| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容和论文结构安排 | 第14-15页 |
| 第二章 视频摘要的相关理论基础 | 第15-21页 |
| 2.1 视频摘要的概念和分类 | 第15-17页 |
| 2.2 主要的视频摘要生成算法 | 第17-18页 |
| 2.3 视频摘要的评价系统 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 视频摘要的图像特征提取 | 第21-37页 |
| 3.1 引言 | 第21页 |
| 3.2 颜色特征 | 第21-24页 |
| 3.2.1 RGB颜色空间和HSV颜色空间 | 第21-23页 |
| 3.2.2 RGB颜色空间和HSV颜色空间的转化 | 第23页 |
| 3.2.3 颜色直方图 | 第23-24页 |
| 3.3 HOG特征 | 第24-30页 |
| 3.3.1 形状概述 | 第24-25页 |
| 3.3.2 HOG特征简介 | 第25页 |
| 3.3.3 HOG特征提取过程 | 第25-29页 |
| 3.3.4 HOG特征的计算 | 第29-30页 |
| 3.4 LBP特征 | 第30-36页 |
| 3.4.1 纹理概述 | 第30页 |
| 3.4.2 基本LBP算子 | 第30-32页 |
| 3.4.3 扩展LBP算子 | 第32-33页 |
| 3.4.4 LBP算子的发展演化 | 第33-36页 |
| 3.4.5 LBP特征的特点 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于自适应最优聚类与多特征融合的视频摘要生成算法 | 第37-50页 |
| 4.1 自适应最优k值的确定 | 第37-38页 |
| 4.2 多特征融合 | 第38-39页 |
| 4.3 传统的k-means聚类算法 | 第39-41页 |
| 4.4 改进的k-means++聚类算法 | 第41-42页 |
| 4.5 提取关键帧 | 第42页 |
| 4.6 过滤掉无意义的关键帧 | 第42-43页 |
| 4.7 算法评价指标 | 第43-45页 |
| 4.8 仿真实验 | 第45-49页 |
| 4.8.1 实验环境 | 第45页 |
| 4.8.2 实验数据集 | 第45页 |
| 4.8.3 MATLAB程序实现 | 第45-47页 |
| 4.8.4 实验结果分析 | 第47-49页 |
| 4.9 本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |