基于内容的视频搜索结果优化

摘要

随着数码摄录设备的普及和多媒体技术的发展，互联网上视频数据量迅速增长。如何有效地对互联网上的视频数据进行存储、组织和管理，已成为视频领域最主要的课题。目前，主要的视频搜索引擎都采用基于文本的策略提供视频搜索服务，如Google Video Search、Yahoo Video Search、Bing Video Search和百度视频搜索。其算法的基本原理，是获取互联网上视频周围的文本信息，然后使用文本搜索的框架处理这些信息，进而实现视频的搜索和排序。然而，基于文本的视频搜索策略存在以下的缺陷：大量视频数据的内容和其周围的文本信息不一致；视频数据包含的复杂视听觉信息量不能用文字完全表达。
　　 为了解决基于文本的视频搜索的缺陷，学术界提出对搜索结果进行优化。视频搜索结果的优化，是指在文本搜索的结果的基础上，通过挖掘视频数据包含的视觉内容信息，对原始搜索结果重新排序，从而得到更优的搜索结果，其根本目的是提高搜索结果的质量以及搜索过程中的用户体验。
　　 本文从三个层次研究了基于内容的视频搜索结果优化，即相关性重排序、视频质量评估和视频拷贝检测。这三个层次组成了对视频搜索结果进行优化的一个相对完整的框架：
　　 (1)为了对原始结果的整体相关性进行优化，本文研究了基于自适应粒子群算法的视频搜索重排序，并深入分析了重排序问题的本质。与传统的重排序方法不同，本文将重排序定义成一个群体进化的过程，并充分利用进化中每一个个体学习到的知识来指导群体进化的方向。
　　 (2)为了对原始搜索结果的质量进行控制，本文研究了基于内容的视频质量评估，并分析了影响视频整体视觉质量的几个关键因素。和传统的基于信号降损理论视频质量评估系统不同，本文给出的评估系统不需要参考源视频。
　　 (3)为了去除视频搜索结果里的大量重复视频，减少搜索结果中的冗余视频，本文研究了基于时空组合特征的视频拷贝检测。本文分析了互联网视频拷贝的主要类型，并指出要确保检测算法的高效性才能将算法应用于实际中。算法采用粗略匹配和精确匹配相结合的2级匹配框架，并在每一级中都加入了早停止策略，在保证检测精度的同时，大大提高了检测速度。

目录

文摘

英文文摘

声明

第1章绪论

1.1视频搜索技术的产生、发展和现状

1.1.1基于文本的视频搜索

1.1.2基于内容的视频搜素

1.2视频搜索结果优化的研究意义

1.3国内外研究现状

1.4基于内容的视频结果优化的关键问题

1.5本文的主要工作

1.6本文的结构安排

第2章基于粒子群算法的视频搜索重排序

2.1重排序问题的本质

2.2重排序领域的相关研究工作

2.3基于粒子群优化算法的重排序

2.3.1粒子群优化算法概述

2.3.2粒子群优化理论与重排序

2.3.3重排序问题的数学模型

2.3.4系统框架和算法实现

2.4实验与分析

2.4.1数据集和评价准则

2.4.2重排序效果的评价

2.4.3参数分析

2.5本章小结

第3章基于内容的视频质量评估

3.1视频数据的结构分析

3.2系统框架

3.2.1预处理

3.2.2分镜头挑选

3.2.3关键帧的有效区域提取

3.3影响互联网视频质量的时空因素

3.3.1互联网视频的主要特点

3.3.2时间域因素分析

3.3.3空间域因素分析

3.4评估方法

3.4.1基于特征融合的评估

3.4.2基于支持向量机的评估

3.5本章小结

第4章基于时空组合特征的视频拷贝检测

4.1视频搜索结果中的视频拷贝

4.1.1视频拷贝在搜索中的广泛存在

4.1.2互联网视频拷贝的主要类型

4.2基于时空特征的视频拷贝检测

4.2.1特征抽取

4.2.2第1级粗略匹配

4.2.3第2级精确匹配

4.2.4尽早停止策略

4.3实验结果分析

4.4本章小结

第5章总结和展望

2.1全文总结和创新点

2.2研究工作展望

参考文献

致谢

攻读硕士学位期间发表的论文