視頻圖像中文本提取若干問題研究.pdf

1、視頻圖像中的文本，特別是附加的文本包含許多重要的信息，原因有三：(1)與當(dāng)前的視頻內(nèi)容緊密相關(guān)；(2)文本具有明顯的視覺特征；(3)OCR文字識(shí)別技術(shù)的發(fā)展遠(yuǎn)遠(yuǎn)超過了聲音識(shí)別技術(shù)和圖像理解技術(shù)。因此幾乎所有的視頻圖像檢索研究都是從視頻文本的識(shí)別開始?，F(xiàn)有的OCR識(shí)別系統(tǒng)還不能直接識(shí)別復(fù)雜背景下的文本，因而從視頻中提取和跟蹤文本區(qū)域，具有重要的實(shí)際意義。 本文的主要研究成果如下： (1)提出了一種基于支持向量機(jī)的模糊推理噪

2、聲檢測(cè)方法。該建模方法應(yīng)用支持向量機(jī)的學(xué)習(xí)機(jī)制從訓(xùn)練樣本中提取支持向量，由支持向量確定模糊基函數(shù)，產(chǎn)生相應(yīng)的模糊規(guī)則，建立起模糊推理模型。并依據(jù)此設(shè)計(jì)了一套噪聲檢測(cè)系統(tǒng)。該系統(tǒng)由基于支持向量機(jī)的模糊推理子系統(tǒng)和決策子系統(tǒng)組成。其中，推理子系統(tǒng)分別在縱向和橫向上檢測(cè)噪聲信息；決策子系統(tǒng)綜合縱向和橫向的信息，做出決策。實(shí)驗(yàn)結(jié)果證明，該方法可有效地檢測(cè)并去除噪聲，同時(shí)保留了圖像的細(xì)節(jié)信息，為后續(xù)的文本檢測(cè)、定位和提取提供了良好的基礎(chǔ)。

3、 (2)提出了一種基于小波變換和支持向量機(jī)(SVM)在數(shù)字圖像中定位文本的方法。首先對(duì)圖像進(jìn)行小波變換；其次在低頻概貌和高頻能量空間應(yīng)用SVM提取文本的紋理特征，由SVM來決定當(dāng)前的像素是文本類還是非文本類；最后因?yàn)镾VM的分類結(jié)果可能存在噪聲或虛假文本，用形態(tài)學(xué)去噪和計(jì)算紋理能量的方法對(duì)SVM的分類結(jié)果進(jìn)行后處理。小波變換和SVM的結(jié)合，不僅降低了輸入空間樣本的數(shù)量，而且利用了SVM適合于高維空間工作的特點(diǎn)，提高了文本提取的效率。實(shí)驗(yàn)

4、結(jié)果表明，提出的方法可以快速有效地定位數(shù)字圖像中的文本區(qū)域。 (3)提出了一種判斷文本區(qū)域字符顏色極性的方法。文本區(qū)域的字符存在著不同的顏色極性，為了能夠正確地把文本區(qū)域的灰度圖像轉(zhuǎn)換成OCR識(shí)別軟件可以識(shí)別的二值圖像，本文提出，首先計(jì)算文本區(qū)域的灰度一梯度共生矩陣，并采用二維最大熵閾值分割遞推算法快速地找到分割的灰度和梯度最佳閾值；然后在此基礎(chǔ)上提取特征向量，送入神經(jīng)網(wǎng)絡(luò)進(jìn)行分類；最后根據(jù)顏色極性判斷的結(jié)果，分割出字符。實(shí)驗(yàn)結(jié)

5、果表明，這種方法在復(fù)雜度不同的背景下，正確地識(shí)別出了不同類別的字符顏色極性。在準(zhǔn)確的識(shí)別出文本顏色極性的基礎(chǔ)之上，用高帽(Top-Hat)和低帽(Bottom-Hat)運(yùn)算尋找種子點(diǎn)，進(jìn)行區(qū)域增長(zhǎng)，將文本圖像轉(zhuǎn)換成二值圖像。最后利用字符的筆畫特征消除二值圖像中的噪聲。 (4)提出了一種從時(shí)域到空域的自動(dòng)視頻分割方法。在時(shí)間域的階段，通過對(duì)相鄰兩幀的變換部分的檢測(cè)，找到運(yùn)動(dòng)目標(biāo)的初步的定位。在空間域階段，采用預(yù)測(cè)分水嶺算法對(duì)運(yùn)動(dòng)

6、目標(biāo)進(jìn)行精確定位。兩種方法互相補(bǔ)充，互相增強(qiáng)。實(shí)驗(yàn)結(jié)果表明，提出的方法不僅分割效果好，而且計(jì)算時(shí)間少。 (5)提出了一種快速而實(shí)用的印刷體數(shù)字識(shí)別算法，它的基本原理是利用印刷體數(shù)字的結(jié)構(gòu)特征，應(yīng)用神經(jīng)網(wǎng)絡(luò)的方法對(duì)數(shù)字進(jìn)行識(shí)別的。由于采樣手段多種多樣，環(huán)境的變化等因素的影響，采集到的圖像效果通常不是很理想，因此本文提出了采用Hopfield神經(jīng)網(wǎng)絡(luò)對(duì)每個(gè)數(shù)字進(jìn)行矯正，再送入BP網(wǎng)絡(luò)進(jìn)行識(shí)別的方法。并把該算法用于DSP實(shí)現(xiàn)，實(shí)驗(yàn)結(jié)果