导读:本文包含了视频结构挖掘论文开题报告文献综述、选题提纲参考文献，主要关键词:视频,结构,语义,数据挖掘,层次,边界,语法。
视频结构挖掘论文文献综述写法
王群[1]（2015）在《基于情境和效用的视频结构挖掘》一文中研究指出多媒体技术的快速发展产生了大量的视频数据，人们对视频信息的使用已越来越频繁，但由于视频的长度及其非常丰富的内容使得很难对视频进行高效的浏览和查找。因此，我们希望建立一个目录型的视频结构，将整个视频划分为若干层级，对一些关键的信息建立索引，使用户可以像浏览书本的目录结构一样浏览视频，快速选择所需要的内容。多媒体技术的发展也促使各高校逐渐加大使用视频的方式记录校园内发生的诸项事务，本文针对校园内拍摄的原始视频素材，提出一种基于情境和效用的视频结构目录生成方法，经过镜头边界检测、基于情境的镜头处理、关键帧提取、场景聚类、计算各场景的效用值，生成视频基本结构目录，并在此基础上进行视频结构语法的挖掘。本文的创新点如下：（1）提出基于情境的镜头处理。视频作为一种时基媒体，具有很大的不稳定性，摄像机移动和镜头动作并没有统一化的标准和规范，拍摄出的新闻素材不免有些“废镜头”。视频素材通常占很大空间，在处理时也用时较长，通过基于情境的镜头处理，分析镜头时长与关键帧之间的关系，能够有效去除这些“废镜头”，提高后续分析的效率。（2）提出通过构造效用函数，计算各场景的效用值来生成视频基本结构目录。通过镜头分割、基于情境的镜头处理、关键帧提取以及场景聚类得到的各场景，通过构建效用函数，计算各个场景的效用值，并通过设立合理的阈值，可以获取对于表达视频整体内容更有意义的场景来构建视频目录。在视频基本目录结构之上，利用多层次分析和多模式融合的方式来分析视频结构的语法和语义，将镜头场景中提取的多模式特征（图像、声音、文字）作为后续语义提取模型的输入，并将高层语义分解成一系列可识别的低层原型，及各低层原型和高层语义的约束关系，低层基本事物与低层特征可直接产生映射，以此来解决视频低层特征到视频高层语义之间的“语义鸿沟”。综上所述，论文主要工作集中在基于情境和效用的视频结构挖掘，建立了视频结构目录，从视频基本结构、结构语法和结构语义叁个层次探讨视频挖掘方法与应用。这些成果具有一定的实践价值，对于校园内的视频数据挖掘产生积极的影响。(本文来源于《东华大学》期刊2015-01-06）
陈真,程佳成[2]（2010）在《视频结构挖掘方法改进模拟仿真培训系统》一文中研究指出不同类型的视频具有不同的内容和不同的内容组织结构。针对视频类模拟仿真培训系统的开发现状及存在的问题,提出通过引入视频结构挖掘思想方法,对培训系统的视频数据进行进一步挖掘,以解决培训系统中人机交互智能化问题。首先对培训系统的视频结构进行规范化定义,结合视频结构挖掘的概念框架,提出改进模拟仿真培训系统的视频结构框架,最后阐述了应用该结构框架进一步对培训系统的视频数据进行挖掘的基本方法。改进方案的分析过程表明,该改进方法应用于培训系统可以优化此类系统的视频单元结构,进一步挖掘其高层语义信息,提升培训系统的智能化,对此类系统培训方案的制定和培训质量的改善具有理论指导意义。(本文来源于《现代电子技术》期刊2010年16期）
付畅俭[3]（2008）在《基于内容的视频结构挖掘方法研究》一文中研究指出多媒体技术的快速发展产生了大量的视频数据,迫切需要有效技术对其进行管理、解释和利用。本文利用数据挖掘的思想,从语法和语义两个方面,探索视频高层结构知识,挖掘视频结构中蕴含的、有价值的、可理解的语义信息和模式知识,用于视频数据库的组织与管理、基于内容的个性视频推荐、基于结构语法和语义的视频摘要等。论文的主要研究内容及创新点如下:(1)视频结构挖掘概念和方法的理论研究。在传统数据挖掘及多媒体数据挖掘的基础上,明确提出了视频结构挖掘,确定了视频结构挖掘的概念框架,并对视频基本结构挖掘、结构语法挖掘和结构语义挖掘等概念进行了规范界定。确定了视频结构挖掘的系统结构,由视频数据预处理、建立视频数据库、视频数据的多维分析、视频挖掘功能模块和视频挖掘界面五大部分组成。确定了视频结构挖掘的功能结构,包括数据预处理、基本结构挖掘、结构语法挖掘、结构语义挖掘、模式评估和知识表现六大组成部分,其中视频基本结构挖掘是结构语法和结构语义挖掘的基础,视频结构语法挖掘和视频结构语义挖掘相辅相成,相互促进。(2)基于内容的视频基本结构挖掘方法研究。针对视频基本结构挖掘中的两大核心内容,提出了镜头分割算法和场景分割算法,从而得到视频中包括帧、镜头、场景和节目本身的视频层次结构,实现视频结构化,为进一步挖掘隐藏在基本结构之中的结构语法和结构语义提供了有力保证。确定了视频基本结构挖掘框架,主要内容有镜头分割、关键帧提取、镜头特征提取和场景分割等。利用HSV颜色空间进行非等间距量化,提出自适应双直方图两次判别镜头分割算法。利用HSV颜色直方图、同构纹理(HTD)和边界直方图(EHD)计算镜头之间的相似性,基于镜头多特征聚类和基于竞争力,从合并和分割两个方面提出视频场景构造方法。对视频结构挖掘中的音频辅助进行了探讨,提出利用新闻视频中声纹特征进行新闻故事单元分割方法。(3)基于内容的视频结构语法挖掘方法研究。确定了视频结构语法挖掘框架,在镜头分割的基础上,提出改进的FSCL算法进行无监督镜头聚类,把视频流数据转化为符号序列。针对视频关联规则中项的次序相关、时间相关、没有明确事务概念的特点,对传统Apriori算法进行改进,提出基于时基窗计算支持度的视频关联规则挖掘算法,以关联规则频繁集探讨视频中周期性或半周期性的结构语法模式。语法模式识别常用方法有字符串匹配和字符串解析两种,针对字符串匹配的局限性,提出基于HMM的模式挖掘方法对高层视频事件进行解析,识别和定位篮球视频中的罚球事件。(4)基于内容的视频结构语义挖掘方法研究。提出叁个层次和两层映射的视频结构语义模型,并以此探讨解决视频低层特征到高层语义(用户需求)之间的“语义鸿沟”的方法。在底层特征和用户需求之间,增加镜头层语义概念,形成叁个层次。结合语义概念网络模型,建立视频镜头多概念判别随机场模型,实现底层特征到镜头层语义概念的映射,充分利用概念之间的相互作用,提高镜头层语义概念标注的精确度。利用结构语法挖掘中得到的语法结构知识,以镜头层语义概念线索作为观察值,建立HHMM模型,以事件推理的方式,实现镜头层语义概念到高层视频语义事件的映射。综上所述,论文主要工作集中在基于内容的视频结构挖掘,建立了视频结构挖掘的理论与框架,从视频基本结构、结构语法和结构语义叁个层次探讨视频挖掘方法与应用,在理论和应用上都取得了一定的成果。这些成果不仅具有实践价值,也将对多媒体数据挖掘产生积极的影响。(本文来源于《国防科学技术大学》期刊2008-09-01）
姚娅川[4]（2008）在《数据挖掘在视频语义结构化中的应用》一文中研究指出要从浩如烟海的视频数据库中挖掘分析它所蕴涵的语义相关内容,这是视频摘要生成方法面临的难题。本文提出了一种视频结构挖掘的概念框架和视频结构挖掘的系统框架,在概念框架中对视频结构挖掘相关概念给出了规范化的定义,视频结构挖掘框架包括的主要内容有视频基本结构挖掘、视频语法结构挖掘和视频语义结构挖掘。重点讨论了语义预处理及语义相关内容挖掘。(本文来源于《第六届全国信息获取与处理学术会议论文集（3）》期刊2008-08-06）
杨西平,宁亚宁[5]（2007）在《视频结构挖掘的一种改进算法》一文中研究指出随着大量数字视频数据的出现,从多媒体数据中进行视频挖掘已经越来越重要了,比如,应用在安全防卫中的视频监控及突发事件检测、基于视频内容的球赛中目标物体的提取等等。视频数据挖掘不同于普通数据库和数据仓库的数据挖掘.由于视频数据结构复杂,数据量大导致视频数据挖掘理论和技术发展相对缓慢.随着以视频数据为主的多媒体数据逐渐成为信息处理领域中主要的信息媒体形式,以提高视频检索和索引速度的视频挖掘研究已逐渐成为热点.因此,本文提出了一种改进的视频结构挖掘算法。(本文来源于《医学信息》期刊2007年11期）
付畅俭,李国辉[6]（2007）在《挖掘视频层次结构,改善视频管理》一文中研究指出为了实现视频层次结构挖掘,提出了一个有效的视频镜头分割算法和一种镜头相似性度量方法,然后根据镜头颜色、纹理和语义相似性采用场景边界探测算法构造视频场景。实验结果表明,这些算法是可行的。(本文来源于《计算机应用研究》期刊2007年06期）
付畅俭,李国辉,代科学[7]（2007）在《视频结构挖掘的概念和框架》一文中研究指出视频信息处理的关键是视频信息的结构化,视频除了有基本层次结构之外,还有隐藏其中的视频结构语法和结构语义。该文提出了一种视频结构挖掘的概念框架和视频结构挖掘的系统框架,在概念框架中对视频结构挖掘相关概念给出了明确定义和界定;视频结构挖掘框架主要包括:视频基本层次结构挖掘,视频结构语法挖掘和视频结构语义挖掘。讨论了视频结构模式和知识的具体应用,包括指导视频的组织与管理、实现基于内容的个性视频推荐和改善视频摘要系统。(本文来源于《计算机工程》期刊2007年06期）
付畅俭,李国辉,代科学[8]（2007）在《视频结构挖掘的概念及应用》一文中研究指出提出了一种视频结构挖掘的概念框架和视频结构挖掘系统框架,在概念框架中对视频结构挖掘相关概念给出了规范化的定义,视频结构挖掘框架包括的主要内容有视频基本结构挖掘、视频语法结构挖掘和视频语义结构挖掘。最后讨论了视频结构挖掘中发现的结构模式和知识的具体应用,包括指导视频的组织与管理、实现基于内容的个性视频推荐和改善视频摘要系统。(本文来源于《计算机应用研究》期刊2007年02期）
付畅俭,李国辉,胡军涛[9]（2006）在《视频层次结构挖掘》一文中研究指出视频处理的关键是视频信息的结构化,视频基本结构是由帧、镜头、场景和视频节目构成的层次结构。视频层次结构挖掘的一个简单框架是对视频进行镜头分割、抽取镜头特征和视频场景构造。论文在镜头分割的基础上提出了基于多特征的镜头聚类分析和基于镜头的场景边界检测两种视频场景构造方法,从而实现视频层次结构挖掘。实验表明,基于镜头的场景边界检测性能优于基于多特征的镜头聚类分析。(本文来源于《计算机工程与应用》期刊2006年26期）
梅涛,周荷琴,冯焕清,刘勃[10]（2005）在《基于全拼图的体育视频结构的无监督挖掘(英文)》一文中研究指出为实现对视频更为有效的浏览和摘要,提出了一个通用的体育视频结构的无监督挖掘的方法.对每一个镜头生成一个全拼图作为表征该镜头内容的图像. 通过对全拼图的聚类和投票过程,该方法能挖掘出体育视频中的两个基本结构单元,即含有重要内容的play和不含重要内容的break. 此方法主要解决了以下问题:利用全拼图提取鲁棒的视觉特征;同现有的有监督的体育视频结构分析方法相比,该方法能在无先验知识的情况下实现对play/break的挖掘. 对几种不同体育视频进行的试验表明了该方法的有效性和鲁棒性. 另外,同基于关键帧提取特征进行对比的试验结果也表明,此方法具有更好的准确性.(本文来源于《中国科学技术大学学报》期刊2005年02期）
视频结构挖掘论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
不同类型的视频具有不同的内容和不同的内容组织结构。针对视频类模拟仿真培训系统的开发现状及存在的问题,提出通过引入视频结构挖掘思想方法,对培训系统的视频数据进行进一步挖掘,以解决培训系统中人机交互智能化问题。首先对培训系统的视频结构进行规范化定义,结合视频结构挖掘的概念框架,提出改进模拟仿真培训系统的视频结构框架,最后阐述了应用该结构框架进一步对培训系统的视频数据进行挖掘的基本方法。改进方案的分析过程表明,该改进方法应用于培训系统可以优化此类系统的视频单元结构,进一步挖掘其高层语义信息,提升培训系统的智能化,对此类系统培训方案的制定和培训质量的改善具有理论指导意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频结构挖掘论文参考文献
[1].王群.基于情境和效用的视频结构挖掘[D].东华大学.2015
[2].陈真,程佳成.视频结构挖掘方法改进模拟仿真培训系统[J].现代电子技术.2010
[3].付畅俭.基于内容的视频结构挖掘方法研究[D].国防科学技术大学.2008
[4].姚娅川.数据挖掘在视频语义结构化中的应用[C].第六届全国信息获取与处理学术会议论文集（3）.2008
[5].杨西平,宁亚宁.视频结构挖掘的一种改进算法[J].医学信息.2007
[6].付畅俭,李国辉.挖掘视频层次结构,改善视频管理[J].计算机应用研究.2007
[7].付畅俭,李国辉,代科学.视频结构挖掘的概念和框架[J].计算机工程.2007
[8].付畅俭,李国辉,代科学.视频结构挖掘的概念及应用[J].计算机应用研究.2007
[9].付畅俭,李国辉,胡军涛.视频层次结构挖掘[J].计算机工程与应用.2006
[10].梅涛,周荷琴,冯焕清,刘勃.基于全拼图的体育视频结构的无监督挖掘(英文)[J].中国科学技术大学学报.2005