声明
致谢
摘要
插图
表格
1 绪论
1．1研究背景和意义
1．2国内外研究现状
1．3本文的主要工作
2视频摘要概述
2．1视频数据结构简述
2．2视频摘要简述
2．3视频摘要技术概述
2．3．1基于结构化视频的视频摘要技术
2．3．2监控视频摘要技术
2．3．3基于用户视频或第一人称视角视频的视频摘要技术
2．4视频摘要常用数据集
2．5视频摘要技术评估方法
2．6本章小结
3基于感知互信息与内容聚类的视频分割方法
3．1面向结构化视频的镜头边界检测方法介绍
3．2基于感知哈希互信息的视频分割方法
3．3基于聚类的用户视频分割方法
3．4本章小结
4基于稀疏选择和聚类的关键帧提取方法
4．1视频稀疏选择
4．1．1视频帧特征提取
4．1．2基于稀疏选择的候选关键帧提取算法
4．2基于互信息的凝聚层次聚类算法
4．2．1基于自适应阈值的聚类算法
4．2．2凝聚层次聚类算法
4．3关键帧提取
4．4实验结果与分析
4．4．1实验数据集和对比算法介绍
4．4．2算法结果比较和分析
4．5本章小结
5基于内容重要性特征的视频摘要方法
5．1重要性特征
5．1．1图像难忘指数
5．1．2图像信息熵
5．1．3视频捕捉点
5．1．4基于光流的运动信息
5．2基于难忘指数和信息熵的关键帧提取方法
5．2．1难忘指数在关键帧提取中的作用
5．2．2信息熵在关键帧提取中的作用
5．2．3关键帧提取
5．2．4实验结果与分析
5．3基于难忘指数、视频捕捉点和运动信息的动态用户视频摘要方法
5．3．1难忘指数在用户视频摘要中的作用
5．3．2片段重要性计算
5．3．3视频摘要生成
5．3．4实验结果与分析
5．4本章小结
6基于Web图像先验和深度排序的动态视频摘要方法
6．1用于视频摘要生成的大型Flickr图像数据集
6．2深度排序模型
6．2．1 Pairwise深度排序模型
6．2．2改进的triplet深度排序模型
6．3视频摘要生成框架
6．4实验结果和分析
6．4．1实验数据集和对比算法
6．4．2算法实现和评估细节
6．4．3算法结果比较和分析
6．5本章小结
7 紧凑而丰富的关键帧生成方法
7．1关键帧生成框架
7．1．1运动对象检测
7．1．2基于全局对比度的重要性排序
7．1．3基于对象的能量最小化选择
7．1．4能量最小化
7．1．5基于KNN抠图的拼接
7．2实验结果及分析
7．2．1 定性分析
7．2．2定量分析
7．2．3实验评估
7．3本章小结
8总结与展望
8．1研究总结
8．2研究展望
参考文献
攻读博士学位期间主要的研究成果
