嫡计算， function h = entropys(p) % H = ENTROPY(P) returns the entropy function of % the probability vector p; if length(find(p10e-10, error('ERROR Not a prob. vector, component do not add up to 1') end h = sum(-p.*log2(p));

本文首先介绍了关键帧提取技术的研究背景和意义,以及国内外的研究现 状,然后对当一前比较流行的一些关键帧提取方法进行了阐述和详细的分析,并对 每一种方法进行了测试。常见的关键帧提取算法有、基于镜头边界的方法、 基于图像内容的方法、基于聚类的提取方法、基于运动分析的方法、 基于压缩视频流的方法。以上这些方法均有各自的优缺点和一定的局限性,只适 合于特定的视频,不具有广泛的适应性。针对以上这些关键帧提取方法的不足, 本文提出了一种新的关键帧提取方法,基于图像信息嫡和边缘匹配率进行关键帧 的提取,首先