基于小波神經(jīng)網(wǎng)絡(luò)的鏡頭檢測.pdf

1、基于內(nèi)容的視頻檢索技術(shù)是當今信息檢索領(lǐng)域的一個研究熱點，而鏡頭邊界檢測又是實現(xiàn)視頻檢索的前提。然而，由于鏡頭分割問題本身的復雜性，使得至今都沒有任何一套鏡頭邊界檢測系統(tǒng)可以做到不僅僅性能可靠，而且適應性強。本文對其中基于小波變換與神經(jīng)網(wǎng)絡(luò)的方法進行了研究，在松散型小波網(wǎng)絡(luò)的鏡頭檢測理論方面做了有益的探索。歸納起來，本文的研究成果主要表現(xiàn)在以下幾個方面： 對直方圖檢測法進行了改進。首先對幀圖像進行二維小波變換，然后對其低頻部分進行

2、RGB到HSV的空間轉(zhuǎn)換，再運用分塊直方圖法得到幀間差異，然后綜合窗口法和雙閾值法進行鏡頭轉(zhuǎn)換邊界的判斷。通過實驗分析調(diào)整了鏡頭檢測的自適應閾值參數(shù)，最后在對檢測結(jié)果進行分析后加入了檢測容忍度，進一步提高了檢測的準確性。 運用神經(jīng)網(wǎng)絡(luò)的自學習能力，實現(xiàn)了一種無閾值鏡頭檢測法，解決了檢測中不同類型的視頻要用不同的閾值，且其相關(guān)參數(shù)選擇困難的問題。在傳統(tǒng)的幀間直方圖差異和像素差的基礎(chǔ)上，進行二次差運算，在很大程度上消除了漸變及其他因

3、素對突變檢測的影響，然后運用非相鄰幀差和神經(jīng)網(wǎng)絡(luò)相結(jié)合對漸變進行檢測，實驗結(jié)果說明該方法對漸變檢測取得了良好效果。 由于對漸變轉(zhuǎn)換進行分類檢測的時候，往往要利用大量的幀間信息，所以計算量非常的大，檢測速度慢，然而檢測的效率卻并不高，因此，先對各幀圖像做小波變換，然后利用低頻部分信息做分塊直方圖，計算幀間差和二次幀差及非相鄰幀差，再由神經(jīng)網(wǎng)絡(luò)對這些特征值分類，做突變檢測和漸變轉(zhuǎn)換的粗檢；其次計算各高頻部分的邊緣，提取幀間差，由神經(jīng)