基于信息熵和運(yùn)動(dòng)信息的視頻鏡頭檢測(cè).pdf

1、數(shù)字信息時(shí)代的到來使人們可以很方便的獲取到大量的視頻數(shù)據(jù)，如何對(duì)這些數(shù)據(jù)進(jìn)行高效檢索成為一個(gè)急需解決的問題?；趦?nèi)容的視頻檢索（ContentBased Video Retrieval, CBVR）技術(shù)因此應(yīng)運(yùn)而生。在基于內(nèi)容的視頻檢索中，一般要進(jìn)行的第一個(gè)步驟就是將視頻序列分割為基本的鏡頭，即進(jìn)行鏡頭檢測(cè)。 鏡頭檢測(cè)的任務(wù)就是將視頻序列按照時(shí)間和空間的變化分割成一個(gè)個(gè)基本的鏡頭。 鏡頭邊界可以分為兩種，一種是突變，一種

2、是漸變。在突變中，兩個(gè)鏡頭是直接連接在一起實(shí)現(xiàn)的，鏡頭之間沒有使用任何的視頻邊界特效；而在漸變中，使用了多種鏡頭編輯方法，使得鏡頭間的連接和過渡更加自然、緊密、美觀。漸變又可以細(xì)分成淡入淡出(fade)、融合(dissolve)、旋轉(zhuǎn)(spin)、翻轉(zhuǎn)(wipe)等等。一般而言，對(duì)于漸變邊界的檢測(cè)的難度要大于對(duì)突變邊界的檢測(cè)，這也是鏡頭檢測(cè)中的關(guān)鍵點(diǎn)。 關(guān)于鏡頭邊界檢測(cè)，目前已經(jīng)提出了許多的算法?？偟膩碚f，在目前已經(jīng)提出的算法中

3、，對(duì)于突變邊界的檢測(cè)已經(jīng)達(dá)到了相當(dāng)高的檢中率和查準(zhǔn)率，但是對(duì)于漸變邊界，還沒有一種算法能夠取得非常好的效果，而漸變邊界比突變邊界往往具有更深刻的語義信息。 信息論是運(yùn)用概率論與數(shù)理統(tǒng)計(jì)的方法研究信息、信息熵、通信系統(tǒng)、數(shù)據(jù)傳輸、密碼學(xué)、數(shù)據(jù)壓縮等問題的應(yīng)用數(shù)學(xué)學(xué)科。鏡頭的變化本質(zhì)上就是信息的變化，因此，研究人員也采用了信息論的觀點(diǎn)來進(jìn)行鏡頭邊界檢測(cè)?；谛畔⒄摰挠^點(diǎn)來進(jìn)行鏡頭檢測(cè)的方法相對(duì)其它算法直觀高效，在鏡頭檢測(cè)中取得了不俗

4、的成績，但是在漸變鏡頭中出現(xiàn)頻率非常高的鏡頭漸變尤其是鏡頭融合顯得力不從心。因此，我們?cè)谶@方面進(jìn)行了一些研究，在信息論的基礎(chǔ)上，提出了一種結(jié)合信息論和運(yùn)動(dòng)信息的鏡頭檢測(cè)算法。 本文的研究成果如下： 1、詳細(xì)介紹了基于信息論的鏡頭檢測(cè)方法，并指出了其在鏡頭漸變檢測(cè)上的不足，提出了改進(jìn)的方案。 2、對(duì)運(yùn)動(dòng)預(yù)測(cè)在鏡頭檢測(cè)中的作用進(jìn)行了分析，指出了其不足和優(yōu)勢(shì)，并在交叉菱形—六邊形搜索法基礎(chǔ)上，提出了一種有限的雙交叉菱形

5、—六邊形算法，并將其應(yīng)用到了鏡頭檢測(cè)當(dāng)中，該算法能夠以較少的搜索次數(shù)獲取像素塊的運(yùn)動(dòng)信息，而不是極端的追求完全匹配的像素塊。 3、針對(duì)現(xiàn)有基于信息論的鏡頭檢測(cè)方法中存在的問題，提出了一種結(jié)合信息論和運(yùn)動(dòng)信息的鏡頭檢測(cè)算法，將運(yùn)動(dòng)統(tǒng)計(jì)信息和聯(lián)合熵值的變化結(jié)合起來共同檢測(cè)鏡頭變換。該算法根據(jù)幀間互信息MI 值的變化來檢測(cè)鏡頭突變，根據(jù)聯(lián)合熵均值變化來檢測(cè)鏡頭淡入淡出。運(yùn)動(dòng)預(yù)測(cè)信息更多的是用于鏡頭融合的檢測(cè)，通過統(tǒng)計(jì)幀間的運(yùn)動(dòng)變化信息