視頻中文字檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，數(shù)字化圖像和視頻增長(zhǎng)非?？臁ｋS著移動(dòng)數(shù)碼相機(jī)以及手機(jī)等的普及，各種拍攝來的自然場(chǎng)景的數(shù)字圖像也是到處可見。為了方便管理海量的視頻和圖像信息，使用戶能夠快速得定位自己感興趣的視頻和圖像內(nèi)容。產(chǎn)生了許多視頻和圖像處理及理解的實(shí)際需求，進(jìn)而推動(dòng)了人們對(duì)視頻和圖像內(nèi)容的分析和研究。在視頻內(nèi)容分析方面，研究者主要對(duì)視頻內(nèi)容的結(jié)構(gòu)化分析和檢索技術(shù)比較關(guān)注；在圖像內(nèi)容分析方面，研究者對(duì)場(chǎng)景中獲取內(nèi)容的分析、監(jiān)控尤為關(guān)注。在上述兩個(gè)

2、領(lǐng)域中，文字作為一種重要的高層語(yǔ)意信息而顯示出其重要的作用。此外，還可將提取出的文字從原圖像中去除，同時(shí)修復(fù)被文字所遮擋的背景區(qū)域，進(jìn)而添加上多語(yǔ)種的文字，這對(duì)于不同語(yǔ)種間的視頻及圖像交流和視頻及圖像的再次使用也是很有意義的。
　　 文字行檢測(cè)實(shí)際上也是一種模式識(shí)別。不同于其它的典型模式，例如單個(gè)漢字的模式，文字行的大小、形狀、顏色等都沒有固定的模式。而且在很多情況下，文字所處的背景非常復(fù)雜。這些都給文字檢測(cè)帶來非常大的困難。所

3、以傳統(tǒng)的直接檢測(cè)圖像模式的方法是不能用來檢測(cè)文字的。本文在對(duì)國(guó)內(nèi)外研究現(xiàn)狀和所涉及的基本技術(shù)綜述的基礎(chǔ)上，就視頻中文字檢測(cè)算法做出深入探討，并提出了兩種文字檢測(cè)的方法，第一種文字檢測(cè)方法是利用邊緣檢測(cè)和局部直方圖來定位文字區(qū)域。首先，用邊緣檢測(cè)的方法粗略定位可能的文字區(qū)域。然后用局部直方圖對(duì)提取出來的粗略文字區(qū)域進(jìn)行精確的定位，最后利用文字行的結(jié)構(gòu)信息進(jìn)行過濾，去除似文本的“假”文字區(qū)域。這個(gè)算法對(duì)于背景不是很復(fù)雜的視頻有比較好的檢測(cè)效

4、果。第二種文字檢測(cè)方法運(yùn)用了文字的內(nèi)在結(jié)構(gòu)屬性和視頻幀的時(shí)間冗余信息來檢測(cè)文字區(qū)域。首先，根據(jù)文字的內(nèi)在屬性設(shè)計(jì)幾個(gè)文字檢測(cè)器，文字有橫筆畫、豎筆畫、對(duì)角筆畫，相應(yīng)的文字檢測(cè)器也有橫筆畫文字檢測(cè)器、豎筆畫文字檢測(cè)器、對(duì)角筆畫文字檢測(cè)器等。這些文字檢測(cè)器能夠比較精確得將文字像素提取出來，然后將提取出來的文字像素連接成侯選文字區(qū)域。不同于以往的文字檢測(cè)方法，在本算法中，視頻幀的冗余信息被用于文字檢測(cè)階段，而非文字增強(qiáng)階段。最后通過基于密度的