多媒體語義提取方法及其在視頻水印中的應用研究.pdf

1、隨著計算機和網(wǎng)絡技術(shù)的飛速發(fā)展，視頻和圖像等多媒體數(shù)據(jù)呈幾何級數(shù)增長，同時人們對這些視覺媒體內(nèi)容的需求也越來越多，越來越廣泛，因此如何從浩如煙海的數(shù)據(jù)資源中實現(xiàn)信息檢索逐漸成為目前的研究熱點。但是現(xiàn)有的檢索技術(shù)多是基于底層視覺特征的檢索，與人們所能理解的高層語義概念相去甚遠，這嚴重地影響檢索的實際效果。多媒體數(shù)據(jù)所包含的語義內(nèi)容無法用底層視覺特征來準確表述，即在底層視覺特征和包含的語義之間存在著“語義鴻溝(Semantic Gap)”，

2、如何跨越“語義鴻溝”，有效的提取語義信息，已經(jīng)成為多媒體研究領域中一個亟待解決的問題。 首先，論文闡述了基于內(nèi)容的信息檢索技術(shù)(Content Based Information Retrieval，CBIR)的研究和發(fā)展現(xiàn)狀，介紹了語義提取研究的相關(guān)理論及當前常用的語義提取方法，包括基于機器學習的語義提取方法、基于反饋學習的語義提取方法和結(jié)合特定領域的語義提取方法等。論文研究并實現(xiàn)了兩種典型的基于機器學習的圖像語義提取方法，包括基于支

3、持向量機(Support Vector Machine，SVM)的語義提取和基于一致語言模型(Coherent Language Model，CLM)的語義提取。實驗結(jié)果表明，這兩種方法對圖像有較好的語義提取效果。
　　 其次，論文提出了一種基于模糊關(guān)聯(lián)分類的視頻語義提取方法，該方法引入模糊概念，解決了關(guān)聯(lián)規(guī)則挖掘“邊界過硬”問題；把關(guān)聯(lián)分類規(guī)則挖掘看作約束優(yōu)化問題，通過構(gòu)造自適應懲罰親和度函數(shù)，以提高評估抗體優(yōu)劣程度的準確性；

4、采用混合雙變異算子，以獲得更好的全局和局部搜索能力；采用老化算子，在保證種群多樣性的同時減小了計算復雜度。論文將該方法用于視頻運動語義和紋理語義提取，取得了令人滿意的實驗結(jié)果。
　　 最后，論文將高層語義應用到視頻數(shù)字水印中，提出了一種基于視頻語義的AVS(Audio Video coding standard)壓縮域魯棒水印方法，該方法利用獲得的視頻運動語義，在線生成動態(tài)語義水印；根據(jù)運動語義自適應確定感興趣鏡頭，根據(jù)紋理語義