论文部分内容阅读
随着多媒体和网络技术的飞速发展,人们越来越容易获得大量的视频信息,对这些信息的组织、管理和检索将直接影响对这些信息的有效利用。基于内容的视频检索正是为解决该问题而引入的一个新的研究领域,并逐渐成为多媒体领域的研究热点,其中视频分段是基于内容视频检索的基础和重要步骤。视频分段包括视频镜头边界检测和场景分割。论文在分析突变镜头特点的基础上,设计了一种新颖的滑动窗帧差模型,并依据该模型推导出了镜头边界系数的计算方法。通过采用镜头边界系数与非均匀分块和高斯加权HSV直方图相结合的方法获得帧间差,将此帧间差作为自组织映射神经网络分类器的输入值,进行分类处理后便得到突变镜头集。渐变镜头检测采用的是基于幅角-模值联合直方图算法。在对帧图像作一次两层的小波变换后,求获得低频分量图像的梯度,以该梯度的幅角和模值组成的联合直方图绝对差为特征,并对该特征进行形态学开运算以得到更加光滑的曲线,采用滑动窗高斯模型确定渐变镜头集。在检测出镜头边界的基础上,通过提取镜头关键帧,求出各关键帧的颜色结构直方图并对其进行模糊聚类分析,进而对视频的场景进行分割。实验结果表明,突变镜头检测算法具有很强的鲁棒性,对任意视频都能取得很高的准确率和查全率;渐变镜头检测算法并非只针对某种特定的渐变类型有效,对于各种渐变类型都有较好的检测性能;场景分割算法也取得了较好的效果,但由于涉及到聚类阈值的选取,因此自适应程度不高,需要进行进一步的研究和改进。