论文部分内容阅读
随着社会信息化发展的深入,数字视频涌现并逐渐成为现代信息系统的主要媒体形式。如何有效且快速地对这些海量视频进行管理分析成为一个亟待解决的问题。视频结构分析是对视频进行各类分析的基础和关键。
数字视频从结构上可以分为视频-场景-镜头-关键帧-帧图像几个层次。按照视频的层次,对其进行结构化处理便称为视频结构分析。它包括镜头分割、关键帧提取、场景边界检测几项内容。本文分析总结了视频结构分析的研究现状和存在问题,将尺度不变特征变换引入到视频结构分析领域,并且取得了不错的效果,具体工作内容如下。
1.镜头分割
a)给出镜头的定义及分类。
b)跟踪研究现有的镜头分割算法,并分析总结各类算法的优缺点。
c)提出基于尺度不变特征变换的镜头分割方法,利用相邻帧之间的尺度不变特征匹配情况来描述内容相似性。同时提出一种新的镜头边界检测方法,该方法可以同时检测出镜头的切变和渐变。
d)实验结果表明,该方法对镜头的切变和渐变都有很好的检测效果。
2.关键帧提取
a)给出关键帧的相关定义和提取原则。
b)分析现有的关键帧提取算法及其优缺点。
c)提出基于尺度不变特征的关键帧提取算法。设计了两种匹配机制-连续匹配和模式匹配-将视频分为小的帧簇,每个帧簇里面的帧图像具有高度的内容相似性,然后从每个帧簇里提取具有最多尺度不变特征点的帧图像作为关键帧。
d)进行实验仿真,结果表明,该算法得到的关键帧序列具有很好的代表性。
3.场景边界检测
a)给出了视频场景的定义和分割框架。
b)分析了场景边界检测的关键问题,总结了目前场景边界检测算法。
c)提出基于尺度不变特征的场景边界检测算法。首先对镜头关键帧进行拼接,然后在拼接图像间进行尺度不变特征匹配,匹配情况就反映了镜头的相似度,最后采用时间自适应分组法完成镜头聚类,得到场景边界。
d)仿真结果表明,尺度不变特征是一种有效的场景边界检测特征。
4.视频结构分析系统
a)提出了一个统一的视频结构分析框架。
b)基于提出的框架和上面的优化算法,设计完成了一个视频结构分析系统。该系统能够实现图像的尺度不变特征提取、匹配;输入视频的镜头分割、关键帧提取和场景边界检测;系统也实现了图像和视频的一些其他基本处理的演示。
数字视频从结构上可以分为视频-场景-镜头-关键帧-帧图像几个层次。按照视频的层次,对其进行结构化处理便称为视频结构分析。它包括镜头分割、关键帧提取、场景边界检测几项内容。本文分析总结了视频结构分析的研究现状和存在问题,将尺度不变特征变换引入到视频结构分析领域,并且取得了不错的效果,具体工作内容如下。
1.镜头分割
a)给出镜头的定义及分类。
b)跟踪研究现有的镜头分割算法,并分析总结各类算法的优缺点。
c)提出基于尺度不变特征变换的镜头分割方法,利用相邻帧之间的尺度不变特征匹配情况来描述内容相似性。同时提出一种新的镜头边界检测方法,该方法可以同时检测出镜头的切变和渐变。
d)实验结果表明,该方法对镜头的切变和渐变都有很好的检测效果。
2.关键帧提取
a)给出关键帧的相关定义和提取原则。
b)分析现有的关键帧提取算法及其优缺点。
c)提出基于尺度不变特征的关键帧提取算法。设计了两种匹配机制-连续匹配和模式匹配-将视频分为小的帧簇,每个帧簇里面的帧图像具有高度的内容相似性,然后从每个帧簇里提取具有最多尺度不变特征点的帧图像作为关键帧。
d)进行实验仿真,结果表明,该算法得到的关键帧序列具有很好的代表性。
3.场景边界检测
a)给出了视频场景的定义和分割框架。
b)分析了场景边界检测的关键问题,总结了目前场景边界检测算法。
c)提出基于尺度不变特征的场景边界检测算法。首先对镜头关键帧进行拼接,然后在拼接图像间进行尺度不变特征匹配,匹配情况就反映了镜头的相似度,最后采用时间自适应分组法完成镜头聚类,得到场景边界。
d)仿真结果表明,尺度不变特征是一种有效的场景边界检测特征。
4.视频结构分析系统
a)提出了一个统一的视频结构分析框架。
b)基于提出的框架和上面的优化算法,设计完成了一个视频结构分析系统。该系统能够实现图像的尺度不变特征提取、匹配;输入视频的镜头分割、关键帧提取和场景边界检测;系统也实现了图像和视频的一些其他基本处理的演示。