基于遺傳算法的視頻摘要模型.pdf

1、由于計算機網絡的迅速發(fā)展和多媒體技術的廣泛應用，涌現出了大量的視頻資料。用戶如何在大量的視頻資料中迅速地找到自己需要的視頻，提高用戶的時間利用率，已經成為了急切解決的問題。解決這個問題的關鍵就是要把長視頻提取成簡短的視頻摘要，但是又必須保留原視頻的主要內容。
　　 本文提出了一種基于遺傳算法的視頻摘要技術模型。基于這種模型，本文主要進行了以下研究:
　　 1.研究了視頻摘要的內容、分類以及特點，并且介紹了視頻的結構特性。

2、
　　 2.本文采用了一個基于內容的快速視頻回放方法。本方法運用了基于運動的時間密度函數的時間量化方法尋找最好的時間量子和視頻分段，時間量子和視頻的分段它們兩個是相互聯系的。本文應用遺傳算法利用適應度函數來確定最好的時間量子和視頻分段。實驗結果表明，用遺傳算法提取的關鍵幀要包含更多的信息，并且減少了冗余信息，同時可以得到更好的適應度函數值。
　　 3.對傳統(tǒng)的遺傳算法進行了改進，通過創(chuàng)造和保持種群的多樣性。引進了標準種群

3、多樣性(SPD)和健康種群多樣性(HPD)的測量來保證種群的多樣性?；谶@種改進的自適應遺傳算法，就不會使種群產生局部收斂，可以在全局尋找最優(yōu)解。實驗結果表明，這種算法可以得到很好的適應度函數值，但是由于是全局尋找最優(yōu)解，所以收斂速度比傳統(tǒng)的算法要慢一點。
　　 4.通過利用測試函數來研究改進的自適應遺傳算法和傳統(tǒng)的遺傳算法的性能。通過比較兩種算法得到的平均種群適應度值，種群的多樣性指標SPD和HPD。實驗結果表明，改進的自適應