mba論文面向互聯(lián)網(wǎng)應(yīng)用的視頻拷貝檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)pdf

1、摘要摘要基于內(nèi)容的視頻拷貝檢測(cè)是多媒體信息處理領(lǐng)域一個(gè)重要的問(wèn)題，對(duì)于視頻進(jìn)行快速準(zhǔn)確的特征提取，并進(jìn)行高效的匹配是這項(xiàng)技術(shù)中的重點(diǎn)和難點(diǎn)。這一問(wèn)題成為了學(xué)術(shù)界討論的熱點(diǎn)，并且取得了較大的進(jìn)展。特別是近幾年來(lái)，基于小規(guī)模數(shù)據(jù)集的視頻拷貝檢測(cè)的問(wèn)題基本已經(jīng)解決。但是，隨著互聯(lián)網(wǎng)以及大數(shù)據(jù)處理相關(guān)技術(shù)的發(fā)展，基于大規(guī)模的拷貝檢測(cè)問(wèn)題仍然亟待解決。如何在海量的數(shù)據(jù)中高效的檢索出視頻仍然存在著比較大的挑戰(zhàn)。本文采用了當(dāng)前最佳的圖像特征提取技術(shù)、

2、圖像檢索技術(shù)以及視頻時(shí)間序列對(duì)齊技術(shù)，實(shí)現(xiàn)了一種高效的檢索算法用于解決大規(guī)?？截悪z測(cè)中出現(xiàn)的n 0 題。本文的主要內(nèi)容如下：1 ． 系統(tǒng)的分析了S I F T 特征的特點(diǎn)，采用了一種基于最大熵的特征過(guò)濾算法，選取更加適合拷貝檢測(cè)的特征點(diǎn)。該方法可以顯著地減少存儲(chǔ)空間，提升視頻的索引以及檢索效率。2 ．采用基于笛卡爾積的量子化方法對(duì)特征向量進(jìn)行量子化計(jì)算，同時(shí)利用向量的殘差信息，提升了檢索速度以及檢索的精確度。3 ．介紹霍夫變換理論，并將

3、霍夫變換用于系統(tǒng)的后處理階段，保證了系統(tǒng)在關(guān)鍵幀對(duì)齊階段可以高效精確的確定拷貝片段的邊界。4 ．搭建了實(shí)驗(yàn)檢索系統(tǒng)，構(gòu)建模擬互聯(lián)網(wǎng)環(huán)境的測(cè)試數(shù)據(jù)集。通過(guò)測(cè)試結(jié)果，展示該系統(tǒng)在基于大規(guī)模視頻拷貝檢測(cè)上的良好表現(xiàn)。關(guān)鍵詞：S I F T 特征；量子化；霍夫變換目錄目錄第一章 緒論?????????????????????????????11 ．1 研究背景???????????????????????????．．11 ．2 相關(guān)技術(shù)現(xiàn)狀??

4、????????????????????????11 ．3 基于大規(guī)模的近似圖像檢測(cè)系統(tǒng)及其相關(guān)技術(shù)的應(yīng)用領(lǐng)域??????．．21 ．4 基于大規(guī)模近似圖像檢索的挑戰(zhàn)??????????????????21 ．5 文本研究的主要內(nèi)容以及結(jié)構(gòu)組織????????????????．．3第二章 基于S I F T 的特征選擇算法????????????????．52 ．1 關(guān)鍵幀抽取???????????????????????????．．5

5、2 ．2 圖像的特征向量簡(jiǎn)述??．：?：???????????????????。52 ．3 圖像的多尺度表示????????????????????????52 ．3 ．1 圖像金字塔????????????????????????一62 ．3 ．2 高斯金字塔????????????????????????．．72 ．3 ．3 高斯濾波?????????????????????????．．72 ．4S I F T 特征提取算法????

6、???????????????????．．82 ．4 ．1 高斯差分D o G 濾波?????????????????????82 ．4 ．2 尺度空間極值檢測(cè)?????????????????????一92 ．4 ．3 關(guān)鍵點(diǎn)的參數(shù)方向?????????????????????1 22 ．5 特征處理???????????????????????????。1 32 ．5 ．1 基于最大熵的特征過(guò)濾算法?????????????????

7、1 42 ．6 本章小結(jié)???????????????????????????．1 5第三章 K 近鄰搜索???????????????????????1 73 ．1 向量的相似度計(jì)算???????????????????????1 73 ．2K 近鄰搜索??????????????????????????l 73 ．3 相關(guān)研究???????????????????????????．1 83 ．3 ．1 基于B a g —o f -