| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文主要内容及结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 视频预处理算法 | 第13-20页 |
| 2.1 视频分割算法 | 第13-16页 |
| 2.1.1 逐对比较(Pair-wise Comparison) | 第13-14页 |
| 2.1.2 似然率参数 | 第14-15页 |
| 2.1.3 直方图比较法 | 第15页 |
| 2.1.4 双阈值视频分割算法 | 第15-16页 |
| 2.2 关键镜头和帧提取算法 | 第16-17页 |
| 2.3 图像处理算法 | 第17-19页 |
| 2.3.1 异常帧检测 | 第17-18页 |
| 2.3.2 黑边去除 | 第18-19页 |
| 2.3.3 帧尺寸归一化 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 特征设计及分析 | 第20-34页 |
| 3.1 视频空间域特征设计 | 第20-29页 |
| 3.1.1 常用色彩模式表示 | 第20-22页 |
| 3.1.2 HSV色彩模式相关特征 | 第22-23页 |
| 3.1.3 基于LUV色彩模式的直方图统计特征 | 第23-24页 |
| 3.1.4 暗通道先验特征 | 第24-25页 |
| 3.1.5 高级色彩特征 | 第25-27页 |
| 3.1.6 模糊特征 | 第27-29页 |
| 3.2 视频时间域特征设计 | 第29-32页 |
| 3.2.1 角点(Comer Detector) | 第29-31页 |
| 3.2.2 光流法 | 第31-32页 |
| 3.2.3 视频结构特征设计 | 第32页 |
| 3.3 本章小结 | 第32-34页 |
| 第四章 分类器设计及分析 | 第34-46页 |
| 4.1 模式识别 | 第34-36页 |
| 4.1.1 模式识别概念 | 第34-35页 |
| 4.1.2 模式识别种类 | 第35页 |
| 4.1.3 模式识别基础知识 | 第35-36页 |
| 4.2 支持向量机 | 第36-42页 |
| 4.2.1 支持向量机原理 | 第37-38页 |
| 4.2.2 最优化理论 | 第38-40页 |
| 4.2.3 核函数 | 第40-41页 |
| 4.2.4 序贯最小优化算法(SMO) | 第41页 |
| 4.2.5 支持向量机在视频质量估计中的应用 | 第41-42页 |
| 4.3 Adaboost分类器 | 第42-45页 |
| 4.3.1 Adaboost分类器简介 | 第42-43页 |
| 4.3.2 如何训练Adaboost分类器 | 第43-44页 |
| 4.3.3 Adaboost分类器具体实现 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 实验结果及分析 | 第46-53页 |
| 5.1 数据集 | 第46-47页 |
| 5.2 实验结果及分析 | 第47-52页 |
| 5.2.1 支持向量机实验结果 | 第47-48页 |
| 5.2.2 Adaboost分类器实验结果 | 第48-50页 |
| 5.2.3 结果对比及分析 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-57页 |
| 6.1 全文总结 | 第53-56页 |
| 6.2 未来展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |