多模態(tài)融合的新聞故事單元分割.pdf

1、對視頻數(shù)據(jù)的有效處理、瀏覽、檢索和管理正伴隨著視頻數(shù)據(jù)的快速增長而成為亟待解決的現(xiàn)實(shí)問題。視頻內(nèi)容分析技術(shù)旨在將非結(jié)構(gòu)化的視頻數(shù)據(jù)結(jié)構(gòu)化，并提取其中的語義內(nèi)容，構(gòu)建低層特征到高層語義之間的橋梁，最終建立視頻的摘要、索引和檢索等應(yīng)用系統(tǒng)，提供給用戶方便的視頻內(nèi)容獲取方式。
　　 本文以新聞視頻為研究對象，通過對字幕、音頻、視頻這三個(gè)不同類型信息的研究，實(shí)現(xiàn)了對新聞視頻故事單元的分割。并以Visual C++為開發(fā)平臺，設(shè)計(jì)并實(shí)現(xiàn)了

2、一個(gè)新聞視頻故事單元分割系統(tǒng)。
　　 本文首先對視頻進(jìn)行了結(jié)構(gòu)化的處理，提出了一種改進(jìn)的鏡頭邊界檢測方法，即對運(yùn)動補(bǔ)償之后的像素不變點(diǎn)采用自適應(yīng)雙閾值來判定切變鏡頭和漸變鏡頭。在此基礎(chǔ)之上，對一種字幕檢測算法進(jìn)行了改進(jìn)，利用小波變換提取圖像特征，對其進(jìn)行模糊C均值聚類，判斷出圖像幀中的字幕信息；同時(shí)以提取的關(guān)鍵幀為基礎(chǔ)實(shí)現(xiàn)一種主持人鏡頭的檢測方法，利用新聞視頻中主持人鏡頭的固有特點(diǎn)，提取區(qū)域圖像的顏色特征進(jìn)行判斷，將鏡頭分為主持