视频场景分割方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 课题的研究背景及其意义 | 第7-10页 |
| 1.1.1 视频分析技术概述 | 第7-8页 |
| 1.1.2 视频场景分割的意义与应用 | 第8-10页 |
| 1.2 国内外研究现状及存在的问题 | 第10-13页 |
| 1.2.1 国内外研究现状 | 第10-13页 |
| 1.2.2 存在的问题 | 第13页 |
| 1.3 本文主要研究内容和组织安排 | 第13-15页 |
| 2 图像语义基础 | 第15-21页 |
| 2.1 图像语义模型 | 第15-16页 |
| 2.2 图像的语义表示 | 第16-17页 |
| 2.2.1 文本表示法 | 第17页 |
| 2.2.2 知识表示法 | 第17页 |
| 2.2.3 MPEG-7 | 第17页 |
| 2.3 图像语义的提取方法 | 第17-21页 |
| 2.3.1 底层视觉特征到高层语义的直接映射 | 第18页 |
| 2.3.2 基于关键字的语义网络 | 第18-19页 |
| 2.3.3 语义向量 | 第19-21页 |
| 3 低层视觉特征提取 | 第21-30页 |
| 3.1 颜色特征 | 第21-26页 |
| 3.1.1 颜色空间 | 第21-23页 |
| 3.1.2 HSV颜色空间 | 第23-24页 |
| 3.1.3 RGB空间到HSV空间的转换 | 第24-25页 |
| 3.1.4 颜色特征的表示 | 第25-26页 |
| 3.2 纹理特征 | 第26-27页 |
| 3.3 形状特征 | 第27-30页 |
| 4 基于树形SVM的语义分类 | 第30-39页 |
| 4.1 支持向量机基本理论介绍 | 第30-36页 |
| 4.1.1 支持向量机基本原理 | 第31-34页 |
| 4.1.2 SVM构造的多分类器 | 第34-36页 |
| 4.2 核函数选择 | 第36-37页 |
| 4.3 分类器参数确定 | 第37页 |
| 4.4 支持向量机的构造和训练 | 第37-39页 |
| 5 视频场景构造 | 第39-48页 |
| 5.1 基于语义视频场景构造 | 第39-42页 |
| 5.1.1 SVM的语义构造和训练 | 第39-40页 |
| 5.1.2 语义概念矢量 | 第40页 |
| 5.1.3 基于语义矢量的重叠镜头链算法 | 第40-42页 |
| 5.2 实验与结果分析 | 第42-48页 |
| 5.2.1 实验结果 | 第43-46页 |
| 5.2.2 实验结果分析 | 第46-48页 |
| 6 总结与未来工作展望 | 第48-50页 |
| 6.1 全文总结 | 第48页 |
| 6.2 后续研究工作的展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-56页 |
| 视频场景分割中所用视频的部分场景 | 第55-56页 |
