文摘
英文文摘
声明
第一章绪论
1.1研究背景和意义
1.2国内外研究现状
1.2.1.镜头边界检测
1.2.2关键帧提取
1.2.3视觉特征提取
1.2.4相似性度量
1.2.5相关反馈
1.2.6半监督学习在图像/视频检索中的应用
1.2.7存在的问题
1.3论文研究内容
1.4论文的结构安排
第二章镜头边界检测
2.1镜头边界检测基本概念
2.1.1镜头变换类型
2.1.2帧间相似性度量
2.2典型的镜头边界检测方法
2.2.1帧差分镜头边界检测算法
2.2.2基于子块的镜头边界检测算法
2.2.3直方图匹配算法
2.2.4 基于边缘探测的算法
2.2.5基于模型的算法
2.3基于运动补偿的自适应阈值镜头边界检测算法
2.3.1双阈值镜头边界检测
2.3.2累积帧的定义
2.3.3算法的实现
2.4实验
2.4.1性能参数设置
2.4.2序列图片切变镜头算法实验
2.4.3序列图片渐变镜头算法实验
2.4.4固定阈值时算法查全率和查准率实验
2.4.5自适应阈值时算法查全率和查准率实验
2.5 小结
第三章基于组合相似性的镜头检索
3.1镜头的表示
3.1.1镜头关键帧提取方法
3.1.2关键帧的特征提取
3.2视频检索中的相似性度量
3.3基于组合相似性的镜头相似性度量
3.3.1组合相似性描述
3.3.2镜头的组合相似性度量
3.4镜头检索实现
3.4.1检索分类
3.4.2检索步骤
3.5实验
3.5.1性能参数设置
3.5.2关键帧提取实验
3.5.3镜头检索实验
3.6小结
第四章基于贝叶斯相关反馈的交互式视频检索
4.1相关反馈
4.1.1相关反馈的学习过程
4.1.2相关反馈学习问题的难点
4.2典型的相关反馈算法
4.2.1基于距离度量的方法
4.2.2基于机器学习的方法
4.2.3基于概率统计的方法
4.3基于贝叶斯的视频检索相关反馈算法
4.3.1 Bayesian-VR基本概率框架
4.3.2用户模型的估计
4.3.3标记对象的更新模式
4.3.4 Bayesian-VR检索流程
4.4实验
4.4.1实验设置
4.4.2用户模型参数对实验的影响
4.4.3相关反馈性能测试实验与分析
4.5小结
第五章基于半监督学习的视频检索相关反馈
5.1半监督学习算法
5.1.1 EM方法
5.1.2 Transductive SVM
5.1.3 Co-training方法
5.1.4基于图的方法
5.2基于半监督学习的视频检索相关反馈算法
5.2.1 SS-Bayesian-VR基本框架
5.2.2 SS-Bayesian-VR实现步骤
5.3实验
5.4小结
第六章结论与展望
6.1论文研究工作总结
6.2有待进一步研究的问题
致谢
参考文献
攻读博士学位期间发表的论文