2.2 视频镜头的边界检测方法
镜头的边界检测方法大体上可以分为以下几类：
（1）基于像素的检测方法
基于像素比较的方法是最简单的计算帧间距离的方法。它直接计算两帧之间对应像素的灰度绝对之差，设两帧相邻的帧图像为： 和 ，则其对应位置上两像素的灰度差的计算公式如式（2.1）所示：
D= 式（2.1）
在上式中，若灰度绝对差值D大于设定的阈值的像素数目，则认为有切变存在。
（2）基于直方图的检测方法
基于直方图的检测方法利用的是帧图像的全局特征。它将帧各个像素的亮度或颜色等分成k个等级，然后统计每个等级的像素数目将它构成直方图进行比较。设两帧图像的直方图为H [ ,k ]，其中k=0，1…，K-1，前后相邻两帧图像直方图的差计算公式如式（2.2）所示：
D= 式(2.2)
如果D大于某个预先确定的阈值，那么通常可认为存在切变。
（3）基于边缘的检测方法
基于边缘的镜头检测算法主要考虑帧图像中的边缘或轮廓信息，它是通过计算两帧图像中进入的边缘像素与消失的边缘像素并比较它们之间的距离来判断是否发生了镜头变化。具体方法如下：设两帧连续图像 和 ，对其进行平滑滤波后提取出边缘像素。再计算在 中有多少边缘像素与它们在帧 中的最邻边缘像素接近可得出进入的边缘像素M，而在帧 中又有多少边缘像素与它们在帧 中的最邻边缘像素接近可得出消失的边缘像素N，故帧间的不相似性可定为D=max(M,N)。给定一个时间窗口，若D曲线在某处有明显的孤立峰值，就可判定该处有切变。
2.3 基于聚类的镜头边界检测
2.3.1基于聚类的镜头边界检测算法实现
基于聚类的镜头边界检测算法的基本原理：从某一个初始化的聚类开始，将样本集中的每个元素分配给某个聚类以达到某种最优结果。
设样本集合Seq={ , …, }是由n帧组成的视频序列, 表示第i帧的特征函数。应用聚类算法，样本聚类成M个类 ，记为shot={ , …, }， , …, 分别是各个类的中心，每个类包含的帧数为是 , …, 。
聚类算法描述如下：
(1)首先将样本集合的第一个元素 作为第一个聚类 的中心，即 = ；
(2)然后计算样本集合中其他帧与聚类 的中心 的距离D(i， )，若max(D(i， ))<T，则表示其他所有样本与该聚类中心的距离都不远，可以用该聚类的中心来代替，转第7步执行。否则转第3步；
(3)确定离 距离最远的帧 ，生成新类 ， 为 的中心，即 = ；
(4)计算剩余样本元素与聚类 的距离D(i， )，本文来自优$文)论'文`网，
毕业论文 www.youerw.com 加7位QQ324~9114找原文若存在max{min(D(i， ),D(i, ))}>T,则生成一个新类 ，让满足条件的样本 做该类的中心，即 = ，执行第5步。否则转第6步；
上一页 [1] [2] [3] [4] [5] 下一页
基于内容的视频检索关键技术研究 第3页下载如图片无法显示或论文不完整，请联系qq752018766
