基于内容的视频检索是未来多媒体应用的一个重要方面。镜头分割亦称镜头边界检测是视频检索的关键技术,是实现视频检索的基础,检测的精度好坏直接影响到视频检索的成败和精度。本文主要利用神经网络与小波等相关理论对基于内容视频检索技术中的视频镜头边界检测进行了较为深入的研究。　　 首先,提出了一种基于纹理和直方图特征相融合的镜头突变方法。该方法通过小波变换得到视频帧的纹理特征,并将其与色彩直方图特征相融合,采用滑动窗口技术对视频镜头进行检测。实验表明,该方法能够有效的检测镜头的突变。　　 其次,提出了一种多特征融合的镜头边界检测方法。该方法融合了视频帧的HSV直方图特征、边缘特征和纹理特征,计算出不连续帧。最后,采用Kohonen自组织网络对不连续帧值进行分类得到镜头边界。实验结果表明该方法不仅是可行和有效的,也解决了需要阈值的问题。　　 最后,将视频的多帧差序列视为一维信号,改进了一种基于小波去噪的二次帧差滑动窗口镜头边界检测方法。仿真实验表明该方法在一定程度上克服了由于摄像机不规则运动、光影变化,画面中物体快速运动等造成的影响,通过对不同视频片段的测试和比较,表明本文提出的算法能较好地实现镜头的渐变检测。