| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-15页 |
| 1.2.3 研究现状总结 | 第15-16页 |
| 1.3 论文的研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 2 视频场景分类及视频关键帧提取技术研究 | 第18-25页 |
| 2.1 视频场景分类流程 | 第18-19页 |
| 2.2 基于聚类法的视频关键帧提取算法研究 | 第19-22页 |
| 2.2.1 关键帧提取相关理论 | 第19-22页 |
| 2.3 聚类法提取关键帧实验与结果分析 | 第22-24页 |
| 2.3.1 实验数据 | 第22页 |
| 2.3.2 实验步骤 | 第22-23页 |
| 2.3.3 实验结果与分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 视频场景划分及多特征提取算法研究 | 第25-36页 |
| 3.1 基于空间位置关系的视频场景关键帧划分 | 第25-30页 |
| 3.1.1 图像划分相关理论 | 第25-27页 |
| 3.1.2 场景关键帧划分理论及过程实现 | 第27-30页 |
| 3.2 场景多特征提取及融合 | 第30-35页 |
| 3.2.1 场景特征相关理论 | 第30-32页 |
| 3.2.2 纹理特征融合算法 | 第32-33页 |
| 3.2.3 “色调积”特征提取 | 第33-34页 |
| 3.2.4 多特征融合 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于多特征的视频场景分类算法研究 | 第36-45页 |
| 4.1 KNN(k-NearestNeighbor)分类器 | 第36-37页 |
| 4.2 LDA(LinearDiscriminantAnalysis)分类器 | 第37-39页 |
| 4.3 阈值判定分类法 | 第39-44页 |
| 4.3.1 阈值判定分类法算法描述 | 第39-40页 |
| 4.3.2 阈值判定分类法算法原理 | 第40页 |
| 4.3.3 阈值判定分类法实验步骤 | 第40页 |
| 4.3.4 实验数据 | 第40-41页 |
| 4.3.5 实验结果与分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52页 |