圖像和視頻中疊加文字提取算法研究及應(yīng)用.pdf

1、圖片和視頻中的疊加文字是幫助理解圖片和視頻內(nèi)容高層語(yǔ)義的重要線索，有效地提取這些文字對(duì)圖像理解以及基于內(nèi)容的多媒體信息檢索系統(tǒng)來(lái)說(shuō)是一項(xiàng)重要的技術(shù)。目前商業(yè)的OCR技術(shù)對(duì)于二值圖像中文字的提取識(shí)別已經(jīng)趨于成熟，但對(duì)于圖片和視頻中的疊加文字，由于圖像背景復(fù)雜，有效的文字提取具有很大的挑戰(zhàn)性，這限制了OCR技術(shù)的成功應(yīng)用。 針對(duì)圖像背景復(fù)雜、分辨率低，文字形態(tài)變化多端等問(wèn)題，本文提出一種基于拆分一合并的魯棒文字分割算法，在文字檢測(cè)的基礎(chǔ)上，

2、利用文字的顏色和尺度信息，對(duì)檢測(cè)到的文字塊進(jìn)行準(zhǔn)確和高效的分割，最大限度地去除圖片中的背景，為OCR系統(tǒng)提供完整清晰的二值圖像輸入。為了有效地剔除疊加文字的背景，研究人員做過(guò)很多嘗試，提出的算法大多比較復(fù)雜，以致檢測(cè)和分割的處理速度較慢，準(zhǔn)確性與實(shí)用要求也有一定的距離。本文提出了一種基于時(shí)間自適應(yīng)變化模型的視頻文字提取算法，使得在引入簡(jiǎn)單的人工交互行為后，文字提取系統(tǒng)的性能和速度得到顯著提高，這在一些對(duì)完全自動(dòng)化要求不高，但是對(duì)準(zhǔn)確性和