數(shù)字視頻處理與管理的若干問題研究.pdf

1、視頻由于其同時包含圖像、聲音、字幕信息，已經(jīng)成為了越來越受歡迎的信息載體。而隨著數(shù)字視頻數(shù)量的飛速增長和人們對于數(shù)字視頻內(nèi)容質(zhì)量要求的不斷提高，數(shù)字視頻處理與數(shù)字視頻管理技術(shù)成為了研究的熱點，針對這種需求，本文在數(shù)字視頻處理與管理系統(tǒng)框架內(nèi)重點研究數(shù)字視頻修復(fù)、分層視頻分析及其數(shù)據(jù)庫管理的若干問題。 首先，在數(shù)字視頻處理模塊,為了解決視頻處理技術(shù)中對于視頻中圖像大塊缺損難以修復(fù)的問題，本文提出了一種有結(jié)構(gòu)引導(dǎo)的置信度傳播算法，它

2、是一種由粗到精的算法，它被建模為一種新穎的基于樣本的結(jié)構(gòu)信息估計模塊和BP的聯(lián)結(jié)。這種方法的基本思想在于我們可以利用基于樣本的方法先大致恢復(fù)出缺損區(qū)域的結(jié)構(gòu)信息，然后再根據(jù)粗略恢復(fù)出的圖像用BP方法來進(jìn)行圖像結(jié)構(gòu)和紋理的進(jìn)一步優(yōu)化。這種方法有兩方面的優(yōu)點：1）它取得了很好的紋理和結(jié)構(gòu)填補結(jié)果。2）它的計算復(fù)雜度遠(yuǎn)遠(yuǎn)低于普通的BP算法。 其次，在數(shù)字視頻管理模塊,我們采用了基于視頻—鏡頭—關(guān)鍵幀—視頻摘要的分層視頻數(shù)據(jù)管理方法。對

3、于鏡頭檢測問題，我們提出了一種新的基于多特征的鏡頭邊緣檢測算法，對于常見的三種鏡頭邊緣類型進(jìn)行分通道的檢測。這種算法利用結(jié)構(gòu)和顏色特征各自的優(yōu)點很好的避免了一般單一特征鏡頭邊緣檢測算法對于光照的突變和物體的運動抗干擾性弱的缺點，并且最后取得了較高的檢測準(zhǔn)確率。對于關(guān)鍵幀提取問題，針對目前關(guān)鍵幀提取算法的高計算復(fù)雜度和對于廣泛視頻內(nèi)容缺乏自適應(yīng)性的缺點，本文提出一種新的基于動態(tài)規(guī)劃的自適應(yīng)關(guān)鍵幀提取算法，這種方法把關(guān)鍵幀提取問題建模為一個

4、可以用動態(tài)規(guī)劃算法求解的全局優(yōu)化問題。首先建立二值的幀差矩陣來表示低維特征空間中幀與幀之間的相似性度量，然后使用動態(tài)規(guī)劃算法分割幀差矩陣從而提取出關(guān)鍵幀。該算法具有低計算復(fù)雜度和對于視頻內(nèi)容的自適應(yīng)性，而且保持了關(guān)鍵幀的時間順序，同時可以十分方便的根據(jù)需要調(diào)節(jié)關(guān)鍵幀的數(shù)目。 最后，在系統(tǒng)最后的數(shù)據(jù)庫管理中，考慮到嵌入式設(shè)備的廣泛應(yīng)用，為了使我們的系統(tǒng)得到可跨平臺的數(shù)據(jù)庫系統(tǒng)支持，我們著重論述了數(shù)據(jù)庫跨平臺應(yīng)用問題。我們詳細(xì)分析了