基于演化算法的视频场景分割

论文摘要

随着计算机技术在视频方面应用的发展,让计算机理解视频内容成为现代计算机视觉技术研究的重点。视频场景分割是实现视频语义理解的第一步,也是实现视频数据高效浏览与索引的关键性步骤。场景分割是在一个较高的层次上对视频进行分割,它需要在视频镜头检测与镜头关键帧提取的基础之上,综合运用视频场景检测专业知识来实现。镜头检测是场景检测的前提,本文在充分调研目前数字视频技术、视频分割技术的基础上提出了一种基于HSV颜色空间的镜头新检测方法;在计算机视频场景自动检测方面,本文首次将演化算法引入到视频场景分割领域,产生了一种与现有方法完全不同的场景检测新技术。本文提出的基于HSV颜色空视频镜头检测算法,首先,把视频帧图像从RGB颜色空间映射到HSV颜色空间。然后,重新量化图像的H与S分量到127个彩色区域。最后,通过直方图方式计算图像的帧间相似性。同时,算法采取了有效的虚假镜头分割分析机制,以减少图像快速变化的影响。实验结果表明,本算法不仅具有较高的准确率、查全率和较快的处理速度,而且算法运行能克服光线变化和运动的影响,因此在视频镜头分割领域具有一定的实用性,能很好与本文提出的场景检测算法配合实现场景检测。演化算法本质上是一种不依赖具体问题的直接搜索方法。通过自然选择、遗传、变异等作用机制,实现提高各个个体的适应性。基于演化算法的视频场景检测是一种全新的场景分割技术。本文在场景检测过程中,将每个镜头的分割点视为一个基因,运用独特的基因编码方式、种群演化规则和个体评价机制,形成了一种简单高效的视频场景分割方法。实验结果表明,该方法分割精度比较高,且运行速度快,在场景分割应用上具有较强的技术实用性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 主要研究工作和创新点
• 1.2.1 主要研究工作
• 1.2.2 本文的创新点
• 第二章 数字视频技术与视频结构化
• 2.1 视频数字化及其标准
• 2.1.1 视频采集
• 2.1.2 视频序列的时间码SMPTE
• 2.2 视频压缩
• 2.2.1 视频压缩理论
• 2.2.2 常见视频压缩编码标准
• 2.3 视频结构化
• 第三章 视频镜头分割与关键帧提取
• 3.1 镜头分割面临的困难
• 3.2 镜头分割研究现状
• 3.3 压缩域内镜头边缘检测方法
• 3.4 非压缩域内镜头边缘检测方法
• 3.5 镜头边缘检测方法评价指标
• 3.6 基于HSV颜色空间的视频镜头检测方法
• 3.6.1 HSV颜色模型介绍
• 3.6.2 算法介绍
• 3.7 关键帧提取
• 第四章 视频场景分割
• 4.1 视频场景分割面临的困难
• 4.2 视频场景分割研究现状
• 4.3 演化算法简介
• 4.4 基于演化算法的视频场景分割
• 4.4.1 预处理
• 4.4.2 算法介绍
• 第五章 实验与分析
• 5.1 软硬件环境
• 5.2 项目实验程序
• 5.3 实验数据集
• 5.4 实验结果及分析
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 前景展望
• 参考文献
• 参加的科研项目
• 研究生期间发表的论文
• 致谢