基于语义的视频检索技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景和意义 | 第8-9页 |
| ·视频检索的研究现状 | 第9-13页 |
| ·基于内容的视频检索 | 第9-10页 |
| ·基于语义的视频检索 | 第10-12页 |
| ·TRECVID | 第12-13页 |
| ·本文的工作与安排 | 第13-15页 |
| ·主要研究内容 | 第13页 |
| ·论文的结构安排 | 第13-15页 |
| 2 低层视觉特征的提取 | 第15-23页 |
| ·颜色特征 | 第15-18页 |
| ·颜色空间模型 | 第15-17页 |
| ·颜色特征的提取 | 第17-18页 |
| ·纹理特征 | 第18-21页 |
| ·灰度共生矩阵 | 第18-20页 |
| ·Tamura 纹理特征 | 第20-21页 |
| ·形状特征 | 第21-22页 |
| ·Hu 不变矩 | 第21-22页 |
| ·边缘方向直方图 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 基于遗传算法的特征选择与 SVM 参数优化 | 第23-34页 |
| ·特征选择与分类器 | 第23-25页 |
| ·SVM 分类器 | 第23-25页 |
| ·特征选择与分类器的关系 | 第25页 |
| ·遗传算法 | 第25-28页 |
| ·特征选择与 SVM 参数的优化 | 第28-29页 |
| ·实验结果与分析 | 第29-33页 |
| ·算法流程 | 第29-30页 |
| ·实验结果 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于 D-S 理论的多分类器融合的概念检测 | 第34-41页 |
| ·典型分类器融合算法简介 | 第34-35页 |
| ·D-S 证据理论 | 第35-40页 |
| ·基本概率分配函数、信任函数与似真函数 | 第35-37页 |
| ·Dempster 合成规则 | 第37-38页 |
| ·SVM 的概率输出 | 第38-39页 |
| ·D-S 基本概率分配构造 | 第39-40页 |
| ·D-S 证据理论的决策规则 | 第40页 |
| ·本章小结 | 第40-41页 |
| 5 基于语义的视频检索 | 第41-49页 |
| ·基于语义概念的视频检索总体框架 | 第41-42页 |
| ·镜头关键帧的提取 | 第42-43页 |
| ·语义概念检测算法设计 | 第43-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 6 工作总结 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
| 作者在攻读学位期间发表的论文目录 | 第54页 |
