視頻圖像中的文字提取技術(shù)研究.pdf

1、視頻中的文本為描述視頻內(nèi)容提供了十分有用的信息，對(duì)于構(gòu)建基于內(nèi)容的多媒體檢索系統(tǒng)具有重要作用。因此，有效地提取和識(shí)別這些文字對(duì)于圖像理解、視頻內(nèi)容分析、基于內(nèi)容的圖像和視頻檢索等領(lǐng)域具有重要意義。 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，但視頻中的文字具有分辨率低、背景復(fù)雜、文字形態(tài)差異大等特點(diǎn)，這給視頻中文字的有效提取帶來了極大的挑戰(zhàn)，限制了OCR技術(shù)的成功應(yīng)用。針對(duì)這些問題，本文主要圍繞如何充分利用文字

2、的各種特性，更魯棒地從復(fù)雜背景圖像中提取出文字進(jìn)行了研究，具體研究了文字區(qū)域檢測(cè)、文字恢復(fù)、文字分割這三部分的算法。 在視頻文字檢測(cè)方面，本文提出了一種基于線條分類的視頻文字檢測(cè)算法。首先利用Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)，然后根據(jù)文字邊緣線條的特征，過濾非字符的邊緣線條，并利用文字線條區(qū)域的相似性，設(shè)置綜合閾值，得到最終的文字區(qū)域。該算法在邊緣檢測(cè)的基礎(chǔ)上，有效地利用了文字本身的結(jié)構(gòu)特征和文字筆畫的線條特征對(duì)文字區(qū)域進(jìn)行判別

3、，在獲得較高查全率的同時(shí)大大降低了虛警，而且對(duì)不規(guī)則排列及發(fā)生形變的文字也能夠準(zhǔn)確定位，并對(duì)光照、陰影等條件不敏感。 在文字分割方面，本文提出了一種融合多種處理方法的文字區(qū)域二值化算法。首先對(duì)發(fā)生了射影形變的文字進(jìn)行文字恢復(fù)，消除了射影形變對(duì)文字識(shí)別的影響，然后通過綜合局部二值化，文字極性判斷和連通分量分析等方法有效地過濾了文字區(qū)域中的背景，使文字區(qū)域二值化效果得到較大的提高，對(duì)具有復(fù)雜背景、受光照和陰影影響及發(fā)生了射影形變的文