| 第一章 绪论 | 第1-14页 |
| ·课题背景 | 第8页 |
| ·基本概念的解释 | 第8-9页 |
| ·视频序列的组成 | 第9页 |
| ·镜头的切换类型 | 第9页 |
| ·视频分割理论的发展与现状 | 第9-12页 |
| ·特征抽取 | 第10-11页 |
| ·分割算法 | 第11-12页 |
| ·视频分割分割算法性能的评价指标 | 第12-13页 |
| ·本文主要研究内容 | 第13页 |
| ·论文的安排 | 第13-14页 |
| 第二章 系统概述 | 第14-15页 |
| ·研究动因 | 第14页 |
| ·系统概述 | 第14-15页 |
| 第三章 特征提取 | 第15-21页 |
| ·现有特征提取方法概述 | 第15-19页 |
| ·视频全局特征提取 | 第15页 |
| ·基于场景的特征提取 | 第15页 |
| ·基于镜头的特征提取 | 第15-17页 |
| ·几种特征提取的简要介绍 | 第17-19页 |
| ·分块色彩直方图抽取 | 第19-21页 |
| 第四章 特征信号多尺度分析 | 第21-39页 |
| ·小波变换 | 第21-23页 |
| ·连续小波变换 | 第21-22页 |
| ·离散小波变换 | 第22-23页 |
| ·时域多尺度分析 | 第23-29页 |
| ·多分辨率分析概念的引入 | 第23-27页 |
| ·正交小波变换与多分辨率分析 | 第27-29页 |
| ·信号的多尺度边缘检测应用 | 第29-39页 |
| ·小波变换模极大值(或过零)点同信号突变点之间的关系 | 第30-33页 |
| ·用小波变换模极大值在多尺度上的变化规律来表征信号突变点的性质 | 第33-39页 |
| 第五章 支持向量机及其在镜头分割中的应用 | 第39-52页 |
| ·简介 | 第39-45页 |
| ·最优分类面 | 第40-42页 |
| ·支持向量分类机 | 第42-44页 |
| ·成对分类 | 第44-45页 |
| ·核函数的选取 | 第45-46页 |
| ·径向基函数 | 第46-52页 |
| ·SVM在镜头边缘检测中的应用 | 第47-49页 |
| ·SVM镜头检测算法框架 | 第49-52页 |
| 第六章 闪光检测和关键帧抽取 | 第52-53页 |
| ·闪光检测和轻微噪声处理 | 第52页 |
| ·关键帧抽取 | 第52-53页 |
| 第七章 实验及结果分析 | 第53-57页 |
| ·应用程序界面 | 第53-54页 |
| ·实验结果及其分析 | 第54-57页 |
| 第八章 结论 | 第57-60页 |
| ·总结 | 第57-58页 |
| ·分块色彩直方图(Blocked Chromatic Histogram(BCH)) | 第57页 |
| ·时域多分辨率分析(temporal multi-resolution analysis(TMRA)) | 第57页 |
| ·支持向量机(Supported Vector Machines(SVM)) | 第57-58页 |
| ·去噪 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65页 |
