基于特征聚类的视频摘要生成技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 课题研究内容 | 第10-11页 |
| 1.4 论文的结构安排 | 第11-12页 |
| 2 视频摘要方法介绍 | 第12-22页 |
| 2.1 视频摘要中的特征选取 | 第12-18页 |
| 2.1.1 全局特征 | 第12-14页 |
| 2.1.2 局部特征 | 第14-18页 |
| 2.2 关键帧的提取 | 第18-20页 |
| 2.2.1 基于镜头的关键帧提取 | 第18-19页 |
| 2.2.2 基于聚类的关键帧提取 | 第19-20页 |
| 2.3 视频摘要的生成 | 第20-22页 |
| 3 基于BOVW模型的常用聚类方法 | 第22-28页 |
| 3.1 K均值聚类 | 第22-23页 |
| 3.2 SGONG神经网络聚类 | 第23-28页 |
| 4 基于特征聚类摘要系统中的特征提取 | 第28-42页 |
| 4.1 CEDD特征 | 第28-33页 |
| 4.1.1 CEDD颜色特征 | 第28-31页 |
| 4.1.2 CEDD纹理特征 | 第31-33页 |
| 4.1.3 CEDD特征的提取 | 第33页 |
| 4.2 基于BOVW模型的SIFT直方图特征 | 第33-37页 |
| 4.2.1 基于K均值聚类的词典生成 | 第34-35页 |
| 4.2.2 SIFT直方图 | 第35页 |
| 4.2.3 基于PCA的特征降维 | 第35-37页 |
| 4.3 特征融合 | 第37页 |
| 4.4 实验分析 | 第37-41页 |
| 4.4.1 CEDD特征的评价 | 第38-39页 |
| 4.4.2 字典评价 | 第39-41页 |
| 4.4.3 融合特征评价 | 第41页 |
| 4.5 小结 | 第41-42页 |
| 5 基于特征聚类的视频摘要系统实现 | 第42-54页 |
| 5.1 视频摘要系统框架 | 第42-44页 |
| 5.2 基于SGONG的视频帧聚类 | 第44页 |
| 5.3 任意长度的视频摘要生成 | 第44-49页 |
| 5.3.1 摘要长度的选择 | 第45页 |
| 5.3.2 关键帧和摘要帧的提取 | 第45-47页 |
| 5.3.3 系统工作界面 | 第47-49页 |
| 5.4 实验结果与分析 | 第49-52页 |
| 5.4.1 聚类结果及分析 | 第49-51页 |
| 5.4.2 关键帧检测 | 第51-52页 |
| 5.4.3 摘要结果分析 | 第52页 |
| 5.5 小结 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 存在的问题 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-61页 |
