數(shù)字視頻中文本的提取方法研究.pdf

1、對于視頻內(nèi)容的分析與檢索已成為當(dāng)前視頻信息研究領(lǐng)域的一個(gè)熱點(diǎn)。由于視頻中包含的文字信息與視頻內(nèi)容關(guān)系密切,可以為視頻內(nèi)容理解與檢索提供重要線索,因此如何快速、準(zhǔn)確的提取視頻中文本信息也就成為一項(xiàng)非常有意義的研究方向。除此以外,視頻文本提取技術(shù)通過與各種移動數(shù)碼設(shè)備(數(shù)碼攝像機(jī)、數(shù)碼相機(jī)、PDA、手機(jī)等)結(jié)合,在自動翻譯、盲人導(dǎo)航、機(jī)器人視覺、智能交通等方面也發(fā)揮了越來越大的作用,并逐漸成為了研究人員關(guān)注的熱點(diǎn)問題。
　　 從視頻

2、中提取文本信息并不是一件簡單的事情,由于視頻圖像中的文本往往存在于復(fù)雜的背景中,同一幅圖像中可能含有不同字體、顏色、大小和排列方式的文字,因此對于視頻中文本檢測、定位和分割具有很大的難度。
　　 本文對于視頻文本提取框架中的若干關(guān)鍵問題,如文本定位、跟蹤、增強(qiáng)以及實(shí)際應(yīng)用(新聞故事自動分割、道路交通標(biāo)識牌文字識別系統(tǒng))開展研究。
　　 研究內(nèi)容主要如下:
　　 提出了一種綜合灰度形態(tài)學(xué)和小波多尺度分解與重構(gòu)算法的

3、文本定位方法。首先結(jié)合形態(tài)學(xué)與小波分析在邊緣檢測方面的優(yōu)點(diǎn),提取出視頻幀邊緣像素,然后通過“基于密度”的區(qū)域增長算法將邊緣像素合并成為候選文本區(qū)。最后采用基于BPSO算法進(jìn)行特征選擇及SVM參數(shù)同步優(yōu)化的分類器對候選文本區(qū)進(jìn)行確認(rèn)。本方法有效克服了單獨(dú)優(yōu)化特征或單獨(dú)優(yōu)化分類器參數(shù)的缺陷,取得較好的分類效果。
　　 提出一種基于邊緣角點(diǎn)與改進(jìn)Hausdorff距離為判定準(zhǔn)則的靜止和線性運(yùn)動文本的跟蹤算法。首先將邊緣算子提取的二值圖

4、像經(jīng)去噪、細(xì)化處理后,以提取的邊緣角點(diǎn)為特征點(diǎn)集合,用改進(jìn)的Hausdorff距離度量為判定準(zhǔn)則,通過點(diǎn)模式匹配法跟蹤文本區(qū)域在相鄰視頻幀序列中的位置。實(shí)驗(yàn)結(jié)果顯示,點(diǎn)模式匹配的跟蹤算法比圖像整體像素匹配的算法跟蹤精度更高。由于該算法不必對每個(gè)視頻幀都進(jìn)行文本定位,從而大大提高了系統(tǒng)效率。在文本跟蹤的基礎(chǔ)上,用基于多幀融合思想的前景/背景識別算法提取視頻文字筆畫并作OCR識別。
　　 提出了一種融合視頻中的標(biāo)題字幕信息以及音、視

5、頻等多模態(tài)信息的新聞故事單元分割方法,并實(shí)現(xiàn)了一個(gè)新聞故事分割、瀏覽和檢索的原型系統(tǒng)。首先根據(jù)第二、三章的算法實(shí)現(xiàn)對新聞標(biāo)題文本的定位、跟蹤與分割,并在鏡頭分割的基礎(chǔ)上,根據(jù)混合高斯模型(GMM)與KL差異法完成播音員和非播音員音頻鏡頭的識別,最后結(jié)合新聞視頻節(jié)目的特殊結(jié)構(gòu)知識完成對新聞節(jié)目故事單元的自動分割。
　　 介紹了一種視頻文本提取算法在輔助駕駛系統(tǒng)中的應(yīng)用,通過對道路標(biāo)識牌上的文字提取,從而提供給駕駛員在公路上的導(dǎo)航,