基于深度學(xué)習(xí)算法的視頻文本區(qū)域定位與識(shí)別.pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷革新、多媒體以及互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們產(chǎn)生視頻的方式逐漸多樣化，視頻的資源變得越來(lái)越豐富，怎樣從豐富的視頻中摘取自己需要的信息就變得越來(lái)越重要，也成為當(dāng)前多媒體方面的一個(gè)研究熱點(diǎn)。視頻中的文字是視頻的一種輔助，對(duì)于視頻的理解有著舉足輕重的作用，其包含了豐富的語(yǔ)義信息。因此，對(duì)視頻文本的定位與識(shí)別就變得非常有意義。但是，由于視頻中的背景一般比較復(fù)雜，使得現(xiàn)有的OCR技術(shù)難以直接對(duì)視頻中的文字內(nèi)容進(jìn)行識(shí)別而獲得較

2、好的識(shí)別結(jié)果。
　　文章對(duì)如何定位視頻中文本區(qū)域以及對(duì)定位的文本進(jìn)行識(shí)別這一問(wèn)題展開研究。首先，本文研究了Gabor濾波器的特性以及對(duì)于文字紋理特征響應(yīng)的特點(diǎn)。分析了正弦平面波的特性和高斯函數(shù)的屬性，給出了利用Gabor濾波器對(duì)文字信息特征的提取方法，以及在四個(gè)方向上對(duì)于文字的紋理特征的響應(yīng)情況。其次，在視頻文本定位過(guò)程中，提出了利用深度學(xué)習(xí)的方法，構(gòu)造深度置信網(wǎng)絡(luò)。通過(guò)構(gòu)造的網(wǎng)絡(luò)對(duì)Gabor濾波器在四個(gè)方向上輸出的紋理特征圖像進(jìn)

3、行處理，實(shí)現(xiàn)對(duì)文本的定位。然后利用形態(tài)學(xué)的處理方法，對(duì)視頻中定位到的文本區(qū)域進(jìn)行腐蝕與膨脹、開閉混合運(yùn)算等以去除噪聲、孤立點(diǎn)、以及對(duì)空洞區(qū)域的填充等，使定位到的文本圖像更加準(zhǔn)確。最后，對(duì)形態(tài)學(xué)處理后的文本區(qū)域，進(jìn)行圖像二值化、字符切分與歸一化以及特征提取等，使得處理后的文本能夠有效的在OCR中識(shí)別，從而提升視頻中文本的識(shí)別率。
　　測(cè)試結(jié)果表明，文章中所提出的文本定位方法可以較準(zhǔn)確的定位出視頻中的文本區(qū)域，通過(guò)OCR能有效的識(shí)別出