基于權(quán)重顏色分量和粒子群算法的視頻檢索方法的研究.pdf

1、經(jīng)近年來多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)得到了蓬勃的發(fā)展，使得視頻數(shù)據(jù)海量增加，同時由于視頻數(shù)據(jù)的復(fù)雜性，傳統(tǒng)的數(shù)據(jù)處理方式已經(jīng)不能滿足需求，如何從海量的視頻中快速高效的檢索出所需要的視頻變得十分重要，于是基于內(nèi)容的視頻檢索成為當(dāng)前多媒體領(lǐng)域的研究熱點?；趦?nèi)容的視頻檢索通過對視頻結(jié)構(gòu)分析，將視頻分割成關(guān)鍵幀、鏡頭、場景，最終以鏡頭為單位，根據(jù)用戶提交的視頻示例，在視頻數(shù)據(jù)庫中查找與其相似的視頻片斷，并根據(jù)相似度的高低給出檢索結(jié)果。
　　

2、本文在綜合分析了以往的基于內(nèi)容的視頻檢索方法的基礎(chǔ)上，提出基于權(quán)重顏色分量的鏡頭分割算法和基于粒子群的關(guān)鍵幀提取算法，具體內(nèi)容如下：
　　 (1)本文在研究現(xiàn)有鏡頭邊界檢測方法的基礎(chǔ)上，提出基于權(quán)重顏色分量的鏡頭檢測算法。該方法選擇HSV顏色空間作為特征描述空間，并且將該空間劃分成三個子空間，分別為色調(diào)H子空間、飽和度S子空間、亮度V子空間。利用三個子空間在鏡頭轉(zhuǎn)換類型中所體現(xiàn)出的不同特點，自適應(yīng)的分配子空間權(quán)值，突出變化巨大的

3、子空間，使得鏡頭邊界處和鏡頭內(nèi)部運動更加容易區(qū)分。最后通過實驗驗證算法的有效性。
　　 (2)考慮到視頻中運動是關(guān)鍵幀提取的最主要依據(jù)，本文將運動劃分為兩大類：局部運動和全局運動。首先根據(jù)注意度模型提取視頻左上角區(qū)域的光流特征作為圖像的全局運動特征，同時提取圖像中間區(qū)域的顏色特征作為局部運動特征，然后將全局運動特征和局部運動特征合成為圖像的特征向量。之后本文分析了大量視頻數(shù)據(jù)，選取出五類典型視頻的特征向量，并且以典型視頻特征向量