基于GEP聚类的多特征融合视频关键帧提取技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·选题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·CBVR系统研究现状和成果 | 第11-14页 |
| ·镜头边界检测技术研究现状 | 第14-15页 |
| ·关键帧提取技术研究现状 | 第15-17页 |
| ·本文研究内容和组织结构 | 第17-19页 |
| ·本文的主要研究内容 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第二章 视频数据结构及镜头边界检测技术 | 第19-36页 |
| ·视频数据特征与结构 | 第19-21页 |
| ·视频数据特征 | 第19-20页 |
| ·视频数据的层次化结构 | 第20-21页 |
| ·镜头边界检测技术 | 第21-27页 |
| ·视频镜头的突变与渐变 | 第22-24页 |
| ·镜头边界检测技术 | 第24-27页 |
| ·基于小波边缘检测的镜头边界检测 | 第27-31页 |
| ·小波边缘检测算法 | 第27-28页 |
| ·视频帧的自适应分块 | 第28-29页 |
| ·镜头切割 | 第29-30页 |
| ·改进的镜头边界检测算法及流程图 | 第30-31页 |
| ·镜头边界检测算法的评判准则及实验对比 | 第31-35页 |
| ·评判指标 | 第31-32页 |
| ·实验结果与分析 | 第32-35页 |
| ·实验环境与数据准备 | 第32页 |
| ·测试与分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 视频关键帧提取方法与图像多特征融合 | 第36-49页 |
| ·关键帧提取方法概述 | 第36-38页 |
| ·基于镜头边界的方法 | 第36-37页 |
| ·基于文字和图像信息分析的方法 | 第37页 |
| ·基于运动分析的方法 | 第37-38页 |
| ·基于聚类的方法 | 第38页 |
| ·视频帧的特征提取与融合 | 第38-44页 |
| ·视频帧的颜色特征提取 | 第39页 |
| ·视频帧的纹理特征提取 | 第39-41页 |
| ·视频帧的形状特征提取 | 第41-43页 |
| ·多特征融合的相似性度量 | 第43页 |
| ·图像帧多特征进行融合的方法及流程图 | 第43-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·本章总结 | 第48-49页 |
| 第四章 基于GEP自动聚类的视频关键帧提取算法 | 第49-64页 |
| ·GEP自动聚类算法简介 | 第49-53页 |
| ·基因编码 | 第49-50页 |
| ·染色体编码 | 第50页 |
| ·聚类表达式树编码 | 第50-51页 |
| ·聚类表达式树解码 | 第51页 |
| ·适应度函数 | 第51-52页 |
| ·遗传算子的选择 | 第52页 |
| ·GEP-Cluster算法 | 第52页 |
| ·自动合并聚类算法 | 第52-53页 |
| ·KFC-GEP算法设计 | 第53-57页 |
| ·KFC-GEP算法的基因编码 | 第53-54页 |
| ·适应度函数 | 第54-55页 |
| ·遗传操作 | 第55页 |
| ·KFC-GEP算法 | 第55-56页 |
| ·KFC-GEP算法流程图 | 第56-57页 |
| ·实验与分析 | 第57-63页 |
| ·实验数据 | 第57-58页 |
| ·实验结果与分析 | 第58-63页 |
| ·本章总结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| ·本文主要工作总结 | 第64页 |
| ·研究展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录A 本文作者攻读硕士学位期间所发表的论文 | 第71-72页 |
| 附录B 本文作者攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73-75页 |
