随着互联网的广泛使用和视频采集技术的逐渐成熟,数字视频数量呈爆炸式增长。为了从海量视频中快速准确搜索到有效信息,通过精简的关键帧概括原始视频的主要内容,视频摘要技术应时而生。现有视频摘要方法,不仅专门用于解决视频关键帧相似性度量问题的理论仍处于形成期,而且大多数的图像相似性计算方法主要依据的是传统图像特征,较少考虑到图像像素空间的拓扑结构。针对以上问题,围绕静态视频摘要技术,本文对关键帧提取和关键帧图像相似性计算中涉及的关键技术进行了研究,主要工作概括如下:(1)以光流运动分析为基础,提出将光流技术与改进的爬山搜索相结合的关键帧提取方法。首先,使用光流法计算视频帧序列的运动曲线。然后,通过改进的爬山法实现对搜索初始点的预设,引导算法向更合理的解空间搜索运动曲线的局部极小值;通过变步长搜索,使算法迅速地收敛于局部最优解。最后,提取运动局部极小值对应的视频帧作为关键帧。该方法根据连续帧之间光流位移的变化剧烈程度提取关键帧,其获得的关键帧不仅较全面地涵盖视频内容,而且能突出视频的重要内容;同时可应用于视频的快速浏览和检索。(2)提出基于超像素分割的关键帧相似性计算方法。该方法使用超像素分割算法对关键帧图像的像素进行局部聚类,可将像素点提升至更具语义空间的图像区域。如此操作,能够有效地利用像素间的区域拓扑关系,以实现对图像块的准确比对。利用该方法对提取出的相邻关键帧进行相似性计算,并以此为依据压缩关键帧间类似的冗余帧,同时不会遗漏人们感兴趣的视频信息,进而得到更有效且性能更优的静态视频摘要结果。(3)将本文提出的静态摘要方法在两个公开基准数据集,即OVP数据集和YouTube数据集上完成实验,并与几种具有代表性的静态视频摘要方法进行对比。通过主观展现及客观性能分析,证明本文获取的视频摘要与人工摘要结果具有更高的一致性,且比以往方法表现出更好的性能,从而验证本文所提方法的有效性和先进性。