基于数据挖掘的镜头分类技术研究

《基于数据挖掘的镜头分类技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、金名彦象零之彦硕士学位论文：零零，：

2、lj重庆邮电大学硕士学位论文(题名和副题名)硕士研究生芝奎指导教师至璺盥墼蕉学科专业盐差垫麈旦垫垄论文提交日期2QQ!生5旦论文答辩日期至QQ!生§且2目论文评阅人谶型垄砬毖翌卫坠j垒丝趣蝗必竖答辩委员会主席金生蕴丝蕉亟壶盘茎2007年5月30日重庆邮电大学硕士论文摘要基于内容的视频检索是当前多媒体领域的研究热点。镜头分类，是基于内容的视频检索的基础工作。运动信息是描述视频的一种重要信息，是视频所独有的特征。运动信息有两种，全局运动和局部运动。全局运动代表摄像头的运动，局部运动代表视频里的目标运动。虽然人们一般更加关心视

3、频里的目标运动，但是摄像头的运动也包含着重要信息，也是对视频中人物或事件变化的一种反映。为了实现镜头分类，首先必须区分全局运动和局部运动。本文根据MPE(3编码的特点，在传统自组织映射算法(SOM)的基础上，提出了多层次自组织映射算法(MSOM)。通过采用多层次的神经网络，MSOM解决了传统SOM算法在有冲突的情况下，造成分类误差的问题。为了进一步提高算法的执行效率，通过引入主成分分析方法(PCA)，本文提出了基于主成分分析的多层次自组织映射算法(MPCA．MSOM)。MPCA-MSOM算法在保持较高识别率的同时，大大降低了计算复杂性，提高了执行效率。仿真实

4、验的结果表明，相对于其它同类算法，MSOM和MPCA．MSOM算法提高了分类的识别率，在利用运动信息的镜头分类中有更好的效果。关键词；视频检索，镜头分类，数据挖掘，自组织映射，主成分分析重庆邮电大学硕士论文AbstractContent··basedvideoretrievalisahottopicinthefieldofmulti·mediastudy．Shotclassificationisoneofthefoundationworksofcontend·basedvideoretrieval．Motioninformationisveryimporta

5、ntfordescribingvideosinceitisauniquefeatureofvideo．TherearetWOtypesofvideomotions，theyareglobalmotionsandlocalmotions．Globalmotionsrepresentmovementsofcameras，whilelocalmotionsrepresentmovementsofobjectsshotbycameras，Whilewinchingvideo，peopleusuallypaymoreattentiontolocalmotionstha

6、nglobalones．However,globalmotionsalsocontainsomeusefulinformationaboutobjects’movements．Inordertoclassifydifferentshotswell，agoodclassifierisneededtodistinguishPframesofbothglobalandlocalmotions．Inthisthesis，accordingtocodingcharacteristicsofMPEG，twonovelalgorithms，multi-layerseIf-

7、organizingmaps(MSOM)andmulti-layerprincipalcomponentanalysismulti-layerself-organizingmaps(MPCA-MSOM)areproposedfordesigningaclassifier．TheMSOMalgorithmisanimprovementofself-organizingmaps(SOM)．AlthoughSOMisagoodclassifierforhandlinguncertaintyandinconsistencydata，itwillstillmakemi

8、sclassificationwhencollisionOccurs．TheMSOMalgorithmisproposedtosolvethisproblem．IntheMSOMalgorithm，theimpreciseclusteringinthetraditionalSOMalgorithmissubdividedlayerbylayer．TheMPCA·MSOMalgorithmisacombinationofSOMandprincipalcomponentanalysis(PCA)．AnimportantvirtueofPCAistoreducet

9、hedimensionalityofadataset