視頻內(nèi)容的結(jié)構(gòu)化分析.pdf

1、作為多媒體家族中一個(gè)十分特殊的成員，視頻本質(zhì)上融合了圖像、語音、文本、動(dòng)畫等多種類型的媒體數(shù)據(jù)，成為多媒體信息檢索研究的難點(diǎn)。隨著研究的不斷深入，建立了現(xiàn)代視頻檢索和內(nèi)容查詢的一個(gè)基本框架。這是在現(xiàn)代多媒體研究方面的一篇經(jīng)典文章，也是在此領(lǐng)域中人們引用最為廣泛的文章之一。框架的基本思想是：不需要完全明白視頻的內(nèi)容，只需分析視頻的結(jié)構(gòu)，再把每一個(gè)鏡頭當(dāng)作段落，將關(guān)鍵幀當(dāng)作關(guān)鍵字，從而形成一套全新的多媒體檢索和查詢的方法。 基于內(nèi)容

2、的多媒體檢索技術(shù)的日益成熟不僅將創(chuàng)造出巨大的社會(huì)價(jià)值，而且將對(duì)人類生活的改善發(fā)揮重要作用。 本文以基于內(nèi)容的視頻處理和檢索技術(shù)為研究目標(biāo)，以視頻內(nèi)容的結(jié)構(gòu)化分析為主線，結(jié)合自己的研究工作，重點(diǎn)介紹視頻中鏡頭分割(或稱鏡頭邊界檢測)、場景分割(或稱場景邊界檢測)、節(jié)目分割(或稱節(jié)目邊界檢測)、以及關(guān)鍵幀提取和相似度計(jì)算等關(guān)鍵技術(shù)。 論文第一章著重介紹視頻檢索研究的發(fā)展現(xiàn)狀，同時(shí)簡要介紹幾個(gè)具有代表性的視頻檢索系統(tǒng)模型。隨后

3、從現(xiàn)代視頻檢索研究的一大核心課題——視頻結(jié)構(gòu)化分析角度出發(fā)，羅列視頻結(jié)構(gòu)化分析研究中的若干關(guān)鍵技術(shù)。第二章在總結(jié)前人在鏡頭分割方面所作貢獻(xiàn)的基礎(chǔ)上，著重介紹我們?cè)阽R頭分割方面所作的工作。第三章介紹當(dāng)前幾種常用的關(guān)鍵幀抽取方法以及關(guān)鍵幀的特征提取和相似度計(jì)算方法，并重點(diǎn)介紹MPEG-7標(biāo)準(zhǔn)定義的圖像視覺特征描述子。第四章首先針對(duì)新聞、電影這兩類特殊視頻分別介紹了幾種典型的場景分割算法，隨后詳細(xì)描述了我所在研究小組提出的一種通過自動(dòng)分類學(xué)習(xí)