基于權重顏色分量和粒子群算法的視頻檢索方法的研究.pdf

1、經(jīng)近年來多媒體技術和網(wǎng)絡技術得到了蓬勃的發(fā)展，使得視頻數(shù)據(jù)海量增加，同時由于視頻數(shù)據(jù)的復雜性，傳統(tǒng)的數(shù)據(jù)處理方式已經(jīng)不能滿足需求，如何從海量的視頻中快速高效的檢索出所需要的視頻變得十分重要，于是基于內容的視頻檢索成為當前多媒體領域的研究熱點?；趦热莸囊曨l檢索通過對視頻結構分析，將視頻分割成關鍵幀、鏡頭、場景，最終以鏡頭為單位，根據(jù)用戶提交的視頻示例，在視頻數(shù)據(jù)庫中查找與其相似的視頻片斷，并根據(jù)相似度的高低給出檢索結果。
　　

2、本文在綜合分析了以往的基于內容的視頻檢索方法的基礎上，提出基于權重顏色分量的鏡頭分割算法和基于粒子群的關鍵幀提取算法，具體內容如下：
　　 (1)本文在研究現(xiàn)有鏡頭邊界檢測方法的基礎上，提出基于權重顏色分量的鏡頭檢測算法。該方法選擇HSV顏色空間作為特征描述空間，并且將該空間劃分成三個子空間，分別為色調H子空間、飽和度S子空間、亮度V子空間。利用三個子空間在鏡頭轉換類型中所體現(xiàn)出的不同特點，自適應的分配子空間權值，突出變化巨大的

3、子空間，使得鏡頭邊界處和鏡頭內部運動更加容易區(qū)分。最后通過實驗驗證算法的有效性。
　　 (2)考慮到視頻中運動是關鍵幀提取的最主要依據(jù)，本文將運動劃分為兩大類：局部運動和全局運動。首先根據(jù)注意度模型提取視頻左上角區(qū)域的光流特征作為圖像的全局運動特征，同時提取圖像中間區(qū)域的顏色特征作為局部運動特征，然后將全局運動特征和局部運動特征合成為圖像的特征向量。之后本文分析了大量視頻數(shù)據(jù)，選取出五類典型視頻的特征向量，并且以典型視頻特征向量