基于内容的视频检索关键技术的研究与实现

论文摘要

随着计算机、网络和通信等技术的高速发展,多媒体信息的种类和数量与日俱增。如何从这个海量的多媒体信息库中找到需要的信息己经成为一个重要的课题。为此,一个全新的研究领域,基于内容的视频检索（Content-based video retrieval,简称CBVR）应运而生。本文结合MPEG-7标准,针对通用视频检索模型的一些关键技术进行研究,并做了有意义的尝试。主要的研究工作如下:首先,介绍视频结构化的内容及相应的各种算法,分析了MPEG-7标准中的视觉描述子及描述方案,研究其在基于内容的特征组织中的应用,并作了相应的实现。其次,尝试了CBVR中目前的研究热点之一——彩色图像分割技术,提出了一种改进的基于K-均值聚类法的有意义区域的分割算法;鉴于纹理图像的应用越来越广泛,本文还提出了一种改进的算法来快速有效的区分纹理图像和非纹理图像。然后,在上述研究的基础上,文章给出了通用的基于内容的视频检索试验原型系统的设计方案,并做了实现。最后,对本论文的研究内容作了简单的总结,指出视频检索的研究前景和方向。

论文目录

• 摘要
• ABSTRACT
• 第一章绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.3 现有图像/视频检索系统存在的不足
• 1.4 本课题的主要研究工作
• 1.4.1 本文主要研究的内容
• 1.4.2 本文的组织结构
• 第二章 视频结构化技术
• 2.1 镜头边界检测
• 2.2 关键帧提取
• 2.2.1 关键帧提取的常用方法
• 2.2.2 本文关键帧提取的算法
• 第三章 MPEG-7 的视觉描述
• 3.1 引言
• 3.2 关于MPEG-7 的介绍
• 3.3 颜色特征
• 3.4 纹理特征
• 3.5 形状特征
• 3.6 本文采用的特征提取算法
• 3.6.1 改进的颜色布局描述子
• 3.6.2 边缘直方图描述子
• 3.6.3 HSV 颜色直方图特征
• 3.6.4 频谱法纹理特征
• 3.6.5 综合特征
• 第四章 彩色图像分割
• 4.1 引言
• 4.2 常见的彩色图像分割方法
• 4.3 图像分割的数学模型
• 4.4 本文采用的分割算法——改进的K-均值聚类算法
• 4.4.1 K-均值聚类的数学模型
• 4.4.2 本文算法
• 4.4.2.1 图像分类算法
• 4.4.2.2 本文分类算法的实验结果
• 4.4.2.3 改进的图像分割算法
• 4.4.2.4 本文分割算法的实验结果
• 4.5 总结
• 第五章 多特征归一和相似性度量
• 5.1 评价标准
• 5.2 相似度量
• 5.2.1 图像的相似度量
• 5.2.2 视频的相似度量
• 5.3 多特征综合检索
• 5.3.1 不同特征的特点
• 5.3.2 特征的归一化
• 第六章 视频检索系统介绍
• 6.1 视频检索系统的结构图
• 6.2 系统实现
• 6.2.1 基于内容的图像检索系统
• 6.2.2 基于内容的视频检索系统
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献
• 攻研期间取得的研究成果
• 个人简历