基于非负稀疏编码的视频拷贝检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 本文研究背景及意义 | 第8-9页 |
| 1.2 视频拷贝检测技术介绍 | 第9-11页 |
| 1.2.1 拷贝视频的概念 | 第9-10页 |
| 1.2.2 拷贝检测算法的性能评价 | 第10-11页 |
| 1.3 视频拷贝检测的研究现状 | 第11-15页 |
| 1.3.1 特征提取 | 第11-13页 |
| 1.3.2 特征匹配 | 第13-15页 |
| 1.3.3 目前存在的问题 | 第15页 |
| 1.4 主要工作与论文的组织结构 | 第15-17页 |
| 第2章 视频拷贝检测的关键技术 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 视频特征提取 | 第17-24页 |
| 2.2.1 关键帧提取 | 第17-18页 |
| 2.2.2 运动特征 | 第18-20页 |
| 2.2.3 SIFT特征 | 第20-24页 |
| 2.3 AP聚类算法 | 第24-25页 |
| 2.4 稀疏编码模型 | 第25-28页 |
| 2.5 非负矩阵分解(NMF) | 第28-29页 |
| 2.6 池化方法 | 第29-30页 |
| 2.7 E2LSH方法 | 第30-31页 |
| 2.8 小结 | 第31-32页 |
| 第3章 基于非负稀疏编码模型的多视觉字典学习 | 第32-41页 |
| 3.1 引言 | 第32页 |
| 3.2 AP算法在初始词典的实验分析 | 第32-33页 |
| 3.3 SIFT特征集合的预处理 | 第33-35页 |
| 3.4 基于AP算法和随机分组的多视觉词典建立 | 第35-36页 |
| 3.5 基于非负稀疏编码的在线字典学习 | 第36-37页 |
| 3.6 多视觉词典模型的性能分析 | 第37-40页 |
| 3.6.1 实验条件 | 第37-38页 |
| 3.6.2 实验数据集描述 | 第38页 |
| 3.6.3 实验结果分析 | 第38-40页 |
| 3.7 小结 | 第40-41页 |
| 第4章 基于多视觉词典模型的视频拷贝检测 | 第41-47页 |
| 4.0 引言 | 第41页 |
| 4.1 SIFT特征集合的预处理 | 第41-42页 |
| 4.2 基于非负稀疏编码的视频关键帧稀疏表达 | 第42页 |
| 4.3 特征集成 | 第42-43页 |
| 4.4 基E2LSH和时序一致性特征匹配 | 第43-46页 |
| 4.4.1 基于p-Stable的LSH的帧匹配 | 第43-44页 |
| 4.4.2 基于时序一致性的帧融合 | 第44-46页 |
| 4.5 小结 | 第46-47页 |
| 第5章 实验结果与分析 | 第47-59页 |
| 5.1 实验条件 | 第47页 |
| 5.2 实验数据集描述 | 第47-50页 |
| 5.3 系统界面及性能测试 | 第50-58页 |
| 5.3.1 系统界面设计 | 第50-51页 |
| 5.3.2 鲁棒性实验结果与分析 | 第51-56页 |
| 5.3.3 TRECVID评价标准上的实验结果 | 第56-58页 |
| 5.4 小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 6.1 本人工作总结 | 第59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录 攻读硕士学位期间参与的科研项目 | 第64页 |
