摘要 | 第1-7页 |
ABSTRACT | 第7-9页 |
目录 | 第9-12页 |
图目录 | 第12-14页 |
表目录 | 第14-15页 |
第1章 绪论 | 第15-22页 |
·研究背景及意义 | 第15-17页 |
·互联网视频检索存在的关键问题 | 第17-18页 |
·本文主要研究内容与创新点 | 第18-19页 |
·本文组织与结构 | 第19-22页 |
第2章 相关技术研究与背景 | 第22-49页 |
·视频检索的文本方法 | 第22-26页 |
·视频网页信息抽取 | 第23-24页 |
·文本索引 | 第24-25页 |
·检索结果及排序 | 第25-26页 |
·视频的组织与结构 | 第26-28页 |
·镜头分割 | 第27页 |
·关键帧提取 | 第27-28页 |
·视频的特征表示 | 第28-34页 |
·签名特征 | 第28-29页 |
·颜色特征 | 第29-30页 |
·局部描述特征 | 第30-34页 |
·无监督的机器学习技术 | 第34-40页 |
·K-Means聚类 | 第35页 |
·Affinity Propagation聚类 | 第35-37页 |
·RANSAC算法 | 第37-40页 |
·大规模数据处理技术 | 第40-49页 |
·高维数据的处理技术 | 第40-45页 |
·海量数据的分布式处理方法 | 第45-49页 |
第3章 基于语义结构描述的视频网页识别与信息抽取方法 | 第49-63页 |
·视频网页的语义结构化表示 | 第49-50页 |
·视频网页的语义结构 | 第49页 |
·视频网页的语义结构化表示 | 第49-50页 |
·基于语义结构化的视频网页识别与内容抽取 | 第50-60页 |
·语义区域的匹配算法 | 第51-57页 |
·基于匹配的视频播放页面识别 | 第57-58页 |
·基于语义块匹配的视频文本的抽取 | 第58-60页 |
·基于文本方法的视频检索 | 第60-62页 |
·视频的文本索引 | 第60-61页 |
·基于文本的视频检索结果排序 | 第61页 |
·文本方法存在的问题 | 第61-62页 |
·总结与分析 | 第62-63页 |
第4章 结合SIFT特征匹配与时序特征的视频相似度度量 | 第63-75页 |
·视频的相似度 | 第63-67页 |
·相关研究 | 第64-65页 |
·基于直方图特征的相似度计算 | 第65-66页 |
·基于签名特征的相似度计算 | 第66-67页 |
·结合SIFT特征匹配和时序特征的视频相似度度量 | 第67-72页 |
·基于SIFT特征的匹配 | 第67-69页 |
·视频帧序列的有效匹配 | 第69-72页 |
·基于匹配的视频片段相似度度量模型 | 第72页 |
·实验与评估 | 第72-74页 |
·总结 | 第74-75页 |
第5章 基于仿射传播聚类的视频检索结果优化 | 第75-88页 |
·视频的相似度度量方法 | 第75-76页 |
·基于直方图特征的相似度 | 第75页 |
·基于签名特征的相似度 | 第75-76页 |
·基于SIFT特征的相似度 | 第76页 |
·基于内容相似性的视频的聚类 | 第76-82页 |
·相关聚类算法 | 第78-79页 |
·实验与聚类结果评估 | 第79-82页 |
·基于聚类的视频检索结果优化 | 第82-87页 |
·总结 | 第87-88页 |
第6章 基于Map/Reduce的海量视频检索方法 | 第88-107页 |
·面向海量数据的视频特征选择 | 第88-94页 |
·特征选择与表示 | 第88-89页 |
·基于特征表示的哈希相似度模型 | 第89-91页 |
·串行的计算方法 | 第91页 |
·实验与分析 | 第91-94页 |
·基于Map/Reduce的分布式视频相似度计算模型 | 第94-106页 |
·基于Map/Reduce的视频片段相似度计算 | 第96-99页 |
·视频片段相似度计算的示例 | 第99-103页 |
·实验与分析 | 第103-106页 |
·总结 | 第106-107页 |
第7章 总结与展望 | 第107-111页 |
·论文工作总结 | 第107-108页 |
·研究工作展望 | 第108-111页 |
参考文献 | 第111-120页 |
致谢 | 第120-122页 |
在读期间发表的学术论文与取得的研究成果 | 第122-124页 |