視頻字幕的提取與識別研究.pdf

1、視頻字幕往往包含了豐富的語義信息，與視頻其它特征相比，更適于用作視頻索引，因而對于視頻字幕提取方面的研究備受關注。
　　 本文對視頻字幕提取的幾個方面，包括字幕檢測、字幕定位、字幕增強和字幕的二值化進行了研究。與文檔圖像相比較，視頻中的字幕提取由于其較低的分辨率、復雜的背景、照明的變化、位置、形狀與顏色的不確定而具有很大的挑戰(zhàn)性。
　　 為了便于后續(xù)的視頻分析，首先進行了視頻的鏡頭分割，然后利用計算相鄰幀差的方法檢測字幕

2、事件。區(qū)域定位是字幕提取的關鍵一環(huán)，本文改進了投影分割的方法，實現(xiàn)了字幕區(qū)域的快速定位，然而，這種只依賴于字幕邊緣特征的定位方法常常具有很高的誤檢率，因此，提出利用支持向量機對真實字幕和虛假字幕進行分類，從而將虛假字幕過濾掉。實驗證明，這種將投影分析和支持向量機分類法相結合的方法不僅能夠快速地定位出字幕區(qū)域，而且能夠保證定位的準確性。
　　 從一幀中定位出的字幕往往具有復雜的背景，但同一字幕事件中的字幕條前景相同，而背景可能不同

3、。采用多幀平均法把屬于同一字幕事件的所有幀進行字幕條疊加，可以起到平滑背景、降低噪音、提高分辨率的效果。
　　 由于OCR識別器通常只接受二值圖像進行文字識別，因此還需進行字幕圖像二值化，本文根據(jù)字幕的不同情況，提出了兩種二值化方法：對于具有豐富的彩色信息的視頻字幕，利用基于模糊直方圖提取字幕前景的方法對其進行二值化；對于噪點較多的字幕圖像，利用機器學習方法中的多尺度條件隨機場方法進行二值化。采用OCR工具對二值化圖像進行識別的