近年来,随着Internet的普及与多媒体技术的迅猛发展,人们面临着爆炸式增长的视频信息。在这些海量视频之中存在着的大量相似视频,一方面造成了多媒体数据库的冗余,要求更加巨大的存储空间,另一方面也增加了视频检索的难度,降低了用户的体验质量。因此,相似视频检测(Near-Duplicate Video Detection,NDVD)成为当前国内外的研究热点之一。　　 相似视频指在视频内容上相似程度很高但却并不完全相同的两段或多段视频。相似视频的成因有多种,它们既可以是因为拍摄时不同的视角、光照条件造成的,也可以是由后天经过某些转换模式(Transformation,如插入文字、加入噪声、画中画)人工编辑产生的。由于相似视频的内容信息存在着上述的不确定差异,相似视频检测问题向传统的视频检索问题提出了更高的要求。本文通过对视频的自相似性分析,给出了一系列相似视频检测解决方案,其主要工作包括:　　 1.提出了一种基于自相似矩阵的视频特征提取与表达方法。与传统的基于关键帧抽取、通过比对关键帧来匹配相似视频的模式不同,本文的工作以视频的整体信息为着眼点,既注重局部特征的抽取,又立足于视频全局,将这些特征以自相似矩阵的形式有机组织起来。实验证明,本文提出的“局部(特征提取)--全局(特征表达)”更加适合相似视频检测问题。由于最终反馈给系统的是视频内容的自相似性,因此该方法并不局限于帧匹配的正误,对视觉层面发生了较大变化的相似视频仍然鲁棒。　　 2.提出了一种自相似矩阵的描述子,实现了自相似矩阵的有效距离度量。由于相似视频通常长短不一,因此其分别产生出的自相似矩阵也具有不同的大小。同时,注意到自相似矩阵本身的特性(半定对称阵,主对角线全0),本文提出了一种自相似矩阵描述子,通过挖掘矩阵主对角线附近区域的模式信息进行两个不同大小的自相似矩阵距离度量,藉此实现相似视频的精确匹配。实验证明,与传统的自相似矩阵描述子对比,我们的VCS描述子更加鲁棒,相似视频检测质量更高。　　 3.讨论了相似视频转换模式识别问题,并提出了一种基于多特征的相似视频转换模式识别方法。转换模式是相似视频的成因,我们将相似视频比作病人,则转换模式相当于病症。看病时讲究对症下药,而实验也证明不同转换模式下的相似视频特点不一,可以通过转换模式的先验知识选择更加有效的“药物”(特征)进行处理。本文首先提出了转换模式识别问题,希望通过对转换模式识别的研究进一步提高相似视频检测质量。　　 4.提出了一种基于转换模式识别的相似视频检测方法。借助上述转换模式识别的结果,我们选择对该种转换模式更加有效的特征。实验表明,转换模式识别和特征选择模块的加入有效提升了传统的单一特征条件下的相似视频检测质量。同时,相似视频的转换模式作为其自身重要属性也为媒体追踪、视频分类、归档等问题提供了必要信息。