基于局部泛化误差模型的新闻视频分割和标题检测算法

论文摘要

随着社会的高度信息化,随着多媒体技术的飞速发展以及计算机处理能力的提高,视频凭借其直观、生动的特点成为了重要的信息载体,新闻视频作为新闻信息的重要载体也成为了热门的研究对象。为了方便人们获得想要了解的新闻,特别是在这个生活节奏飞快的社会,建立一个新闻视频检索系统已经刻不容缓。很多专家已经对如何建立一个好的新闻视频检索系统投入了研究。一个新闻视频中有很多新闻故事单元,为了便于检索我们必须将一段完整的新闻视频分割成许多独立的新闻故事单元并且找出每个新闻故事单元的标题。在建立新闻视频检索系统的过程中主要有两个关键问题必须解决:一是新闻视频分割,二是新闻标题检测。我们在新闻视频分割问题中将新闻视频分割成新闻故事单元。要将新闻标题字幕从帧中提取出来,我们首先要将标题检测出来,然后用OCR软件提取,通过解决问题二我们就可以检测每个新闻故事单元的标题字幕区域,标题检测的效果会直接影响标题提取。现在已经有很多比较完善的OCR软件,我们在今后建立新闻视频检索系统的时候会将OCR软件投入使用。我们在我们的新闻视频分割算法中利用了新闻视频的五个结构特征。首先我们将新闻视频分割问题转换成新闻主持人检测问题。然后利用基于L-GEM（局部泛化误差模型）的RBFNN（径向基函数神经网络）、人脸检测、DCD（主颜色域描述子）特征等实现新闻主持人检测。接下来我们就可以根据新闻主持人出现与否实现新闻视频分割。我们需要将每一个新闻故事单元的标题字幕检测出来对新闻故事单元进行描述。在算法中我们利用Sobel边缘算子、纹理特征、基于局部泛化误差模型的径向基函数神经网络并且结合新闻标题特征将标题字幕区域检测出来。从实验结果可以看出我们提出的算法在新闻视频分割以及标题检测上有很好的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 论文主要工作
• 1.4 论文的组织结构
• 第二章 局部泛化误差模型
• 2.1 径向基函数神经网络
• 2.1.1 工作原理
• 2.1.2 学习算法
• 2.2 局部泛化误差模型
• 2.2.1 引言
• 2.2.2 Q邻域和Q联合域
• 2.2.3 局部泛化误差上界
• 2.2.4 径向基函数神经网络的随机敏感度度量
• 2.3 本章小结
• 第三章 基于局部泛化误差模型的新闻视频分割
• 3.1 视频的相关理论基础
• 3.2 新闻视频分割的相关技术
• 3.2.1 DirectShow
• 3.2.2 颜色、纹理以及形状描述子
• 3.2.3 主颜色域描述子
• 3.2.4 人脸检测
• 3.3 新闻视频结构分析
• 3.4 基于局部泛化误差模型的新闻视频分割算法
• 3.5 实验结果
• 3.6 本章小结
• 第四章 基于局部泛化误差模型的新闻标题字幕检测
• 4.1 新闻标题字幕的特点
• 4.2 新闻标题检测的相关技术
• 4.2.1 边缘算子
• 4.2.2 纹理
• 4.3 基于局部泛化误差模型的新闻标题检测算法
• 4.4 实验结果
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