视频动漫化素材检索系统关键技术研究

发布时间：2017-08-05 12:02

  本文关键词：视频动漫化素材检索系统关键技术研究

  更多相关文章： 视频 检索 超图 聚类 排序

【摘要】：动漫的创作过程繁琐复杂,需要大量漫画家不断的绘制。但是很多动漫作品中的有用信息都来自于现实世界,因此如果借助一定的图像算法来将现实世界的有用信息转换成动漫,那么对于动漫创作具有非常重大的意义。近年来,国内外的专家学者对于该想法进行了积极的探索和研究,在人脸卡通化、风景照片卡通化、家庭视频卡通化等方面取得了重要的成果。比如,微软亚洲研究院的人脸卡通自动生成系统、人脸卡通自动生成技术以及彩色草图技术等已经应用于日本市场的数字化贺卡制作系统中。作为视频动漫化研究的内容之一,本文研究视频动漫化素材检索实现技术,对视频动漫化制作过程中产生的数据进行存储以及检索,提高动漫创作的效率。主要的研究内容有:(1)为了让创作人员快速查找出与特定角色相关的镜头、高效地利用已有素材进行创作设计开发了镜头分割算法,实行自动提取出视频中的镜头以及镜头内的关键帧,同时,提供一个图像卡通化的函数接口,方便制作人员调用满足要求的算法进行图像转换;还利用图像处理技术与人脸识别技术自动提取出每幅关键帧以及图像卡通化后的动漫图像的内容特征、人脸特征进行存储;最后,结合文本检索、图像检索以及人脸检索三项技术设计多种查询检索功能,以便创作人员根据创作的需要,将相关镜头以及相关的动漫素材查找出来。(2)研究基于超图的图像检索算法。用超图表示图像库中多幅图像之间的相似关系,先对图像聚类,然后在聚类结果上实现超图检索排序,以缩小检索范围,提高检索速度。(3)通过进行K-Means、谱聚类与超图聚类对比实验、线性检索排序、流行排序与超图检索对比实验以及聚类前后的检索时间对比,实验结果表明:超图聚类算法可以提高聚类结果的精确度;在超图聚类结果中,进行超图检索,能提高图像查准率,降低时间代价。
【关键词】：视频 检索 超图 聚类 排序
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-9
• 第1章 绪论9-14
• 1.1 研究背景与意义9-11
• 1.2 国内外研究现状11-12
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12
• 1.3 本文研究内容12-13
• 1.4 本文结构13-14
• 第2章 图像检索及视频图像处理相关算法14-34
• 2.1 常用图像特征14-24
• 2.1.1 颜色特征14-15
• 2.1.2 纹理特征15-17
• 2.1.3 形状特征17-22
• 2.1.4 hog特征22-23
• 2.1.5 gist特征23-24
• 2.2 相似度度量24-26
• 2.3 特征归一化26-27
• 2.4 评价准则27-28
• 2.5 相关算法介绍28-33
• 2.5.1 镜头检测算法28-32
• 2.5.2 人脸识别32-33
• 2.6 本章小结33-34
• 第3章 超图理论及基础知识34-42
• 3.1 超图基础34-35
• 3.2 超图学习35-39
• 3.2.1 超图概念35-36
• 3.2.2 超图学习算法36-39
• 3.3 超图模型在图像处理中的应用39-40
• 3.4 本章小结40-42
• 第4章 系统设计及开发42-53
• 4.1 系统需求分析概述42-43
• 4.2 系统需求分析43-46
• 4.2.1 功能模块分析43-44
• 4.2.2 技术需求分析44-45
• 4.2.3 性能需求分析45-46
• 4.3 系统架构图46
• 4.4 系统工作流程46-50
• 4.4.1 视频处理模块47-48
• 4.4.2 图像卡通化模块48-49
• 4.4.3 图像检索模块49-50
• 4.5 数据库设计50-51
• 4.6 系统开发环境51-52
• 4.6.1 设备51
• 4.6.2 设备支持软件51-52
• 4.7 本章小结52-53
• 第5章 基于超图的图像检索方法53-64
• 5.1 基于超图的检索方法53-56
• 5.2 实验设计56-58
• 5.2.1 数据集56-57
• 5.2.2 图像特征提取57
• 5.2.3 实验结果评价标准57-58
• 5.3 实验结果及分析58-60
• 5.3.1 聚类结果精确度分析58
• 5.3.2 检索排序结果分析58-60
• 5.3.3 总结60
• 5.4 系统运行效果测试60-63
• 5.4.1 数据展示页面60-61
• 5.4.2 检索界面61-63
• 5.5 本章小结63-64
• 第6章 总结和展望64-66
• 参考文献66-69
• 个人简历、在学期间发表的论文与研究成果69
• 个人简历69
• 在学期间研究成果69

，

本文编号：624767