基于内容的视频摘要生成关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究工作及内容安排 | 第12-14页 |
| 第2章 基础理论与经典算法 | 第14-22页 |
| 2.1 视频数据多层结构与分割 | 第14-15页 |
| 2.2 视频图像特征与相似性 | 第15-18页 |
| 2.2.1 典型图像特征提取 | 第16-17页 |
| 2.2.2 图像相似性计算 | 第17-18页 |
| 2.3 分割中的边界检测方法 | 第18-21页 |
| 2.3.1 像素与颜色直方图检测的方法 | 第18-19页 |
| 2.3.2 边缘检测与运动分析的方法 | 第19-20页 |
| 2.3.3 机器学习的方法 | 第20页 |
| 2.3.4 当前各种边界检测算法的总结 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于RF的视频片段分割方法 | 第22-43页 |
| 3.1 算法整体思想与实验框架 | 第22-24页 |
| 3.2 多特征的融合 | 第24-28页 |
| 3.2.1 LBP和GIST特征 | 第24-27页 |
| 3.2.2 前融合与后融合 | 第27-28页 |
| 3.3 RF与特征融合的视频片段分割 | 第28-35页 |
| 3.3.1 中间描述子的建立 | 第29-30页 |
| 3.3.2 RF的定义与构建 | 第30-34页 |
| 3.3.3 RF的训练与预测 | 第34-35页 |
| 3.4 基于阈值的视频片段分割 | 第35-38页 |
| 3.5 数据描述与评价标准 | 第38-42页 |
| 3.5.1 实验结果综合分析 | 第39-42页 |
| 3.5.2 复杂度分析 | 第42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 关键帧提取及摘要生成 | 第43-58页 |
| 4.1 关键帧提取及摘要生成的意义 | 第43页 |
| 4.2 典型的关键帧提取方法 | 第43-45页 |
| 4.3 基于互信息的关键帧提取方法 | 第45-54页 |
| 4.3.1 关键帧提取算法的步骤 | 第45-46页 |
| 4.3.2 静态片段与动态片段的划分 | 第46-48页 |
| 4.3.3 子片段的分割与关键类的选取 | 第48-49页 |
| 4.3.4 冗余关键帧的去除 | 第49-54页 |
| 4.4 实验分析 | 第54-55页 |
| 4.4.1 关键帧提取的性能评价 | 第54-55页 |
| 4.5 摘要生成 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
