基于DCT域的視頻字符檢測算法研究.pdf

1、自動地抽取圖像/視頻的語義內(nèi)容在圖像/視頻檢索中具有重要意義。在基于內(nèi)容的視頻檢索和瀏覽中，可供利用的一個重要線索是視頻中所包含的字符。因此，自動地檢測和識別字符是抽取視頻語義內(nèi)容的基礎(chǔ)和關(guān)鍵所在。
　　 目前，針對視頻圖像字符檢測和識別在象素域做得比較多，并取得了一些有應(yīng)用價值的進展。然而，視頻由于數(shù)據(jù)量大，通常以壓縮后的視頻流形式進行存儲和傳輸。若將視頻流完全解碼后還原為一幅幅靜止圖像，再進行字符檢測和識別，計算量大，也嚴重

2、地影響了處理速度。若在壓縮域中對視頻流直接處理，還原部分信息，然后進行字符檢測可以減少完全解碼的時間，同時處理數(shù)據(jù)量也更少，有利于提高實時性。
　　 本文結(jié)合現(xiàn)有的壓縮域視頻字符檢測技術(shù)，提出了一種基于DCT域的視頻字符檢測算法。它利用壓縮視頻流中字符紋理所具有的方向性和字符通常都成行/列分布的特點，通過一種新的自適應(yīng)閾值分割，有效地將字符塊與非字符塊區(qū)分開來，并進一步利用形態(tài)學(xué)方法進行平滑和濾波并對候選文本區(qū)進行驗證，最后，通

3、過水平和垂直方向投影，準(zhǔn)確地定位字符區(qū)域。實驗結(jié)果表明，該算法在復(fù)雜背景下也能取得較高的檢測率，具有良好的魯棒性和實用性。
　　 同時，針對已定位好的字符區(qū)域，提出了一種融合圖像直方圖統(tǒng)計信息與邊緣特征的二值化方法用于分割字符。該方法先利用梯度算子檢測出圖像的邊緣點，接著選擇每個邊緣點8鄰域內(nèi)具有最高、最低灰度的點并分別計算這些最高、最低灰度點的均值作為高、低兩個閾值，然后統(tǒng)計圖像中灰度在這兩個閾值之間的所有象素的直方圖，最后將