每一个关键帧分为2×2的块,然后每个关键帧的颜色由4个一维向量(ri,gi,bi)组成,其中ri、gi和bi分别代表块i中红色、绿色、蓝色各占的百分比。
2 边缘分布
边缘分布的计算方法与颜色分布的计算方法类似。首先,利用边缘检测方法检测出每一个关键帧的边缘象素,然后,每个关键帧被分为2×2的块,分别计算4个块中的边缘象素的百分比,这4个百分比的值被用来形成这个帧的边缘分布。
5.3 多媒体特征向量的构建
将前面介绍的特征从输入的视频中抽取出来,放在一起构成每个镜头的多媒体特征向量。一旦构建出每个镜头的特征向量,我们就可以将n个连续的镜头联合起来构成1个向量输入HCRF模型。因为这个输入向量整合了从n个连续镜头得到的与时间关联的多媒体特征,所以我们可以充分利用HCRF来对多媒体特征间的相互关系和嵌入于场景转换类型的上下文信息建模。
3 结论
本文针对一般视频的检索,提出了基于HCRF的相关反馈算法。该算法利用HCRF模型融合了视频中的时空邻域信息,在相关反馈的框架下,通过在线学习的方式,调整时空约束关系的权重,提高了视频检索的精度。通过实验对比,本文所提算法的质量要好于其他算法。
参考文献
【1】 刘 荃著 影视后期特效制作理论与时间 中国广播电视出版社 2006
【2】 李停战 周 炜著 数字影视剪辑艺术与实践 中国广播电视出版社 2006
2/2 首页 上一页 1 2 |