基于智能軟計(jì)算的視頻鏡頭分割算法研究.pdf

1、基于內(nèi)容的視頻檢索是近年來國際上在信息檢索領(lǐng)域最前沿和最活躍的研究方向之一。由于其在信息檢索和數(shù)據(jù)挖掘領(lǐng)域已經(jīng)展現(xiàn)出有效而廣闊的理論和應(yīng)用前景，從而備受國內(nèi)外研究學(xué)者和專家的高度關(guān)注。本論文針對(duì)視頻檢索中的關(guān)鍵技術(shù)——鏡頭邊界檢測(cè)，以粗糙集、聚類分析等軟計(jì)算方法為基礎(chǔ)，研究并提出了一些實(shí)時(shí)有效的新方法，利用視頻的多條檢索線索實(shí)現(xiàn)了新聞條目的分割。主要研究工作如下： 第一章介紹了本文研究的背景和意義，概述了基于內(nèi)容的視頻檢索和鏡頭

2、邊界檢測(cè)的研究進(jìn)展及現(xiàn)狀，分析了鏡頭邊界檢測(cè)研究中存在的問題。 第二章首先簡述了軟計(jì)算的定義及分類，重點(diǎn)討論了本文中用到的幾種軟計(jì)算方法以及與粗糙集的融合，分析并比較了其性能。 第三章分析了視頻特征、鏡頭過渡類型和粗糙集條件屬性、決策屬性之間的關(guān)系，提出了一種基于粗糙集和模糊聚類的鏡頭邊界檢測(cè)方法，成功地應(yīng)用于新聞視頻片斷中突變、漸變和無場(chǎng)景鏡頭邊界的檢測(cè)。針對(duì)粗糙集在處理連續(xù)數(shù)據(jù)的時(shí)需進(jìn)行數(shù)據(jù)離散化的缺陷，引入了模糊粗

3、糙集概念，給出了模糊粗糙算子定義。根據(jù)視頻數(shù)據(jù)量大的特點(diǎn)，提出了“先訓(xùn)練再檢測(cè)”的具體檢測(cè)流程以及算法中的門限選擇方法，提高了自動(dòng)化檢測(cè)程度。 第四章研究了傳統(tǒng)粗糙集對(duì)于數(shù)據(jù)準(zhǔn)確性要求過于苛嚴(yán)的問題，并分析了模糊c-峰值算法的局限性，從而引入變精度粗糙集，提出了變精度粗糙集特征加權(quán)聚類。針對(duì)數(shù)值型和混合型數(shù)據(jù)，建立了適用于混合數(shù)據(jù)聚類且具有特征加權(quán)的目標(biāo)函數(shù)，提出了基于變精度模糊粗糙集和變精度粗糙集的特征加權(quán)新算法，給出了鏡頭邊

4、界檢測(cè)的算法流程，并在不同的數(shù)據(jù)集和視頻數(shù)據(jù)上對(duì)算法進(jìn)行了驗(yàn)證。 第五章根據(jù)仿生模式識(shí)別與傳統(tǒng)模式識(shí)別的區(qū)別，結(jié)合仿生模式識(shí)別的基本特性，給出了仿生模式識(shí)別實(shí)現(xiàn)的一個(gè)基本方式——高維空間幾何理論。分析了多權(quán)值神經(jīng)網(wǎng)絡(luò)與高維空間閉合超曲面，提出了一種基于仿生模式識(shí)別的鏡頭邊界檢測(cè)方法。該方法利用雙權(quán)值神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)，為鏡頭邊界檢測(cè)方法研究開辟了一條十分有效的途徑。 第六章將鏡頭邊界檢測(cè)與其它檢索線索相結(jié)合應(yīng)用于視頻檢索——