| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-11页 |
| ·视频检索 | 第9-10页 |
| ·语义分割 | 第10页 |
| ·特征提取 | 第10-11页 |
| ·排序模型 | 第11页 |
| ·本文的主要工作 | 第11-13页 |
| 第2章 视频检索的基本原理与步骤 | 第13-19页 |
| ·基于视频关键字的检索 | 第13-14页 |
| ·基于视频内容的检索 | 第14页 |
| ·视频帧的特征提取 | 第14-15页 |
| ·相似度计算方法 | 第15-17页 |
| ·欧式距离 | 第16-17页 |
| ·马氏距离 | 第17页 |
| ·余弦距离 | 第17页 |
| ·视频检索结构框架 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 基于多特征融合的聚合决策森林的复杂视频场景语义分割方法 | 第19-36页 |
| ·引言 | 第19页 |
| ·相关工作 | 第19-20页 |
| ·基于二维和三维多特征融合的视频特征表示模型 | 第20-23页 |
| ·超像素分割 | 第20页 |
| ·超像素块特征的提取与融合 | 第20-23页 |
| ·相对于摄像头的高度特征 | 第21页 |
| ·到摄像头的最近距离特征 | 第21-22页 |
| ·曲面法向量特征 | 第22页 |
| ·反映射误差特征 | 第22页 |
| ·距离地面的相对高度特征 | 第22页 |
| ·颜色直方图特征 | 第22-23页 |
| ·纹理特征 | 第23页 |
| ·基于聚合决策森林的复杂视频场景语义分割 | 第23-26页 |
| ·图割算法 | 第23-26页 |
| ·聚合决策森林模型 | 第26-28页 |
| ·所提出方法的体系结构 | 第28-29页 |
| ·实验验证 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 一种显著性重要特征提取方法 | 第36-43页 |
| ·引言 | 第36-37页 |
| ·自底向上的图像显著性检测方法 | 第36-37页 |
| ·自顶向下的图像显著性检测方法 | 第37页 |
| ·相关工作 | 第37-38页 |
| ·显著性重要特征模型 | 第38-41页 |
| ·基于颜色直方图显著性特征 | 第38页 |
| ·基于区域对比度的显著性特征 | 第38-40页 |
| ·基于多级滤波的显著性特征 | 第40-41页 |
| ·融合方法 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第5章 基于领域支持向量排序的迁移学习算法及其在视频检索中的应用 | 第43-53页 |
| ·引言 | 第43页 |
| ·相关工作 | 第43-45页 |
| ·排序学习算法 | 第43-44页 |
| ·排序学习算法的评价指标 | 第44-45页 |
| ·迁移学习 | 第45-46页 |
| ·跨领域排序学习算法 | 第46-52页 |
| ·排序支持向量机 | 第46-47页 |
| ·自适应排序跨域支持向量机 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 实验及结果分析 | 第53-59页 |
| ·数据集和实验环境 | 第53-54页 |
| ·数据集与设置 | 第53-54页 |
| ·模型评价 | 第54-59页 |
| 第7章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 在校期间研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |