復(fù)雜背景下的視頻文本定位與分割.pdf

1、視頻中的文本信息是輔助理解視頻內(nèi)容的重要線索,有效地提取這些文本信息對(duì)視頻內(nèi)容的自動(dòng)理解及檢索等應(yīng)用來說是一項(xiàng)關(guān)鍵的技術(shù)。目前商業(yè)OCR還不能有效地識(shí)別背景復(fù)雜、干擾強(qiáng)烈的視頻文本圖像,尋找一種通用的文本定位與分割方法以提高識(shí)別的效率,是當(dāng)前研究的熱點(diǎn)問題之一。
　　本文重點(diǎn)研究視頻文本定位與分割的方法。根據(jù)復(fù)雜背景下視頻文本的特點(diǎn),采用角點(diǎn)提取結(jié)合形態(tài)學(xué)的文本定位方法,針對(duì)文字大小不一的問題,提出了多尺度的角點(diǎn)檢測方法,并結(jié)合文

2、字通常具有相同顏色的特點(diǎn),采用顏色聚類的方式對(duì)文字區(qū)域進(jìn)行更精確的定位;利用小波域隱HMT模型的廣泛應(yīng)用的特點(diǎn),在小波域內(nèi)對(duì)定位出的文本區(qū)域中的文字和背景進(jìn)行建模,結(jié)合尺度間融合思想,充分利用不同尺度上的類標(biāo)志特性,較好解決了文本區(qū)域文字的分割問題,得到文字圖像。
　　實(shí)驗(yàn)結(jié)果表明:本文改進(jìn)的文本定位算法有效檢測出復(fù)雜視頻中的文本信息,不僅能夠檢測出球賽場景、新聞?lì)愐曨l中的文字信息,還可用于自然場景文本的檢測定位;小波域HMT模型