基于信息熵的視頻檢索技術(shù)研究.pdf

1、隨著視頻壓縮技術(shù)和網(wǎng)絡(luò)傳輸技術(shù)的發(fā)展，視頻由于具有直觀、信息量大等優(yōu)點，成為了人們獲取信息的豐流方式。如何對視頻數(shù)據(jù)進(jìn)行有效的組織和管理以便于人們能夠方便快捷地找到所需要的信息是一個值得研究的課題。視頻檢索的目的就是要從大量的視頻數(shù)據(jù)中找到所需要的視頻片斷。傳統(tǒng)的基于關(guān)鍵詞的檢索方法，關(guān)鍵詞一般采用人工方式進(jìn)行編寫，不儀效率低下而且由于帶有很大的豐觀性，往往提供給用戶的信息并不是用戶需要的信息。為了能夠從大量的視頻數(shù)據(jù)中快速自動準(zhǔn)確地找

2、到所需的視頻片斷，需要實現(xiàn)基于內(nèi)容的視頻檢索。 鏡頭是視頻的基本單元?；趦?nèi)容的視頻檢索過程包括三個步驟：第一步，鏡頭分割，即不同鏡頭之間轉(zhuǎn)換邊界的檢測，第二步，代表幀提取，即每個鏡頭選取一幀或幾幀能表達(dá)鏡頭主要內(nèi)容的代表幀，這些代表幀可以用于視頻內(nèi)容快速瀏覽和作為視頻檢索的索引，第三步，內(nèi)容相近的多個鏡頭進(jìn)行聚類組成更高層次的場景單元。 鏡頭檢測作為視頻分析重要的第一步，直接影響到視頻檢索的成敗。近年來人們已經(jīng)對鏡頭檢

3、測做了大量的研究，但由于視頻的特性，鏡頭檢測中還有很多問題沒能很好的解決，例如如何確定精確的鏡頭轉(zhuǎn)換幀，如何檢測變化不明顯的漸變，如何自動地選取合適的自適應(yīng)閾值都還沒有一個通用有效的方法。因此本文將鏡頭檢測作為研究的重點。 本文研究的重點是將信息熵的知識運(yùn)用到視頻鏡頭檢測中去。第四章討論了幀間熵差法在視頻鏡頭檢測中的應(yīng)用，結(jié)合高斯模型和滑動窗口法確定自適應(yīng)閾值，并使用最大熵分割法確定的分段全局最佳閾值消除滑動窗口法中由于局部極大

4、值造成的誤檢。利用間隔幀間熵差法結(jié)合前面確定的自適應(yīng)閾值檢測漸變。 第五章討論了互信息量在鏡頭檢測中的應(yīng)用，由于同一個鏡頭內(nèi)的互信息量的取值范圍變化很大，因此不能直接利用常規(guī)的自適應(yīng)閾值確定方法，本文提出了結(jié)合均值和高斯模型的突變自適應(yīng)閾值確定方法。對于漸變使用間隔幀間互信息量進(jìn)行檢測。在用鏡頭檢測算法將視頻分割成鏡頭后，需要從鏡頭中提取出關(guān)鍵幀作為視頻的索引依據(jù)。本文第六章對熵差和可信息量在視頻關(guān)鍵幀提取中的應(yīng)用做了一些嘗試。