基于DCT壓縮域的字符定位技術(shù)研究.pdf

1、字符是人類信息的集中和重要表現(xiàn)，圖像/視頻中的字符，包含有豐富的語義信息。采用現(xiàn)代圖像處理技術(shù)將字符從圖像/視頻中自動提取出來，有助于分析理解圖像/視頻的內(nèi)容，實現(xiàn)基于內(nèi)容的檢索等。字符定位是進行字符提取及后續(xù)分析的首要步驟。目前多數(shù)字符定位技術(shù)研究都是在像素域進行的，但是由于圖像/視頻通常都以壓縮格式進行存儲和傳輸，像素域處理方法必須首先將這些壓縮格式的圖像/視頻進行完全解壓縮，然后才能進行定位研究，這樣不僅影響系統(tǒng)處理的速度，同時也

2、限制了這些技術(shù)在存儲空間有限場合下的應用，無法滿足目前快速發(fā)展的實時/移動多媒體業(yè)務(wù)的需要。 近年來壓縮域圖像處理技術(shù)的發(fā)展，提供了研究解決上述問題的新途徑。壓縮域圖像處理技術(shù)是根據(jù)壓縮形式下的圖像/視頻數(shù)據(jù)特點，在不解壓或少量解壓的情況下，實現(xiàn)和像素域相同或相近的處理效果。本文根據(jù)圖像中的字符特點，結(jié)合現(xiàn)有的壓縮域處理技術(shù)，對基于DCT壓縮域的字符定位技術(shù)進行了初步的研究。首先分析了基于DCT壓縮域的特征提取、分類、濾波、分割

3、定位等階段的實現(xiàn)方法，提出了一種面向JPEG壓縮圖像的快速字符定位算法，在DCT壓縮域中實現(xiàn)了復雜背景圖像中的字符區(qū)定位；然后對基于DCT的多尺度分析方法進行研究，提出了一種基于DCT壓縮域的多尺度字符定位算法。在快速字符定位算法中，首先從部分解碼后的DCT數(shù)據(jù)中提取出一種新的基于加權(quán)頻率的字符區(qū)特征；接著采用自適應閡值分類法進行字符/非字符子塊的快速分類；在經(jīng)過基于游程平滑算法的濾波過程之后，提出一種基于二次投影分割融合的字符區(qū)分割算

4、法，實現(xiàn)了復雜背景下的字符區(qū)快速定位；并對實驗結(jié)果進行了分析、比較和討論。為了檢測不同尺寸的字符，本文在基于DCT壓縮域的多尺度方法研究中，對包括基于DCT壓縮域的嚴格分數(shù)縮放算法、基于DCT壓縮域的雙線性插值近似縮放算法進行了實現(xiàn)，并給出了基于DCT壓縮域的多尺度字符定位算法。 目前，基于DCT壓縮域的字符定位技術(shù)研究還處于初始階段，隨著壓縮域圖像處理技術(shù)的快速發(fā)展、以及多媒體業(yè)務(wù)的迅速拓展，這一方向的技術(shù)研究具有廣泛的應用前