| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 图像视觉显著性检测方法 | 第11-13页 |
| 1.2.2 基于镜头检测的视频关键帧提取方法 | 第13页 |
| 1.2.3 基于特征提取的视频关键帧提取方法 | 第13-14页 |
| 1.2.4 基于运动分析的视频关键帧提取方法 | 第14-15页 |
| 1.2.5 基于聚类的视频关键帧提取方法 | 第15-16页 |
| 1.3 论文主要工作及结构安排 | 第16-18页 |
| 1.3.1 论文主要工作 | 第16页 |
| 1.3.2 论文结构安排 | 第16-18页 |
| 第二章 基于视觉显著性的关键帧提取技术综述 | 第18-32页 |
| 2.1 视觉显著性检测模型及特征描述 | 第18-24页 |
| 2.1.1 视觉显著性模型 | 第18-19页 |
| 2.1.2 中心周围差(center-surround)原理 | 第19页 |
| 2.1.3 双色对立原理 | 第19-20页 |
| 2.1.4 对比度原理 | 第20-21页 |
| 2.1.5 基于三种先验知识的图显著性检测 | 第21-24页 |
| 2.2 关键帧提取技术概述 | 第24-30页 |
| 2.2.1 HSV颜色空间的特征提取 | 第24-26页 |
| 2.2.2 基于LBP的纹理特征提取 | 第26-27页 |
| 2.2.3 基于金字塔Lucas-Kanade光流法的运动信息提取 | 第27-28页 |
| 2.2.4 基于聚类算法的关键帧提取 | 第28-30页 |
| 2.3 关键帧提取的性能评估 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 一种基于视觉显著性的视频关键帧提取算法 | 第32-48页 |
| 3.1 研究动机与框架介绍 | 第32-33页 |
| 3.1.1 研究动机 | 第32页 |
| 3.1.2 框架介绍 | 第32-33页 |
| 3.2 图像显著性检测 | 第33-34页 |
| 3.3 候选关键帧的提取 | 第34-39页 |
| 3.3.1 颜色特征提取 | 第35-36页 |
| 3.3.2 纹理特征提取 | 第36-37页 |
| 3.3.3 运动信息提取 | 第37-38页 |
| 3.3.4 帧间相似性度量 | 第38-39页 |
| 3.4 基于二次聚类的关键帧提取 | 第39-41页 |
| 3.4.1 自适应确定阈值的一次聚类 | 第39-40页 |
| 3.4.2 二次聚类 | 第40-41页 |
| 3.5 实验结果与分析 | 第41-47页 |
| 3.5.1 性能分析 | 第41-42页 |
| 3.5.2 OpenVideoProject数据集结果分析 | 第42-44页 |
| 3.5.3 YouTube数据集结果分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于PCA和时序k-means聚类的关键帧提取算法 | 第48-62页 |
| 4.1 研究动机和框架介绍 | 第48-50页 |
| 4.1.1 研究动机 | 第48-49页 |
| 4.1.2 框架介绍 | 第49-50页 |
| 4.2 关键帧数目计算 | 第50-51页 |
| 4.3 聚类边界初始化 | 第51-53页 |
| 4.4 关键帧提取 | 第53-55页 |
| 4.5 实验结果与分析 | 第55-61页 |
| 4.5.1 评价标准 | 第55-56页 |
| 4.5.2 累计贡献率对关键帧提取的影响 | 第56-60页 |
| 4.5.3 不同算法效果对比 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录2 攻读硕士学位期间申请的专利 | 第69-70页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 致谢 | 第71页 |
