| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| 1．1 课题背景及研究意义 | 第7页 |
| 1．2 基于内容的视觉信息检索综述 | 第7-11页 |
| 1．2．1 基于内容的检索 | 第7-8页 |
| 1．2．2 基于内容的检索在视频中的应用 | 第8-9页 |
| 1．2．3 基于内容检索的特点 | 第9页 |
| 1．2．4 基于内容的视觉信息检索的发展 | 第9-11页 |
| 1．3 国内外研究现状 | 第11-12页 |
| 1．4 本文主要工作 | 第12-13页 |
| 1．4．1 课题内容 | 第12页 |
| 1．4．2 论文组织 | 第12-13页 |
| 第二章 CBVR关键技术 | 第13-17页 |
| 2．1 引言 | 第13页 |
| 2．2 视频镜头边界检测 | 第13-14页 |
| 2．3 视频镜头内容表示 | 第14-15页 |
| 2．3．1 基于关键帧的表示法 | 第14-15页 |
| 2．3．2 基于图像拼接技术的背景表示法 | 第15页 |
| 2．4 镜头聚类和镜头集合描述 | 第15页 |
| 2．5 视频数据组织和索引 | 第15-16页 |
| 2．6 视频运动特征提取 | 第16页 |
| 2．7 基于语义的视频信息检索 | 第16-17页 |
| 第三章 相关理论基础 | 第17-27页 |
| 3．1 人工免疫系统 | 第17-24页 |
| 3．1．1 引言 | 第17页 |
| 3．1．2 免疫克隆选择学说 | 第17-22页 |
| 3．1．3 进化免疫网络学说 | 第22-24页 |
| 3．2 支撑矢量机 | 第24-27页 |
| 第四章 基于进化免疫网络的视频关键帧提取 | 第27-37页 |
| 4．1 引言 | 第27页 |
| 4．2 现有的关键帧提取方法 | 第27-29页 |
| 4．3 基于进化免疫网络的关键帧提取算法 | 第29-36页 |
| 4．3．1 引言 | 第29-30页 |
| 4．3．2 特征提取 | 第30页 |
| 4．3．3 进化免疫网络聚类算法 | 第30页 |
| 4．3．4 基于进化免疫网络的关键帧提取算法 | 第30-32页 |
| 4．3．5 参数σ_s、σ_d选择分析 | 第32-33页 |
| 4．3．6 算法性能分析 | 第33-34页 |
| 4．3．7 实验结果及分析 | 第34-36页 |
| 4．4 小结 | 第36-37页 |
| 第五章 基于免疫克隆选择的块匹配运动估计 | 第37-49页 |
| 5．1 引言 | 第37页 |
| 5．2 块匹配算法简介 | 第37-38页 |
| 5．3 经典搜索算法介绍 | 第38-42页 |
| 5．3．1 全搜索法 | 第38页 |
| 5．3．2 启发式搜索法 | 第38-42页 |
| 5．4 基于免疫克隆选择算法的块匹配运动估计 | 第42-48页 |
| 5．4．1 免疫克隆选择算法机理 | 第42-43页 |
| 5．4．2 基于免疫克隆选择算法的块匹配运动估计 | 第43-46页 |
| 5．4．3 实验结果及分析 | 第46-48页 |
| 5．5 小结 | 第48-49页 |
| 第六章 基于支撑矢量机和中心距离比值的自动视频分类 | 第49-59页 |
| 6．1 引言 | 第49页 |
| 6．2 现有的视频分类技术 | 第49-50页 |
| 6．3 视频特征提取 | 第50-51页 |
| 6．3．1 颜色直方图 | 第50页 |
| 6．3．2 运动模式描述符 | 第50-51页 |
| 6．4 基于支撑矢量机的自动视频分类 | 第51-56页 |
| 6．4．1 支撑矢量机 | 第52页 |
| 6．4．2 中心距离比值法 | 第52-54页 |
| 6．4．3 多分类器设计 | 第54-55页 |
| 6．4．4 基于支撑矢量机和中心距离的自动视频分类方法 | 第55-56页 |
| 6．5 实验结果及分析 | 第56-58页 |
| 6．6 小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-61页 |
| 7．1 本文工作总结 | 第59页 |
| 7．2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 在读期间撰写的论文 | 第69页 |