视频场景分割算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·研究目的及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 视频内容分析与底层特征提取 | 第17-27页 |
| ·视频内容分析 | 第17-20页 |
| ·视频结构分析 | 第17-19页 |
| ·视频语义分析 | 第19-20页 |
| ·视频底层特征提取 | 第20-26页 |
| ·图像特征 | 第20-24页 |
| ·音频特征 | 第24-25页 |
| ·文本特征 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 视频镜头相似性度量与降维处理 | 第27-34页 |
| ·基于 SIMFUSION 算法的镜头相似性度量 | 第27-30页 |
| ·SimFusion 算法 | 第27-28页 |
| ·镜头相似性度量 | 第28-30页 |
| ·高维向量的降维处理 | 第30-33页 |
| ·高斯（Gauss）归一化 | 第30-32页 |
| ·LPP 降维处理 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于支持向量机的语义分类 | 第34-41页 |
| ·支持向量机 | 第34-38页 |
| ·支持向量机的基本原理 | 第34-36页 |
| ·广义最优分类面 | 第36-37页 |
| ·线性可分支持向量机 | 第37页 |
| ·非线性支持向量机 | 第37-38页 |
| ·支持向量机的构造和训练 | 第38-39页 |
| ·视频语义概念的分类 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 基于语义概念的视频场景分割算法 | 第41-49页 |
| ·算法的基本思想 | 第41-43页 |
| ·算法的实现 | 第43-44页 |
| ·实验结果及分析 | 第44-48页 |
| ·语义概念检测 | 第44-46页 |
| ·视频场景分割 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间的研究成果 | 第56页 |
