随着多媒体和互联网技术的飞速发展,视频摘要技术作为一种快速感知视频内容的方式得到了广泛的关注。现有基于图模型的视频摘要方法通常将视频帧作为图的顶点,通过边表示两个顶点之间的关系,虽然取得了较好的效果,但不能很好地捕获视频帧之间的复杂关系。为了克服该缺点,本文利用超图模型建模视频帧之间的关系,并对超图模型在视频摘要领域的应用进行了深入的研究与分析。首先提出了基于超图排序的视频摘要算法(Hypergraph Ranking based Video Summarization,简称HGRVS),HGRVS算法包含视频特征提取、视频超图构建、视频帧分类、视频摘要生成四部分内容。HGRVS算法的核心是通过超图排序算法将视频帧进行分类,并从每一类中选取候选关键帧,然后结合最大不相关性、最大信息覆盖性、最小信息冗余性等条件提出了一种关键帧确定算法,能够从候选关键帧中选择出最终呈现的静态视频摘要。其次提出了基于超图随机游走的视频摘要算法(Random Walk on Hypergraph for Video Summarization,简称RWH),该算法将视频摘要的生成看作排序问题,通过随机游走能够计算得到每一个视频帧的平稳分布概率,从而能够对视频帧的重要性进行排序。平稳分布概率越大说明视频帧越重要,然后选取排序靠前的视频帧进行去冗余操作,从而求得最终的静态视频摘要。最后,HGRVS和RWH算法都进行了大量的主观与客观实验,并通过与其他算法的对比验证其有效性及先进性。