| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 论文的研究内容 | 第10-11页 |
| 1.3 论文的结构安排 | 第11-13页 |
| 第2章 视频内容分析技术与应用研究进展 | 第13-31页 |
| 2.1 引言 | 第13页 |
| 2.2 视频的结构化分析 | 第13-18页 |
| 2.2.1 视频镜头分割 | 第14-17页 |
| 2.2.2 视频关键帧提取 | 第17-18页 |
| 2.3 视频时空特征 | 第18-23页 |
| 2.3.1 空间特征 | 第18-22页 |
| 2.3.2 时间特征 | 第22-23页 |
| 2.4 基于内容的视频近拷贝检测技术研究进展 | 第23-28页 |
| 2.4.1 压缩域视频近拷贝检测技术研究进展 | 第25-26页 |
| 2.4.2 像素域视频近拷贝检测技术研究进展 | 第26-28页 |
| 2.5 视频广告插入方法研究进展 | 第28-30页 |
| 2.5.1 基于文本相关的广告插入方法 | 第28-29页 |
| 2.5.2 基于用户行为的广告插入方法 | 第29页 |
| 2.5.3 基于内容的广告插入机制 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 MPEG-2 视频的时空特征提取与表达 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 基于视觉显著性模型的关键帧提取算法 | 第31-35页 |
| 3.2.1 视觉显著图的生成 | 第32-34页 |
| 3.2.2 分块信息熵的提取 | 第34-35页 |
| 3.2.3 关键帧提取 | 第35页 |
| 3.3 基于关键帧的空间特征提取与表达 | 第35-39页 |
| 3.3.1 HSV颜色直方图 | 第35-36页 |
| 3.3.2 ORB特征提取与稀疏表示 | 第36-39页 |
| 3.4 MPEG-2 视频时间特征提取与表达 | 第39-43页 |
| 3.4.1 MPEG-2 码流结构 | 第39-42页 |
| 3.4.2 MPEG-2 码流中运动矢量的提取 | 第42-43页 |
| 3.4.3 时间特征的表达 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于时空特征的MPEG-2 视频近拷贝检测算法 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 本文提出的视频近拷贝检测算法框架 | 第45页 |
| 4.3 预处理 | 第45-48页 |
| 4.3.1 黑帧检测 | 第46页 |
| 4.3.2 画中画与黑框检测 | 第46-48页 |
| 4.4 相似度计算 | 第48-49页 |
| 4.4.1 特征相似度计算 | 第48页 |
| 4.4.2 序列的相似度计算 | 第48-49页 |
| 4.4.3 基于投票机制的决策融合算法 | 第49页 |
| 4.5 实验结果与分析 | 第49-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第5章 基于内容的视频广告插入方法 | 第57-67页 |
| 5.1 引言 | 第57页 |
| 5.2 本文提出的视频广告插入方法框架 | 第57页 |
| 5.3 基于滑动镜头窗的视频场景边界检测 | 第57-61页 |
| 5.3.1 视频镜头的分割与时空特征提取 | 第57-59页 |
| 5.3.2 基于滑动镜头窗口的相似镜头聚类 | 第59-60页 |
| 5.3.3 场景边界检测 | 第60-61页 |
| 5.3.4 过分割去除 | 第61页 |
| 5.4 基于视觉特征的视频广告插入位置估计 | 第61-62页 |
| 5.5 实验结果与分析 | 第62-65页 |
| 5.6 本章小结 | 第65-67页 |
| 结论与展望 | 第67-69页 |
| 1.论文完成的主要工作 | 第67-68页 |
| 2.下一步工作展望 | 第68-69页 |
| 参考文献 | 第69-77页 |
| 攻读硕士学位期间完成的成果 | 第77页 |
| 攻读硕士学位期间参加的科研项目 | 第77页 |
| 攻读硕士学位期间所获奖励 | 第77-79页 |
| 致谢 | 第79-80页 |