基于智能软计算的视频镜头分割算法研究

论文摘要

基于内容的视频检索是近年来国际上在信息检索领域最前沿和最活跃的研究方向之一。由于其在信息检索和数据挖掘领域已经展现出有效而广阔的理论和应用前景,从而备受国内外研究学者和专家的高度关注。本论文针对视频检索中的关键技术――镜头边界检测,以粗糙集、聚类分析等软计算方法为基础,研究并提出了一些实时有效的新方法,利用视频的多条检索线索实现了新闻条目的分割。主要研究工作如下:第一章介绍了本文研究的背景和意义,概述了基于内容的视频检索和镜头边界检测的研究进展及现状,分析了镜头边界检测研究中存在的问题。第二章首先简述了软计算的定义及分类,重点讨论了本文中用到的几种软计算方法以及与粗糙集的融合,分析并比较了其性能。第三章分析了视频特征、镜头过渡类型和粗糙集条件属性、决策属性之间的关系,提出了一种基于粗糙集和模糊聚类的镜头边界检测方法,成功地应用于新闻视频片断中突变、渐变和无场景镜头边界的检测。针对粗糙集在处理连续数据的时需进行数据离散化的缺陷,引入了模糊粗糙集概念,给出了模糊粗糙算子定义。根据视频数据量大的特点,提出了“先训练再检测”的具体检测流程以及算法中的门限选择方法,提高了自动化检测程度。第四章研究了传统粗糙集对于数据准确性要求过于苛严的问题,并分析了模糊c-峰值算法的局限性,从而引入变精度粗糙集,提出了变精度粗糙集特征加权聚类。针对数值型和混合型数据,建立了适用于混合数据聚类且具有特征加权的目标函数,提出了基于变精度模糊粗糙集和变精度粗糙集的特征加权新算法,给出了镜头边界检测的算法流程,并在不同的数据集和视频数据上对算法进行了验证。第五章根据仿生模式识别与传统模式识别的区别,结合仿生模式识别的基本特性,给出了仿生模式识别实现的一个基本方式――高维空间几何理论。分析了多权值神经网络与高维空间闭合超曲面,提出了一种基于仿生模式识别的镜头边界检测方法。该方法利用双权值神经网络来实现,为镜头边界检测方法研究开辟了一条十分有效的途径。第六章将镜头边界检测与其它检索线索相结合应用于视频检索――新闻条目分割中。在分析了多媒体的交叉索引技术以及结合了新闻视频特殊性的基础上,给出了结合音频检测和分类,镜头边界检测、主持人帧的检测和字幕识别的新闻条目联合分割方法,实现了基于内容的新闻检索的自动化,充实了基于内容

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 基于内容视频检索技术的研究进展及现状
• 1.3 镜头边界检测方法的研究进展及现状
• 1.4 论文的主要工作和章节安排
• 第二章 软计算方法
• 2.1 引言
• 2.2 软计算混合算法分类
• 2.3 软计算的典型混合方式及发展
• 2.3.1 模糊集合理论及模糊聚类算法
• 2.3.2 粗糙集
• 2.3.3 神经网络
• 2.3.4 支持向量机
• 2.4 粗糙集与其它数学工具的融合
• 第三章 基于粗糙集的镜头边界检测方法
• 3.1 引言
• 3.2 视频特征提取
• 3.3 基于粗糙集和模糊聚类的镜头边界检测方法
• 3.3.1 算法描述
• 3.3.2 规则生成
• 3.3.3 实验结果与分析
• 3.4 基于模糊粗糙集的镜头边界检测方法
• 3.4.1 检测思路
• 3.4.2 实验结果及分析
• 3.5 小结
• 第四章 基于变精度粗糙集特征加权聚类的镜头边界检测方法
• 4.1 引言
• 4.2 基于变精度粗糙集的特征加权模糊聚类（VPRS-FWCM）
• 4.2.1 算法描述
• 4.2.2 实验结果与分析
• 4.3 基于变精度粗糙集和变精度模糊粗糙集的特征加权聚类
• 4.3.1 算法描述
• 4.3.2 实验结果与分析
• 4.4 小结
• 第五章 基于仿生模式识别的镜头边界检测方法
• 5.1 引言
• 5.2 仿生模式识别
• 5.3 多权值神经网络与高维空间封闭超曲面
• 5.4 基于仿生模式识别的镜头边界检测
• 5.5 实验结果与分析
• 5.6 小结
• 第六章 多模式分析的新闻条目分割
• 6.1 引言
• 6.2 新闻视频的结构化和内容分析
• 6.3 基于音频分析的音频分割与分类
• 6.3.1 音频特征提取
• 6.3.2 选择性集成支持向量机（SEN-SVMs）
• 6.3.3 音频分类
• 6.4 基于模糊直方图和音频特征结合的主持人帧检测
• 6.4.1 模糊直方图
• 6.4.2 基于主持人帧的模糊颜色直方图特征向量构造
• 6.4.3 检测方法
• 6.5 基于双权值神经网络的标题条检测
• 6.5.1 字幕特点
• 6.5.2 新闻标题条特征
• 6.5.3 标题条检测
• 6.6 基于多模式的新闻条目检测
• 6.7 实验结果与分析
• 6.7.1 音频检测与分类的实验结果与分析
• 6.7.2 主持人镜头检测实验结果与分析
• 6.7.3 标题条检测的实验结果与分析
• 6.7.4 新闻条目检测结果
• 6.8 小结
• 第七章 结束语
• 致谢
• 参考文献
• 攻读博士期间（合作）撰写的学术论文
• 攻读博士学位期间参与的科研项目