視頻信息內(nèi)容管理關鍵問題研究.pdf

1、隨著網(wǎng)絡通訊和多媒體技術的迅猛發(fā)展，視頻信息近年來呈現(xiàn)出爆炸式的增長態(tài)勢。相應地，以視頻信息為中心的應用也層出不窮，如網(wǎng)絡電視，3G視頻通信、視頻點播和視頻分享等。由此引發(fā)了視頻信息獲取和傳播方式的深刻變革——傳統(tǒng)意義上單一、被動的信息獲取模式正在被多元化、互動式的媒體交互業(yè)務所取代。與此同時，視頻信息數(shù)量的膨脹和應用模式的擴展也逐漸顯現(xiàn)出諸多技術和社會問題。一方面，人們對視頻信息組織、利用、版權管理和內(nèi)容認證等需求日益增強。另一方面，

2、傳統(tǒng)的索引、檢索和信息安全等技術又難以直接應用于視頻信息。因此，如何針對視頻信息的特性，研究完善、高效的視頻信息內(nèi)容管理機制已經(jīng)成為當前學術界和多媒體產(chǎn)業(yè)界所廣泛關注的熱點問題。
　　本文從視頻信息的基本特性出發(fā)，圍繞視頻信息應用過程中所顯現(xiàn)出的需求，對視頻信息管理中的關鍵問題進行研究。本文的研究工作旨在通過設計有效的內(nèi)容管理機制來提高視頻信息的可利用性以及可信任性。研究內(nèi)容主要涉及視頻結構解析、視頻摘要、視頻內(nèi)容識別以及視頻內(nèi)容

3、認證。
　　本文的研究工作和創(chuàng)新點在于：
　?。?）提出一種快速的鏡頭邊界檢測通用框架，以解決現(xiàn)有鏡頭邊界檢測算法運算復雜度高的弊端。本文工作并不拘泥于特定的切變或漸變檢測算法，而是致力于提出一種能夠提高鏡頭檢測效率、并具有普遍適用性的通用框架。該框架采用多項預處理技術初步剔除非鏡頭區(qū)域并預測鏡頭邊界的屬性。另一方面，提出一種并行于視頻編碼的快速鏡頭檢測算法。算法通過有效地利用視頻編碼過程中產(chǎn)生的邊帶信息來輔助鏡頭檢測。仿真

4、實驗表明，本文算法在顯著提高鏡頭檢測效率的同時，還可以達到理想的檢測準確度。
　?。?）提出基于視覺注意力模型和在線聚類的視頻摘要算法。在詳盡分析注意力形成過程的視神經(jīng)生理學機制的基礎上，將注意力模型引入關鍵幀提取過程。通過模擬視覺系統(tǒng)各功能單元在注意力形成過程中的作用機理來自動檢測幀內(nèi)的關鍵目標，并以此作為關鍵幀提取的依據(jù)。為了保證關鍵幀的簡潔性、降低存儲需求并實現(xiàn)實時的摘要顯示，算法提出針對感興趣區(qū)域特征的在線聚類方案。仿真實

5、驗表明，本文算法具有內(nèi)容自適應性，所提取的關鍵幀集合在一定程度上能夠較好地與主觀觀察結果相吻合。
　?。?）提出基于時空域顯著點的視頻識別算法，以 Harris顯著點檢測器和運動軌跡跟蹤技術為基礎，對顯著點的空域顯著性和時域穩(wěn)定性進行衡量，最終選取最穩(wěn)定的時空域顯著點作為視頻識別特征。算法將Hausdorff距離引入特征匹配，以應對顯著點的無序性。此外，本文還提出基于非負矩陣分解的視頻識別算法，推導了Euclidean范數(shù)準則下的

6、非負矩陣分解算法。在此基礎上，利用非負矩陣分解提取能夠綜合反映視頻信息時空內(nèi)容本質(zhì)的基圖像，以基圖像作為視頻識別的切入點。實驗結果表明，本文提出的兩種算法可以實現(xiàn)精確的視頻識別，性能優(yōu)于同比算法。此外，時空域顯著點可以有效地抵御幾何失真對視頻識別的影響。
　?。?）對魯棒哈希函數(shù)在視頻內(nèi)容認證中的應用進行了研究，闡述了哈希函數(shù)概念和應用領域的拓展。提出了基于隨機 Gabor濾波和抖動格型矢量量化的魯棒哈希函數(shù)。通過構造具有旋轉不變

7、性的Gabor濾波器來增強魯棒哈希對旋轉操作的抵御能力。為了保證特征提取的安全性，提出依賴于密鑰的隨機Gabor濾波方案，并探討了魯棒哈希函數(shù)中安全性和隨機性之間關系。針對現(xiàn)有量化器的局限性，算法提出基于抖動格型矢量量化的量化方案，并通過理論分析和實驗驗證對該量化方案的有效性進行論述。實驗和分析結果表明，本文算法在魯棒性和區(qū)分性方面都有良好的表現(xiàn)，尤其是在對旋轉操作的魯棒性方面明顯優(yōu)于代表性算法。此外，針對視頻信息的特性，提出一種基于視