基于内容的视频拷贝检测研究

论文摘要

随着互联网技术的发展和多媒体技术的不断完善,多媒体信息呈现爆炸式的增长,每天都有大量的视频产生,流传和被编辑。基于内容的视频拷贝检测作为视频的组织管理和版权保护的重要手段,已经成为多媒体信息检索领域的研究热点。本文提出了一个对于尺度变化具有不变性的基于Hessian矩阵和Gabor函数兴趣点检测方法Hessian-Gabor Detector。该方法首先利用基于Hessian矩阵的Scale Adapted Hessian矩阵检测候选的兴趣点,并定位了兴趣点的空间位置,然后再利用基于Gabor小波的特征尺度提取算子计算候选兴趣点的特征尺度,从而获得具有尺度不变特性的局部兴趣点。实验结果表明,与Harris角点检测子、DOG算子,Harris-Laplace等方法相比,Hessian-Gabor Detector能够降低局部兴趣点检测时间,并且对于小尺度变换有较高的检测率；本文所提出的将Hessian-Gabor Detector与梯度序数特征以及固定点内积方法相结合进行图像的匹配实验,通过与SIFT等特征进行对比,在保持与SIFT特征相似的匹配正确率的同时,极大地降低了计算时间和内存的使用率。将Hessian-Gabor Detector、梯度序数特征以及固定点内积方法相结合应用在视频拷贝检测中,与现有的方法相比,能够显著地提高检测效率。

论文目录

• 目录
• 摘要
• Abstract
• 第一章 绪论
• 1.1 视频拷贝检测的研究背景和意义
• 1.2 视频拷贝检测的研究现状
• 1.3 本文工作简介和内容安排
• 第二章 基于内容的视频拷贝检测概述
• 2.1 基于内容的拷贝检测的关键技术介绍
• 2.1.1 视频结构化分析
• 2.1.2 视频描述子提取
• 2.1.3 索引结构
• 第三章 基于Hessian矩阵和Gabor函数的局部兴趣点检测
• 3.1 相关工作
• 3.1.1 哈里斯角点检测（Harris Corner Detector）
• 3.1.2 Laplacian相关的尺度不变算子
• 3.2 基于Gabor函数和Hessian矩阵的局部尺度不变兴趣点检测
• 3.2.1 适应尺度变化的海塞矩阵检测子（Scale Adapted Hessian Detector）
• 3.2.2 特征尺度的获取
• 3.2.3 Hessian-Gabor Detector
• 第四章 实验及结果分析
• 4.1 基于Hessian矩阵和Gabor函数的兴趣点检测
• 4.1.1 评测方法介绍
• 4.1.2 空间位置的精确度
• 4.1.3 局部区域的精确程度
• 4.1.4 计算复杂度分析
• 4.1.5 匹配测试
• 4.1.6 结论
• 4.2 图像匹配实验
• 4.3 基于内容的视频拷贝检测实验
• 4.5 实验总结
• 第五章 总结及未来工作
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 硕士期间工作及成果
• A 参加项目
• B 科研成果