论文部分内容阅读
视频及图像指纹技术是实现基于内容的视频及图像检索的一种重要信息鉴别技术。基于视频及图像自身特征提取的指纹，可作为识别视频及图像唯一性的判据。一个典型的视频及图像指纹系统，是由视频及图像特征提取和匹配组成的。由于视频可以看成是一段图像序列的集合，视频的指纹也是由一系列的图像指纹序列有序组成的。因此，视频指纹的提取仅仅比图像指纹增加了解码和关键帧标记的过程。在匹配算法方面，二者皆可归结为两个序列的比较问题，其中需要提出相似度判据以实现量化计算。
本研究主要关注于视频及图像指纹算法的实现、应用和改进。在应用方面，研究着眼于嵌入式开发。首先，通过对经典的指纹提取和匹配算法的调研与比较，确定适用于在嵌入式平台上的算法；以此算法为基础，在TI(Texas Instruments)的OMAP3530处理器上构建了一个集版权保护与视频搜索于一体的视频管理系统。为了提高指纹的提取与检索效率，将LUT(Look Up the Table)方法引入指纹的提取中，并提出了一种基于图像匹配的两步匹配过程。算法基于OMAP3530的双核架构进行了优化。用户可以通过电脑从浏览器访问系统，实现视频的在线查询。结果表明，基于该算法的视频管理系统具有高强鲁棒性及速度快的优点，可有效的抵抗高斯、椒盐噪声和转码攻击。
在算法创新方面，本研究重点关注了Zernike矩--一种基于图像形状、具有更好鲁棒性的特征向量。通过对Zernike矩重构图像性能的研究，探讨了其作为图像指纹时所适宜取的最高阶数。在此基础上，研究了基于Zernike矩的图像指纹算法的成对独立性、运算效率和鲁棒性：对比了两类Zernike矩的计算方法，并将小波分析引入每类Zernike矩的运算中，形成了六种Zernike矩算法；针对每种算法提出了相应的相似度模型，使得每种方法所得到的Zernike矩都满足成对独立性，并比较了各种方法的计算效率与伸缩、旋转和平移不变性。结果显示，结合本研究所提出的相似度模型的Zernike矩算法可以有效地应用于图像指纹领域。