| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 面向对象的多媒体信息系统 | 第11-14页 |
| 1.2.1 概念 | 第11-13页 |
| 1.2.2 特点 | 第13页 |
| 1.2.3 关键技术 | 第13-14页 |
| 1.2.4 需要解决的问题 | 第14页 |
| 1.3 基于内容的视频数据库及其发展动态 | 第14-15页 |
| 1.4 视频运动特征提取技术及其发展动态 | 第15-16页 |
| 1.5 多特征检索的相似度衡量方法 | 第16-17页 |
| 1.5.1 采用新型的索引技术 | 第16-17页 |
| 1.5.2 面向用户的查询机制 | 第17页 |
| 1.5.3 系统的性能评价 | 第17页 |
| 1.6 本论文的主要研究工作内容 | 第17-19页 |
| 第二章 多媒体系统的分布式智能控制机制 | 第19-24页 |
| 2.1 分布式智能控制系统数据库 | 第19-21页 |
| 2.1.1 实时多媒体数据库结构 | 第20页 |
| 2.1.2 数据库生成系统 | 第20-21页 |
| 2.2 结构软件系统 | 第21-22页 |
| 2.2.1 SDCS系统的图形结构软件 | 第21页 |
| 2.2.2 图形结构软件设计 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于内容的图像特征提取算法的研究 | 第24-54页 |
| 3.1 颜色特征分析与提取 | 第24-31页 |
| 3.1.1 颜色模型 | 第24-27页 |
| 3.1.2 基于HSV 颜色直方图的颜色特征提取 | 第27页 |
| 3.1.3 颜色模型转换 | 第27-28页 |
| 3.1.4 颜色特征提取 | 第28-31页 |
| 3.2 纹理特征 | 第31-43页 |
| 3.2.1 数理统计分析 | 第32-34页 |
| 3.2.2 机构分析方法 | 第34-43页 |
| 3.3 图像形状特征分析与提取 | 第43-53页 |
| 3.3.1 基本形状描述方法 | 第44-48页 |
| 3.3.2 基于不变矩的形状特征提取 | 第48-49页 |
| 3.3.3 边缘提取算子的确定 | 第49-51页 |
| 3.3.4 分割目标区域 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于颜色与目标轮廓特征的视频分割方法研究 | 第54-103页 |
| 4.1 数字视频的主要特征 | 第54-56页 |
| 4.1.1 视频数据的信息内容 | 第54-55页 |
| 4.1.2 视频数据的结构及关系 | 第55-56页 |
| 4.1.3 视频数据的数据量 | 第56页 |
| 4.2 视频数据模型和MPEG-7 标准~([4]-[6]) | 第56-62页 |
| 4.2.1 需解决的基本问题 | 第56-57页 |
| 4.2.2 视频数据模型的建立 | 第57-58页 |
| 4.2.3 MPEG-7 标准的主要内容 | 第58-62页 |
| 4.3 视频镜头特征分析 | 第62-77页 |
| 4.3.1 视频序列间颜色分布特征 | 第63-69页 |
| 4.3.2 基于邻域像素灰度差的镜头检测特征 | 第69-70页 |
| 4.3.3 视频序列间目标轮廓变化特征 | 第70-76页 |
| 4.3.4 颜色与目标轮廓差异相结合的特征点的分布 | 第76-77页 |
| 4.4 基于视频图像运动特征的分析与提取 | 第77-94页 |
| 4.4.1 全局运动特征提取技术 | 第77-83页 |
| 4.4.2 块匹配技术 | 第83-94页 |
| 4.5 局部运动特征提取技术 | 第94-99页 |
| 4.5.1 基于光流场的运动矢量提取技术 | 第94-96页 |
| 4.5.2 Horn-Schunck 光流场计算方法 | 第96-99页 |
| 4.6 带全局运动补偿的改进算法 | 第99-100页 |
| 4.7 运动对象分割 | 第100-101页 |
| 4.8 本章小结 | 第101-103页 |
| 第五章 基于聚类索引的彩色图像与视频检索 | 第103-118页 |
| 5.1 基于聚类的索引算法 | 第103-108页 |
| 5.1.1 C均值聚类算法~[56] | 第103-104页 |
| 5.1.2 模糊 C 均值(FCM)聚类算法~[57][58] | 第104-105页 |
| 5.1.3 改进模糊 C 均值聚类算法 | 第105-108页 |
