| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-22页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·基于内容的视频检索 | 第10-12页 |
| ·基于语义的视频检索 | 第12-14页 |
| ·视频语义分析 | 第14-20页 |
| ·视频语义分析技术 | 第14-16页 |
| ·视频语义提取方法 | 第16-20页 |
| ·视频语义检索研究的关键问题 | 第20页 |
| ·研究内容及主要工作 | 第20-21页 |
| ·论文组织结构 | 第21-22页 |
| 第二章 视频数据预处理 | 第22-34页 |
| ·镜头检测 | 第22-23页 |
| ·关键帧提取 | 第23-24页 |
| ·视频的视觉特征提取 | 第24-29页 |
| ·颜色特征 | 第24-27页 |
| ·纹理特征 | 第27-28页 |
| ·形状特征 | 第28页 |
| ·运动特征 | 第28-29页 |
| ·音频特征 | 第29-32页 |
| ·音频帧特征 | 第29-31页 |
| ·音频片段特征 | 第31-32页 |
| ·音频特征选择 | 第32页 |
| ·文本特征 | 第32-33页 |
| ·视频数据的文本类型 | 第32-33页 |
| ·文本特征选择 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于本体概念的样本标注和文本测度 | 第34-42页 |
| ·本体 | 第34-37页 |
| ·本体的建模元语(Modeling Primitives) | 第35-36页 |
| ·基于本体的信息检索 | 第36页 |
| ·本体与语义WEB | 第36-37页 |
| ·基于本体概念的样本标注 | 第37-38页 |
| ·基于本体概念的文本测度 | 第38-41页 |
| ·文本预处理 | 第39页 |
| ·基于本体概念的文本测度 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 基于S_T-Simfusion算法的镜头相似度计算 | 第42-48页 |
| ·Simfusion算法 | 第42-43页 |
| ·URM | 第42-43页 |
| ·USM | 第43页 |
| ·基于自适应阈值S_T的关键帧提取算法 | 第43-44页 |
| ·帧间差的定义 | 第43-44页 |
| ·自适应阈值S_T的确定和初始类的划分 | 第44页 |
| ·基于S_T-Simfusion镜头相似度的计算 | 第44-46页 |
| ·初始化URM | 第45页 |
| ·镜头相似度计算 | 第45-46页 |
| ·LPP降维 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 基于S_T-Simfusion和本体的SVM语义提取模型 | 第48-56页 |
| ·SVM | 第48-51页 |
| ·广义最优分类面 | 第48-49页 |
| ·线性SVM | 第49页 |
| ·非线性SVM | 第49-51页 |
| ·语义提取模型的训练 | 第51-53页 |
| ·LIBSVM | 第51-52页 |
| ·语义提取模型的训练过程 | 第52-53页 |
| ·实验结果及其分析 | 第53-55页 |
| ·测评标准 | 第53页 |
| ·实验结果及其分析 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第六章 原型系统的设计与实现 | 第56-60页 |
| ·概述 | 第56页 |
| ·原型系统的主要框架 | 第56-57页 |
| ·原型系统的实现 | 第57-59页 |
| ·小结 | 第59-60页 |
| 第七章 总结和展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表文章 | 第66页 |
