視頻中的文字提取技術(shù).pdf

1、視頻中的高層語義信息很大程度上體現(xiàn)了視頻的內(nèi)容,而在視頻中,文字信息均包含了豐富的高層語義信息。如若這些文字能被自動(dòng)地檢測(cè)、分割和識(shí)別出來,則對(duì)圖像高層語義的自動(dòng)理解、索引和檢索是非常有價(jià)值的。視頻的文字提取系統(tǒng)主要分為四個(gè)部分,文字事件檢測(cè)、文字區(qū)域定位、文字分割與字符識(shí)別。
　　本文針對(duì)文字區(qū)域定位與文字分割的算法進(jìn)行研究。首先在文字區(qū)域定位算法方面,本文提出了兩種算法,一種是基于小波變換的定位算法,運(yùn)用了角點(diǎn)響應(yīng)圖像和小波變

2、換高頻子帶綜合圖像,提取統(tǒng)計(jì)特征向量并作分類,然后利用字符的特征設(shè)定啟發(fā)式規(guī)則來篩選誤判區(qū)域,由于運(yùn)用無監(jiān)督學(xué)習(xí)的分類方法,該算法避免了樣本訓(xùn)練等步驟。另一種是基于Gabor變換的定位算法,針對(duì)中文文字的定位,由于中文的筆畫主要分布在四個(gè)方向,綜合不同尺度的Gabor變換分類結(jié)果,得到比較理想的文字區(qū)域,實(shí)驗(yàn)表明,即使在檢測(cè)定位低對(duì)比度的文字區(qū)域時(shí),該算法也有比較好的穩(wěn)定性。
　　另一方面,文字分割是在文字定位之后、識(shí)別之前的關(guān)鍵