| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 视频摘要的研究现状 | 第8-13页 |
| 1.2.1 现有视频摘要方法 | 第8-12页 |
| 1.2.2 视频摘要生成过程 | 第12-13页 |
| 1.2.3 视频摘要应用领域 | 第13页 |
| 1.3 本文的研究目标和研究内容 | 第13-14页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.4 本文的内容安排 | 第14-16页 |
| 第2章 超图模型简介 | 第16-23页 |
| 2.1 超图的基本概念 | 第16-18页 |
| 2.2 超图模型的构建方法 | 第18-20页 |
| 2.2.1 基于聚类的方法构建超图模型 | 第18-20页 |
| 2.2.2 基于k近邻的方法构建超图模型 | 第20页 |
| 2.3 超图的归一化切割 | 第20-21页 |
| 2.4 超图排序算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于超图排序算法的视频摘要 | 第23-43页 |
| 3.1 视频特征提取 | 第23-25页 |
| 3.1.1 视频结构分析 | 第23-24页 |
| 3.1.2 提取视频特征 | 第24-25页 |
| 3.2 视频超图构建 | 第25页 |
| 3.3 视频帧分类 | 第25-28页 |
| 3.3.1 图及超图排序学习 | 第25-26页 |
| 3.3.2 主集 | 第26-27页 |
| 3.3.3 基于超图排序的视频帧分类算法 | 第27-28页 |
| 3.4 视频摘要生成 | 第28-30页 |
| 3.4.1 候选关键帧的选择 | 第29页 |
| 3.4.2 关键帧确定算法 | 第29-30页 |
| 3.5 HGRVS算法计算复杂度分析 | 第30-31页 |
| 3.6 实验结果及分析 | 第31-42页 |
| 3.6.1 实验设置 | 第31-34页 |
| 3.6.2 Open Video Project数据集结果分析 | 第34-39页 |
| 3.6.3 YouTube数据集结果分析 | 第39-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于超图随机游走的视频摘要 | 第43-50页 |
| 4.1 构建视频超图 | 第43页 |
| 4.2 视频帧排序 | 第43-45页 |
| 4.3 视频摘要生成 | 第45页 |
| 4.4 实验结果及分析 | 第45-49页 |
| 4.4.1 Open Video Database数据集结果分析 | 第45-48页 |
| 4.4.2 New Database数据集结果分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |
