基于DCT域的視頻字符檢測(cè)算法研究.pdf

1、自動(dòng)地抽取圖像/視頻的語(yǔ)義內(nèi)容在圖像/視頻檢索中具有重要意義。在基于內(nèi)容的視頻檢索和瀏覽中，可供利用的一個(gè)重要線索是視頻中所包含的字符。因此，自動(dòng)地檢測(cè)和識(shí)別字符是抽取視頻語(yǔ)義內(nèi)容的基礎(chǔ)和關(guān)鍵所在。
　　 目前，針對(duì)視頻圖像字符檢測(cè)和識(shí)別在象素域做得比較多，并取得了一些有應(yīng)用價(jià)值的進(jìn)展。然而，視頻由于數(shù)據(jù)量大，通常以壓縮后的視頻流形式進(jìn)行存儲(chǔ)和傳輸。若將視頻流完全解碼后還原為一幅幅靜止圖像，再進(jìn)行字符檢測(cè)和識(shí)別，計(jì)算量大，也嚴(yán)重

2、地影響了處理速度。若在壓縮域中對(duì)視頻流直接處理，還原部分信息，然后進(jìn)行字符檢測(cè)可以減少完全解碼的時(shí)間，同時(shí)處理數(shù)據(jù)量也更少，有利于提高實(shí)時(shí)性。
　　 本文結(jié)合現(xiàn)有的壓縮域視頻字符檢測(cè)技術(shù)，提出了一種基于DCT域的視頻字符檢測(cè)算法。它利用壓縮視頻流中字符紋理所具有的方向性和字符通常都成行/列分布的特點(diǎn)，通過一種新的自適應(yīng)閾值分割，有效地將字符塊與非字符塊區(qū)分開來，并進(jìn)一步利用形態(tài)學(xué)方法進(jìn)行平滑和濾波并對(duì)候選文本區(qū)進(jìn)行驗(yàn)證，最后，通

3、過水平和垂直方向投影，準(zhǔn)確地定位字符區(qū)域。實(shí)驗(yàn)結(jié)果表明，該算法在復(fù)雜背景下也能取得較高的檢測(cè)率，具有良好的魯棒性和實(shí)用性。
　　 同時(shí)，針對(duì)已定位好的字符區(qū)域，提出了一種融合圖像直方圖統(tǒng)計(jì)信息與邊緣特征的二值化方法用于分割字符。該方法先利用梯度算子檢測(cè)出圖像的邊緣點(diǎn)，接著選擇每個(gè)邊緣點(diǎn)8鄰域內(nèi)具有最高、最低灰度的點(diǎn)并分別計(jì)算這些最高、最低灰度點(diǎn)的均值作為高、低兩個(gè)閾值，然后統(tǒng)計(jì)圖像中灰度在這兩個(gè)閾值之間的所有象素的直方圖，最后將