2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)字視頻屬于國家重點發(fā)展的信息產業(yè)領域,隨著寬帶網絡和數(shù)字電視的迅速發(fā)展,視頻點播、交互電視、視頻網站等應用需求將越來越廣泛,這些應用都將共同面臨大量涌現(xiàn)的數(shù)字化視頻數(shù)據(jù)。但線性的、非結構化的視頻數(shù)據(jù)形式往往使得視頻瀏覽效率非常低下。視頻摘要技術就是在這種情況下誕生的,該技術的結果是對原始視頻主要內容的概括,對基于視頻的各種應用具有廣泛的意義。
   本文在綜合分析已有的基于內容的視頻摘要方法的基礎上,提出基于改進的蟻群算法與凝

2、聚相結合的關鍵幀提取方法、基于語義的視頻場景檢測方法以及基于時空特征融合的視覺注意模型的場景摘要生成方法,并設計實現(xiàn)相應的原型系統(tǒng)。具體內容如下:
   (1)提出改進的蟻群算法與凝聚相結合的關鍵幀提取方法。該方法先通過改進的蟻群算法自組織地形成一個初始聚類,再對初始聚類結果執(zhí)行凝聚算法,優(yōu)化初始聚類結果并加快算法收斂,最終提取代表整個鏡頭內容的關鍵幀。從而有效地解決傳統(tǒng)聚類法提取關鍵幀時對初值敏感、容易出現(xiàn)早熟和需利用先驗知識

3、來確定聚類類別數(shù)等問題。
   (2)提出一種基于語義的視頻場景檢測方法。該方法首先提取視頻幀的多個底層特征,并對其進行核函數(shù)級的線性加權處理,然后利用支持向量機(SVM)對處理后的特征向量進行語義分類預測,生成鏡頭的語義概念矢量,最后根據(jù)語義概念矢量對鏡頭聚類得到場景。從而克服了傳統(tǒng)場景檢測中只采用視頻底層特征而不考慮視頻高層語義的問題,并較好地實現(xiàn)了場景檢測。
   (3)提出基于時空特征融合的視覺注意模型的場景摘要

4、生成方法。將時空特征融合的視覺注意模型引入到場景摘要生成過程中,提取鏡頭的空間域顯著度和時間域顯著度,將空間域顯著度和時間域顯著度進行結合得到鏡頭的視覺注意度;同時,考慮鏡頭的持續(xù)時間,提出鏡頭的持續(xù)度,并將鏡頭的視覺注意度和時間持續(xù)度加權求和,得到鏡頭的重要度。根據(jù)鏡頭重要度的大小選出場景中重要的鏡頭,通過把重要鏡頭的關鍵幀按時序排列輸出,生成代表場景主要內容的場景摘要。
   (4)采用面向對象思想設計并開發(fā)場景摘要生成的原

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論