數(shù)字視頻處理與管理的若干問(wèn)題研究.pdf

1、視頻由于其同時(shí)包含圖像、聲音、字幕信息，已經(jīng)成為了越來(lái)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(zhǎng)和人們對(duì)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(diǎn)，針對(duì)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(diǎn)研究數(shù)字視頻修復(fù)、分層視頻分析及其數(shù)據(jù)庫(kù)管理的若干問(wèn)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(duì)于視頻中圖像大塊缺損難以修復(fù)的問(wèn)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(jì)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(lái)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(diǎn)：1）它取得了很好的紋理和結(jié)構(gòu)填補(bǔ)結(jié)果。2）它的計(jì)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(duì)

3、于鏡頭檢測(cè)問(wèn)題，我們提出了一種新的基于多特征的鏡頭邊緣檢測(cè)算法，對(duì)于常見(jiàn)的三種鏡頭邊緣類(lèi)型進(jìn)行分通道的檢測(cè)。這種算法利用結(jié)構(gòu)和顏色特征各自的優(yōu)點(diǎn)很好的避免了一般單一特征鏡頭邊緣檢測(cè)算法對(duì)于光照的突變和物體的運(yùn)動(dòng)抗干擾性弱的缺點(diǎn)，并且最后取得了較高的檢測(cè)準(zhǔn)確率。對(duì)于關(guān)鍵幀提取問(wèn)題，針對(duì)目前關(guān)鍵幀提取算法的高計(jì)算復(fù)雜度和對(duì)于廣泛視頻內(nèi)容缺乏自適應(yīng)性的缺點(diǎn)，本文提出一種新的基于動(dòng)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(wèn)題建模為一個(gè)

4、可以用動(dòng)態(tài)規(guī)劃算法求解的全局優(yōu)化問(wèn)題。首先建立二值的幀差矩陣來(lái)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(dòng)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(jì)算復(fù)雜度和對(duì)于視頻內(nèi)容的自適應(yīng)性，而且保持了關(guān)鍵幀的時(shí)間順序，同時(shí)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(kù)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(tái)的數(shù)據(jù)庫(kù)系統(tǒng)支持，我們著重論述了數(shù)據(jù)庫(kù)跨平臺(tái)應(yīng)用問(wèn)題。我們?cè)敿?xì)分析了