視頻圖像中文字提取方法研究.pdf

1、基于內(nèi)容的圖像檢索技術(shù)是近些年理論研究的一大熱點,而文字信息是視頻圖像中重要的語義線索。由于視頻圖像中文字具有尺度不一、字體形態(tài)多變、方向多變和背景復(fù)雜的特點,所以準確快速地將視頻圖像中的文字提取出來是基于內(nèi)容的圖像檢索的關(guān)鍵步驟和技術(shù)難點。本文對視頻圖像的文字提取方法做了較系統(tǒng)的研究,主要工作如下:
　　首先,本文總結(jié)出視頻圖像中文本的一般性特點。并對基于紋理的文本檢測方法、基于區(qū)域的檢測方法、基于邊緣的文本檢測方法和基于機器學(xué)

2、習(xí)的文本檢測方法進行了深入的探討,歸納了視頻特征提取的主要特征。
　　其次,本文提出了基于筆劃的文字提取方法。通過對各類文字筆劃均具有對稱邊緣的特點與多文字區(qū)域的幾何特征的認識,根據(jù)二階邊緣檢測算子捕捉邊緣點亮暗變化趨勢的能力,使用高斯型拉普拉斯算子尋找出與文字筆劃寬度相呼應(yīng)的亮暗呈相反變化的所有的“邊緣點對”,并構(gòu)建來自筆劃等窄帶區(qū)域的“對稱邊緣點對”樣本集。從樣本集的分布規(guī)律中自適應(yīng)地定出文字筆劃搜索窗的尺度及方向。利用最小生

3、成樹算法實現(xiàn)由系列搜索窗得到的所有筆劃子區(qū)域的關(guān)聯(lián)聚類,通過剪枝、偽區(qū)域鑒別和閾值分割,將文字以行(含非水平行)或列的形式提取出來。
　　再次,本文提出了基于文字區(qū)域的關(guān)鍵幀提取方法。關(guān)鍵幀是包含一組鏡頭中關(guān)鍵內(nèi)容的圖像幀,通過基于文字的關(guān)鍵幀提取步驟能夠極大的減少圖像的冗余。本文針對文字檢索系統(tǒng)的特點在文字提取工作的基礎(chǔ)上提出了基于文字區(qū)域的關(guān)鍵幀提取方法。
　　最后,本文對基于筆劃的文字提取和基于文字的關(guān)鍵幀提取進行了詳