随着计算机技术和多媒体技术的迅速发展，多媒体数据尤其是视频数据急剧增加。相对于静态图像而言，视频包含的信息更丰富、表现形式更直观，是人们获取信息的重要来源之一。面对海量视频数据，如何快速有效地挖掘视频的纹理、形状和运动等低层特征成为视频处理领域的研究热点。现有的视频特征提取算法多是将图像特征的提取算法拓展应用于视频中，不能很好地满足视频处理的实时性等要求，针对以上问题，本文的主要研究工作内容及成果包括：首先，提出了一种基于模糊概念格的视频纹理特征挖掘方法。将模糊概念格与灰度共生矩阵相结合，利用灰度共生矩阵从能量、熵和对比度等多个角度对视频纹理特征进行了准确量化的描述，形成模糊形式背景；利用模糊概念格生成纹理特征关联规则，根据关联规则实时挖掘视频纹理特征。实验结果表明，本方法能够快速准确地挖掘视频纹理特征，与现有方法相比，大大减小了计算量，能够满足海量视频处理的实时性要求。其次，提出了一种基于模糊概念格的视频运动特征挖掘方法，将模糊概念格与MPEG-7标准中运动活动性描述子相结合，利用MPEG-7标准中运动活动性描述子分别对镜头和视频帧的运动特征进行了多角度的描述，形成模糊形式背景；利用模糊概念格生成运动特征关联规则，根据关联规则实时挖掘感兴趣镜头、感兴趣视频帧和感兴趣视频帧的运动特征。实验结果表明，应用本规则挖掘得到的感兴趣镜头和感兴趣视频帧符合人的直观体验，同时，挖掘出的感兴趣视频帧运动特征与现有方法相比，有效滤除了背景噪声，有效快捷。最后对本文研究内容进行了总结，给出了下一步研究的方向。