| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 基于显著性描述视频处理与分析 | 第9-10页 |
| 1.1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 视频显著性的研究现状 | 第10-12页 |
| 1.3 本文的主要工作及内容安排 | 第12-14页 |
| 第二章 基于显著性描述的视频关键帧提取与帧速率上转换技术综述 | 第14-32页 |
| 2.1 视觉显著性 | 第14-23页 |
| 2.1.1 视觉注意机制 | 第15-17页 |
| 2.1.2 图像显著性与视频显著性的区别与联系 | 第17-18页 |
| 2.1.3 动态纹理模型 | 第18-20页 |
| 2.1.4 中心周围差（center-surround）假设机制 | 第20-21页 |
| 2.1.5 动态纹理模型联合center-surround机制 | 第21-23页 |
| 2.2 监控视频关键帧提取技术介绍 | 第23-25页 |
| 2.2.1 监控视频概述 | 第23-24页 |
| 2.2.2 关键帧提取技术概述 | 第24页 |
| 2.2.3 视频关键帧提取性能估计 | 第24-25页 |
| 2.3 帧速率上转换算法介绍 | 第25-31页 |
| 2.3.1 帧速率提升技术介绍 | 第25-29页 |
| 2.3.2 双重运动估计 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 一种适合于监控视频的关键帧提取算法 | 第32-49页 |
| 3.1 研究动机 | 第32页 |
| 3.2 框架介绍 | 第32-34页 |
| 3.3 运动目标的检测和跟踪 | 第34页 |
| 3.4 特征图像的提取 | 第34-39页 |
| 3.4.1 颜色特征提取 | 第34-35页 |
| 3.4.2 纹理特征提取 | 第35-36页 |
| 3.4.3 形状特征提取 | 第36页 |
| 3.4.4 肤色模型以及脸部区域的确定 | 第36-38页 |
| 3.4.5 基于动态权值的特征融合 | 第38-39页 |
| 3.5 仿真结果与分析 | 第39-47页 |
| 3.5.1 用户摘要对比 | 第40-41页 |
| 3.5.2 关键帧应用 | 第41-45页 |
| 3.5.3 本文算法与其他关键帧提取算法结果对比分析 | 第45-47页 |
| 3.5.4 算法复杂度分析 | 第47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 结合视频显著性的帧速率上转换算法 | 第49-64页 |
| 4.1 研究动机 | 第49-50页 |
| 4.2 算法原理 | 第50-55页 |
| 4.2.1 算法框架 | 第50-51页 |
| 4.2.2 运动矢量细化处理 | 第51-52页 |
| 4.2.3 运动矢量连续性处理 | 第52-54页 |
| 4.2.4 参数选择 | 第54-55页 |
| 4.3 仿真实验结果与分析 | 第55-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 致谢 | 第70页 |
