基于GEP聚類的多物征融合視頻關(guān)鍵幀提取技術(shù)研究.pdf

1、隨著計(jì)算機(jī)、電子及信息技術(shù)的飛速發(fā)展，人們之間的信息交流變得越來越方便。海量的多媒體信息通過移動(dòng)終端自由的傳輸和存儲(chǔ)，由此帶來的視覺信息爆炸問題日益嚴(yán)重。海量、非結(jié)構(gòu)化的數(shù)字化視覺信息數(shù)據(jù)的管理、存儲(chǔ)以及傳輸?shù)碾y度越來越大，已成為目前人們檢索和瀏覽信息的主要障礙。使用在文本中廣泛應(yīng)用的基于關(guān)鍵詞的內(nèi)容檢索方法來對(duì)視覺信息進(jìn)行處理，不但效率低，而且也不能很好的利用視覺信息中所包含的豐富知識(shí)。為此，相關(guān)專家和學(xué)者提出了基于內(nèi)容的視頻檢索技術(shù)

2、，其中，視頻鏡頭邊界檢測(cè)和關(guān)鍵幀技術(shù)的提取是近幾年來的研究熱點(diǎn)。鏡頭邊界檢測(cè)是檢索技術(shù)中要解決的首要基礎(chǔ)技術(shù)問題，關(guān)鍵幀的提取是其中的核心技術(shù)之一。本文針對(duì)視頻鏡頭邊界檢測(cè)和關(guān)鍵幀的提取方法進(jìn)行研究和探討，以期能找到一種能提高視頻檢索效率的方法。
　　鏡頭邊界檢測(cè)技術(shù)是基于內(nèi)容的視頻檢索的基礎(chǔ)，只有有效的獲得分割的視頻鏡頭，才能提取到能夠充分代表鏡頭內(nèi)容的關(guān)鍵幀。繁多的視頻信息、復(fù)雜的視頻種類以及視頻編輯的手段增加了對(duì)視頻鏡頭邊界

3、檢測(cè)難度。本文將針對(duì)當(dāng)前現(xiàn)有的一些鏡頭邊界檢測(cè)技術(shù)只能單一的針對(duì)某一特定領(lǐng)域的視頻進(jìn)行分割，擴(kuò)展性能差的不足，提出改進(jìn)算法。
　　視頻關(guān)鍵幀提取技術(shù)是視頻數(shù)據(jù)處理研究領(lǐng)域的熱點(diǎn)研究問題。關(guān)鍵幀提取技術(shù)是基于內(nèi)容的視頻檢索的核心技術(shù)之一，對(duì)于場景繁多、內(nèi)容復(fù)雜、鏡頭變化較多的視頻類型，現(xiàn)有的關(guān)鍵幀提取方法效果不是很好，直接影響視頻檢索的速度和準(zhǔn)確性。
　　基于以上問題，本文主要做了以下幾個(gè)方面的研究：
　?。?）在關(guān)鍵幀

4、提取之前要進(jìn)行鏡頭邊界檢測(cè)。本文針對(duì)現(xiàn)有的鏡頭檢測(cè)技術(shù)大多只能在某一特定領(lǐng)域內(nèi)的視頻中應(yīng)用的不足，提出一種基于小波邊緣檢測(cè)算子的自適應(yīng)分塊視頻鏡頭邊界檢測(cè)算法。結(jié)合小波邊緣檢測(cè)和視頻幀的自適應(yīng)分塊方法，檢測(cè)視頻鏡頭變化，得到分割的鏡頭。
　?。?）對(duì)視頻幀提取圖像顏色特征、形狀特征和紋理特征，通過歸一化處理，得到融合顏色、形狀、紋理多種特征的相似性度量值，作為衡量視頻幀特征的標(biāo)準(zhǔn)。
　?。?）由于基因表達(dá)式編程有很強(qiáng)的全局搜

5、索能力，在解決聚類問題時(shí)具有明顯的優(yōu)勢(shì)。能夠在完全不需要對(duì)數(shù)據(jù)集有任何先驗(yàn)知識(shí)的情況下對(duì)簇進(jìn)行聚類分析，從而解決基于劃分的聚類算法中需要預(yù)設(shè)簇個(gè)數(shù)的缺陷。本章利用基因表達(dá)式編程的自動(dòng)聚類功能對(duì)視頻幀進(jìn)行聚類，改進(jìn)并提出了基于GEP自動(dòng)聚類的視頻關(guān)鍵幀提取算法（KeyFrameClusteringAlgorithmbasedonGeneExpressionProgramming，KFC-GEP）。
　?。?）通過實(shí)驗(yàn)驗(yàn)證了的有效性，