论文部分内容阅读
如今各行各业都涌现出了种类多样的数字视频,随着互联网技术的发展和图像视频处理技术的广泛运用,也使得我们对于视频数据的获取和传播越来越方便和快捷。但是对于出现的大量视频文件,如何快速的浏览其中的内容以便我们查找需要的信息,是一个亟待解决的课题。在此背景下,出现了视频浓缩技术,通过关键帧提取等技术从原始视频中提取关键的信息组成缩略视频,让用户能够快速的浏览整个视频的内容。虽然视频浓缩技术已经发展了一段时间,但是还是存在着一些问题。第一,目前的视频浓缩算法大多效率不高,提取的缩略视频不够简洁,存在过多冗余信息;第二,对于场景繁多内容复杂的视频,无法从中提取比较有效的缩略视频,容易产生误判断。所以为了解决这两个问题,有必要对于现有的视频浓缩技术进行改进,提高视频浓缩的效率和功能。本文首先总结和分析了视频浓缩过程中用到的场景检测算法、图像特征提取、关键帧提取算法等关键技术。考虑到视频浓缩系统需要应对各种场景复杂,内容多样的视频文件,如果采用单一的图像特征容易造成场景边界误检测和图像相似性度量不够准确的问题,本文融合多种图像特征来进行视频浓缩的工作。采用颜色直方图计算颜色特征,采用小波变换提取纹理特征,融合多种特征同时反映图像的整体和局部信息,能够准确地进行图像间相似性度量。对于目前的很多关键帧提取算法只能解决单一的场景切变或者场景渐变的问题,提出了一种基于聚类算法的关键帧提取方法,并改进了原有的聚类算法,使其具有自适应性的同时提高了聚类的效率和准确度;接着将各个模块集合在一起,实现了视频浓缩系统,能够从输入视频中提取出一段代表原始视频总体内容信息的缩略视频。并通过不同方法的实验结果对比,证明了本文所研究和采用的技术具有比较好的效果。