论文部分内容阅读
随着互联网和多媒体技术的迅速发展,包括图像在内的各种多媒体数据的数量正以惊人的速度增长。面对越来越多的海量视频数据,如何快速有效地进行视频内容分析和检索就成为当前视频信息领域的研究热点。本文提出一种基于内容的视频检索方法,主要工作如下：(1)提出一种镜头边界检测方法。利用变步长镜头分割算法进行准突变检测和标记,并对标记位置进行闪光与目标快速运动检测以去除伪突变边界；针对颜色直方图容易丢失图像的空间信息,通过改进的颜色聚合向量直方图来度量突变检测后的镜头帧间差异,并利用非邻帧帧间图像差异进行镜头中的渐变检测。(2)提出一种基于K-均值聚类与互信息量的关键帧提取方法。针对基于互信息量的关键帧提取方法中阈值选取的问题,通过HSV颜色空间提取帧图像特征并映射到高维特征空间,通过K-均值聚类将镜头中的各帧聚成k类,采用互信息熵差函数来确定最佳聚类数,在每个聚类中选择与聚类中心互信息量最大的帧图像作为候选关键帧,提出一种融合策略去除可能重复的候选关键帧,以获得真正的关键帧。(3)提出一种基于视频片段的视频检索方法。通过查询片段中的镜头与视频库中的镜头进行相似性度量,并从视频库中提取出多个相似的视频片段。采用最大匹配法计算出镜头间对应关系,用来确定视频片段的相似程度；结合视频片段相似性的视觉因子、顺序因子、干扰因子和粒度因子来解决视频片段总相似度的度量问题。(4)研究一种基于权值调整的相关反馈方法。将图像检索中的相关反馈引入到视频检索中,通过对视觉、顺序、干扰和粒度因子的权值系数调整来实现相关反馈,以提高视频的检索精度。实验证明,本文的检索方法具有较高的查询精度,更好的满足用户对视频片段的认知要求。