用。
　　2.其次，在鏡頭的邊界檢測中，運動信息往往造成嚴重的干擾，影響圖像檢測的準確性。針對此類鏡頭檢測存在的問題，本文提出一種基于光流的鏡頭檢測算法。通過光流檢測得到視頻內(nèi)的運動信息，并提出一種相應的量化校正方法，以提高連續(xù)性檢測的準確性，獲取候選鏡頭邊界。對于突變和漸變類鏡頭，由于難以依靠單一模

3、式進行類型檢測，本文采用多特征進行鏡頭邊界的逐類識別。通過對多類鏡頭的測試視頻集進行仿真實驗，結(jié)果表明提出的鏡頭邊界檢測算法有效地提高了查準和查全率。
　　3.最后，在關鍵幀提取技術中，某些聚類算法需要獲取先驗類別數(shù)，增加了算法的局限性。同時，多數(shù)關鍵幀提取算法對于海量視頻復雜度較高。因此，本文提出一種映射聯(lián)合聚類的視頻關鍵幀選擇算法。利用視頻幀的相似關系，將視頻中的各幀映射到二維空間中相對應的點，通過點的聚類查找到各類別中心，并