| 5.2 相似性度量 | 第108-109页 |
| 5.2.1 相似公理~[66] | 第108-109页 |
| 5.2.2 特征向量目标模型~[67] | 第109页 |
| 5.3 相似度匹配算法研究 | 第109-111页 |
| 5.3.1 直方图相交法 | 第109-110页 |
| 5.3.2 欧拉距离 | 第110页 |
| 5.3.3 二次式距 | 第110页 |
| 5.3.4 马氏距离 | 第110-111页 |
| 5.3.5 KL 距离 | 第111页 |
| 5.3.6 EMD 距离 | 第111页 |
| 5.4 特征向量的归一化 | 第111-114页 |
| 5.4.1 特征内部归一化~[69] | 第111-113页 |
| 5.4.2 特征间归一化~[70] | 第113-114页 |
| 5.5 基于相关反馈的特征权重调整~[71] | 第114-116页 |
| 5.5.1 相似度衡量步骤 | 第114-115页 |
| 5.5.2 外部特征的权重调整 | 第115-116页 |
| 5.5.3 内部特征权重调整 | 第116页 |
| 5.6 本章小结 | 第116-118页 |
| 第六章 基于安全机制的H.323 视频会议系统~[100] | 第118-135页 |
| 6.1 H.xxx 视频会议标准 | 第118-119页 |
| 6.2 H.323 协议 | 第119-122页 |
| 6.2.1 H.323 的体系结构 | 第119-120页 |
| 6.2.2 H.323 终端的组成 | 第120-121页 |
| 6.2.3 H.323 标准协议簇 | 第121页 |
| 6.2.4 H.323 组件 | 第121-122页 |
| 6.3 H.323 会议系统的安全 | 第122-127页 |
| 6.3.1 H.323 安全性问题全面考虑 | 第122-123页 |
| 6.3.2 H.323 会议系统危险性评估 | 第123-124页 |
| 6.3.3 H.323 安全问题概要 | 第124-127页 |
| 6.4 H.323 设备的安全 | 第127页 |
| 6.5 安全桌面会议系统解决方案 | 第127-131页 |
| 6.5.1 加密、安全IP(IPsec)和虚拟专用网(VPN) | 第127-129页 |
| 6.5.2 虚拟专用网(VPNs) | 第129-130页 |
| 6.5.3 开放源会话加密工具:免费 S/WAN | 第130页 |
| 6.5.4 加密H.323 会话对性能的影响 | 第130页 |
| 6.5.5 IPv6 的安全性 | 第130-131页 |
| 6.6 专利的加密方法 | 第131页 |
| 6.7 防火墙和代理 | 第131-133页 |
| 6.7.1 动态使用TCP/UDP 端口号 | 第131-133页 |
| 6.7.2 代理的设置 | 第133页 |
| 6.7.3 NAT | 第133页 |
| 6.8 本章小结 | 第133-135页 |
| 第七章 实验仿真以及性能评价 | 第135-149页 |
| 7.1 彩色图象纹理特征检索实验 | 第135-136页 |
| 7.1.1 基于共生矩阵的检索 | 第135页 |
| 7.1.2 基于Gabor 滤波器的检索 | 第135-136页 |
| 7.1.3 综合颜色、纹理特征的检索 | 第136页 |
| 7.2 不变矩特征提取实验 | 第136-138页 |
| 7.3 视频镜头分割实验 | 第138-142页 |
| 7.3.1 实验视频序列 | 第138页 |
| 7.3.2 镜头边缘检测的评价准则 | 第138-139页 |
| 7.3.3 实验与性能评价 | 第139-142页 |
| 7.4 运动特征提取系统仿真实验 | 第142-147页 |
| 7.4.1 系统仿真实验 | 第142-145页 |
| 7.4.2 性能评价 | 第145-147页 |
| 7.5 聚类算法实验对比 | 第147-149页 |
| 第八章 总结与展望 | 第149-154页 |
| 8.1 总结 | 第149-152页 |
| 8.2 展望 | 第152-154页 |
| 致谢 | 第154-155页 |
| 参考文献 | 第155-164页 |
| 攻博期间发表的学术论文及其他成果 | 第164-174页 |
| 一、攻博期间发表的论文 | 第164-165页 |
| 二、攻博期间承担的科研工作 | 第165页 |
| 三、攻博期间参编著作 | 第165-174页 |
