随着计算机技术、网络技术、音视频压缩技术以及计算机硬件技术等的高速发展,视频媒体数据的存储和传输不再是一件棘手的事情,并且数字视频也越来越广泛地融入人们的生活中。但是,视觉媒体信息膨胀带来的问题却非常严重,很多领域由于对大量的视觉信息无法有效的处理而使采集的视觉信息闲置,造成了很大的资源浪费:另外,曾经的单纯基于文本方式的传统视频信息管理系统也暴露出了很大的局限性。如何有效地组织、表达、存储和管理视频媒体数据,以及怎样对其进行快速检索与浏览等已成为视频领域内迫切的需求,于是基于内容的视频信息检索技术便应运而生。本文在深入分析基于内容的视频媒体检索技术的研究现状和可能的发展趋势的基础上,从镜头检测、语义分类、以及多模态信息融合三个方面对基于内容的视频媒体信息检索进行了分析和研究。1.在镜头检测方面,将信息熵的知识应用到视频镜头检测中,讨论了直方图熵差法在镜头检测中的应用,结合高斯模型和滑动窗口法确定自适应阈值,并使用最大熵确定分段全局最佳阈值来消除局部滑动窗口法的极大值造成的误检。直方图熵差作为镜头检测的测度可有效扩大镜头转换帧与非镜头转换帧之间的对比效果,并在验证中发现这种方法对诸如闪光灯、马赛克等干扰有很强的抑制作用,不需要额外处理。2.在语义分类方面,在基于语义监督的聚类索引基础上,讨论了基于贝叶斯的语义分类方法,首先通过语义监督对视频样本库的底层特征做层次聚类划分,直到一个层次聚类中只包含一个高层语义类别的视频镜头时,便为这个层次聚类建立索引项,进行降维,然后统计底层特征和高层语义概念的的概率联系,构造贝叶斯分类器。3.在多模态信息融合的视频检索方面,本文设计了一种基于伪反馈的多模态信息加权融合的视频检索框架,该框架首先充分考虑了文本、图像、高层语义概念等多模态特征,并分别对其建立检索模块,然后通过伪反馈的加权算法对各个基本检索模块的结果进行融合,最后通过K-means聚类方法对融合后的结果进行重排序,以得到最终与用户查询相关的排序结果。