| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文的主要工作和章节安排 | 第11-13页 |
| 第2章 镜头分割和关键帧提取相关技术 | 第13-25页 |
| 2.1 视频数据分析 | 第13-15页 |
| 2.1.1 视频数据的特点 | 第13-14页 |
| 2.1.2 视频数据的层次结构 | 第14-15页 |
| 2.2 镜头分割和关键帧提取相关技术 | 第15-23页 |
| 2.2.1 镜头分割和关键帧提取的原理 | 第15-16页 |
| 2.2.2 特征提取 | 第16-18页 |
| 2.2.3 帧间相似度计算 | 第18-19页 |
| 2.2.4 镜头分割算法 | 第19-22页 |
| 2.2.5 关键帧提取算法 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于信息熵的镜头分割算法 | 第25-42页 |
| 3.1 镜头的突变与渐变分析 | 第25-27页 |
| 3.2 基于HSV颜色空间和分块权重的特征提取 | 第27-28页 |
| 3.2.1 基于HSV颜色空间的特征提取 | 第27页 |
| 3.2.2 分块权重特征提取 | 第27-28页 |
| 3.3 基于TSALLIS熵的帧间相似性度量算法 | 第28-32页 |
| 3.3.1 信息熵的定义 | 第28-29页 |
| 3.3.2 Tsallis熵 | 第29-30页 |
| 3.3.3 基于Tsallis熵的帧间相似性度量算法 | 第30-32页 |
| 3.4 基于信息熵的镜头分割算法 | 第32-36页 |
| 3.4.1 算法思路 | 第33页 |
| 3.4.2 算法步骤 | 第33-36页 |
| 3.5 实验结果与分析 | 第36-40页 |
| 3.5.1 实验平台 | 第36页 |
| 3.5.2 实验结果与分析 | 第36-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 改进层次聚类的关键帧提取算法 | 第42-49页 |
| 4.1 层次聚类算法 | 第42-43页 |
| 4.1.1 层次聚类算法概述 | 第42页 |
| 4.1.2 簇间距离度量 | 第42-43页 |
| 4.1.3 基于最小距离的层次聚类算法流程 | 第43页 |
| 4.2 改进层次聚类的关键帧提取算法 | 第43-45页 |
| 4.2.1 算法改进思路 | 第43-44页 |
| 4.2.2 特征提取 | 第44页 |
| 4.2.3 帧间相似性度量 | 第44页 |
| 4.2.4 算法流程及步骤 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 进一步工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 在校期间发表的论文、科研成果等 | 第55-56页 |
| 致谢 | 第56页 |