视频语义检测关键帧提取算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 论文主要研究内容与结构安排 | 第17-19页 |
| 第2章 视频的基本概念及常用分析算法 | 第19-35页 |
| 2.1 引言 | 第19-20页 |
| 2.2 视频的基本结构 | 第20-21页 |
| 2.3 视频语义分类 | 第21页 |
| 2.4 视频的基本特征及度量方法 | 第21-25页 |
| 2.4.1 静态特征 | 第22-23页 |
| 2.4.2 动态特征 | 第23-24页 |
| 2.4.3 视频帧间距离度量 | 第24-25页 |
| 2.5 常用的视频关键帧提取算法 | 第25-26页 |
| 2.6 常用的镜头边界检测算法 | 第26-33页 |
| 2.6.1 常用的突变镜头边界检测方法 | 第28-31页 |
| 2.6.2 常用的渐变镜头边界检测方法 | 第31-33页 |
| 2.7 常用的视频语义检测方法 | 第33-34页 |
| 2.8 小结 | 第34-35页 |
| 第3章 视频关键帧提取的改进算法研究 | 第35-59页 |
| 3.1 引言 | 第35页 |
| 3.2 镜头边界检测关键帧提取算法的研究与改进 | 第35-43页 |
| 3.2.1 阈值选取及镜头边界检测 | 第37-41页 |
| 3.2.2 线性判别分析及子镜头分割 | 第41-42页 |
| 3.2.3 子镜头内部关键帧提取 | 第42-43页 |
| 3.3 基于视频浓缩的关键帧提取算法 | 第43-52页 |
| 3.3.1 视频浓缩的基本思想 | 第43-44页 |
| 3.3.2 视频的预处理 | 第44-48页 |
| 3.3.3 映射模型的建立 | 第48-52页 |
| 3.4 实验结果与分析 | 第52-57页 |
| 3.4.1 改进的镜头边界检测关键帧提取算法 | 第52-55页 |
| 3.4.2 基于视频浓缩的关键帧提取算法 | 第55-57页 |
| 3.5 小结 | 第57-59页 |
| 第4章 基于条件随机场的对象语义检测 | 第59-71页 |
| 4.1 引言 | 第59页 |
| 4.2 条件随机场基本理论 | 第59-61页 |
| 4.2.1 概率无向图模型及因子分解 | 第60页 |
| 4.2.2 条件随机场(CRF)的定义与形式 | 第60-61页 |
| 4.3 视频图像特征模型及其参数估计 | 第61-65页 |
| 4.3.1 视频图像特征模型 | 第62-63页 |
| 4.3.2 图像特征模型的参数估计 | 第63-64页 |
| 4.3.3 图像特征的条件概率模型 | 第64-65页 |
| 4.4 基于条件随机场的对象语义检测 | 第65-67页 |
| 4.4.1 像素与对象间的映射模型 | 第65-66页 |
| 4.4.2 对象语义条件概率模型 | 第66-67页 |
| 4.5 实验结果与分析 | 第67-69页 |
| 4.6 小结 | 第69-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第79-81页 |
| 致谢 | 第81页 |
