新聞視頻圖像文字定位與切分方法研究.pdf

1、近些年，伴隨著計(jì)算機(jī)技術(shù)與多媒體信息技術(shù)的快速發(fā)展，視頻和圖像資源日益豐富起來，正逐漸成為人們進(jìn)行信息交互的主流媒體，如何從這些海量的視頻、圖像中獲取人們感興趣的信息也正逐漸成為多媒體技術(shù)研究者們關(guān)注的熱點(diǎn)。相對(duì)于顏色、亮度等低層信息，視頻、圖像中的文字信息屬于高層語義信息，是理解視頻和圖像內(nèi)容的重要線索，同時(shí)獲取視頻、圖像中的這些文字信息對(duì)于建立基于內(nèi)容的視頻與圖像檢索系統(tǒng)也具有極其重要的價(jià)值。
　　新聞視頻中的字幕信息屬于高層

2、語義信息，通常是對(duì)某一新聞事件的概括總結(jié)，為理解新聞視頻內(nèi)容提供了重要的線索。因此，獲取新聞視頻中的字幕信息，有助于對(duì)新聞視頻內(nèi)容的自動(dòng)標(biāo)注，同時(shí)也有利于快速建立基于內(nèi)容的新聞視頻索引系統(tǒng)。本文主要面向新聞視頻圖像，針對(duì)文字提取的相關(guān)關(guān)鍵技術(shù)展開研究，主要包括新聞視頻圖像中標(biāo)題字幕區(qū)域檢測(cè)定位算法研究及文字行切分算法研究，并獲得了一些研究成果，具體工作如下：
　　(1)新聞視頻圖像中，字幕背景通常復(fù)雜多變，造成直接獲取字幕信息具有

3、一定的難度，檢測(cè)定位字幕區(qū)域是獲取字幕信息的重要前提。本文主要面向新聞視頻圖像中標(biāo)題字幕，基于圖像中文字豐富的邊緣特性，并結(jié)合新聞視頻圖像中字幕的屬性特征（位置、尺寸等），提出了一種基于最大特征得分區(qū)域(Maximum Feature Score Region，MFSR)的標(biāo)題字幕檢測(cè)定位算法。相比于傳統(tǒng)的基于投影直方圖的檢測(cè)定位算法，本文算法的檢測(cè)定位精度更高，同時(shí)該算法可以應(yīng)用于電影、電視劇等視頻圖像對(duì)話字幕的檢測(cè)定位，且對(duì)不同國(guó)家