【硕士论文】视频序列运动估计技术及关键帧提取技术的研究.pdf

《【硕士论文】视频序列运动估计技术及关键帧提取技术的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、摘要视频信息应用越来越广泛，其典型代表如网上购物、视频网站、视频点播以及数字图书馆等。其中关键技术主要集中在压缩、传输、管理控制和检索等方面。由于视频信息量大，内容丰富，使得对其进行有效的管理和检索成为一个困难而又必须解决的课题。对于视频的管理和检索主要体现在基于视频文件和其描述方面，不能从视频文件内部进行操作，也就是无法基于视频的实际内容进行处理，而这往往又是用户所关心的。因此就引发了视频处理的一个新领域：基于内容的视频检索(CBVR)。基于内容的视频检索是多媒体数据库信息检索中的一门新兴技术。它是指从视频数据中直接提取出对象的语义特征，如

2、：图像的颜色、纹理、形状、镜头、场景、镜头的运动，然后根据这些线索从大量存储在数据库中的视频流进行查找，检索出具有相似的视频数据。本论文围绕这一领域作了以下工作：1、论文第一部分先介绍基于内容的视频检索的应用、系统组成以及系统各部分的功能。然后比较系统地总结了经典关键帧提取的算法与原理及各自的优缺点。这部分的内容是本论文的主要研究内容的理论基础。2、论文第二部分主要讨论了二维运动估计技术，主要针对块匹配运动估计法，介绍了块匹配法的原理、匹配准则，详细的研究了几种重要的快速搜索算法，通过实验，对这几种算法的估计性能进行分析比较，并给出比较结果。

3、这部分的内容是非常重要的，是本论文主要研究的内容之一，是本论文提出的基于最大运动变化信息熵的关键帧提取算法的理论基础。3、论文的第三部分主要论述了本论文的重点：基于最大运动变化信息熵的视频序列关键帧提取算法，详细的介绍了算法的原理、软件流程图、具体算法的实现。最后通过相关对比实验，证明该算法明显优于等间隔关键帧提取算法，该算法提取的关键帧较完整的表现了序列图像的运动过程，更有利于对视频内容的理解。4、最后对本论文的研究工作做了简单的总结，提出后续工作的展望。【关键词】基于内容的检索，关键帧，运动估计，块匹配AbstractApplicatio

4、nofthevideoinformationismorcandmoreextensive，suchasanddigitalshoppingonline，videoweb，VODlibrary，etc．ThetechnologyamongthemismainlyconcentratedOiltheserespects：videocompressing，transmitting，management，controlandsearching，etc．Becausevideoinformationisheavy，andabundantinconten

5、t，videoeffectivemanagementandsearchbecomesadifficultsubject．Today，themanagementandsearchofvideoisdonemainlybasedODvideofileanditsdescribing，whichcan’toperatefromtheintracontentofvideo，however，itisusuallywhattheusercares．Sooccuranewfieldaboutvideoprocessing：ContentBasedVideo

6、Retrieval(CBVm．Content—basedVideoRetrievalisanewlyarisentechniqueininformationretrievalofmultimediadatabase．Itextractsobjectsemanticfeaturesstraightfromvideodata，suchas：imagecolor，texture，shape，shot，sccne，shotmotion，etc．Thensearchandretrievalsimilarityvideodatafromalotofvid

7、eostreamsindatabasebasedthesefeature，Thispaperhavedonethefollowinggroundworkaroundthisfield：1、Inthefirstpart，theapplication、systemconstitutes、andrespectivefunctionofContent—basedVideoRetrievalarediscussedbrieflyandfirstly．Thensummarizethetheory，meritanddemeritofthearithmeti

8、cofclassickey-flameextraction．Thispaperisbasedonthesecontent．2、Inthesecondpart，mai