| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-16页 |
| 1.1 关键帧与视频检索 | 第10-11页 |
| 1.2 GPU与通用计算 | 第11-14页 |
| 1.3 本文工作和组织结构 | 第14页 |
| 1.4 本章小结 | 第14-16页 |
| 2 CUDA技术及关键帧提取方法 | 第16-25页 |
| 2.1 CUDA技术 | 第16-21页 |
| 2.1.1 CUDA编程模型 | 第16-18页 |
| 2.1.2 CUDA线程 | 第18-19页 |
| 2.1.3 CUDA存储结构 | 第19-21页 |
| 2.2 关键帧提取方法 | 第21-24页 |
| 2.2.1 基于聚类的方法 | 第21-23页 |
| 2.2.2 基于镜头边界的方法 | 第23页 |
| 2.2.3 基于颜色、纹理特征的方法 | 第23页 |
| 2.2.4 其它方法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 SIFT特征点提取算法 | 第25-36页 |
| 3.1 尺度空间理论 | 第25页 |
| 3.2 高斯卷积核 | 第25-27页 |
| 3.3 SIFT特征点提取算法原理 | 第27-33页 |
| 3.3.1 构建金字塔 | 第27-29页 |
| 3.3.2 极值检测 | 第29-31页 |
| 3.3.3 特征点方向的计算 | 第31-32页 |
| 3.3.4 128维描述信息的计算 | 第32-33页 |
| 3.4 PCA-SIFT特征点提取算法原理 | 第33-35页 |
| 3.4.1 像斑的提取 | 第33-34页 |
| 3.4.2 梯度的统计 | 第34页 |
| 3.4.3 投影降维 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于SIFT的关键帧提取算法 | 第36-52页 |
| 4.1 算法流程 | 第36-37页 |
| 4.2 算法描述 | 第37-39页 |
| 4.3 关键帧判别算法 | 第39-43页 |
| 4.4 实验结果 | 第43-51页 |
| 4.4.1 实验环境 | 第43-44页 |
| 4.4.2 测试视频 | 第44-45页 |
| 4.4.3 关键帧提取算法的评价标准 | 第45-46页 |
| 4.4.4 实验结果分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 基于PCA-SIFT的关键帧提取算法 | 第52-63页 |
| 5.1 基于PCA-SIFT关键帧提取算法 | 第53-57页 |
| 5.1.1 算法描述 | 第54-55页 |
| 5.1.2 实验结果 | 第55-57页 |
| 5.2 CUDA加速的PCA-SIFT关键帧提取算法 | 第57-61页 |
| 5.2.1 算法描述 | 第58页 |
| 5.2.2 实验结果 | 第58-61页 |
| 5.3 本章小结 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |