視頻文本定位和增強(qiáng)算法研究.pdf

1、隨著多媒體技術(shù)的發(fā)展和網(wǎng)絡(luò)數(shù)據(jù)量的巨大增長,視頻檢索已經(jīng)越來越引起人們的重視。在基于內(nèi)容的視頻檢索技術(shù)中,視頻文本是重要的索引內(nèi)容。提取視頻中的文本后用OCR軟件識(shí)別,則可以建立視頻內(nèi)容的索引或快速瀏覽。以前這些文本大都是通過人工提取的,如果能夠?qū)崿F(xiàn)快速的自動(dòng)文本定位提取,將大大節(jié)省人力物力。在提取出文本區(qū)域后,由于視頻中的文本圖片普遍具有分辨率低質(zhì)量差的特點(diǎn),如不進(jìn)行增強(qiáng)處理,很難被OCR軟件準(zhǔn)確識(shí)別。因此,如何對(duì)提取出的視頻文本進(jìn)行

2、有效的增強(qiáng)以提高OCR識(shí)別正確率日漸受到關(guān)注。 本文主要研究視頻文本圖像的定位和增強(qiáng)技術(shù),提出了定位和增強(qiáng)方面的幾種新方法,并實(shí)現(xiàn)了幾種傳統(tǒng)算法以進(jìn)行對(duì)比實(shí)驗(yàn)。除了對(duì)算法進(jìn)行深入研究以外,還使用了C++ Builder與Matlab混合編程搭建了視頻文本處理系統(tǒng)軟件平臺(tái)。 首先提出了一種基于小波變換和神經(jīng)網(wǎng)絡(luò)技術(shù)的文本定位方法。該方法將小波良好的時(shí)頻局部特性和變尺度特性同神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、強(qiáng)魯棒性和推廣能力結(jié)合起來發(fā)揮作

3、用。在特征提取過程中,首次將峭度信息引入文本提取領(lǐng)域。取得了良好的效果。算法效率大大提高,定位的準(zhǔn)確率也被提高到90.4％左右。為了證明峭度特征的有效性,還對(duì)傳統(tǒng)的常用于神經(jīng)網(wǎng)絡(luò)分類的統(tǒng)計(jì)特征進(jìn)行了對(duì)比實(shí)驗(yàn)。 其次,提出了一種基于Shannon插值的文本分辨率增強(qiáng)算法。并針對(duì)視頻文本的特點(diǎn)對(duì)公式進(jìn)行了改進(jìn),提高了算法執(zhí)行速度。為了證明Shannon插值方法的有效性,本文還實(shí)現(xiàn)了幾種常用的插值方法用以進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明經(jīng)S

4、hannon插值方法處理的圖像結(jié)果更加平滑,灰度過渡的更好,且大大提高的OCR的識(shí)別正確率。 最后,提出了一種基于Niblack二值化方法的文本圖像增強(qiáng)算法。通過大量實(shí)驗(yàn),確定了在視頻文本增強(qiáng)領(lǐng)域中Niblack二值化公式中相關(guān)參數(shù)的最佳取值。同時(shí),分析了Niblack方法存在的不足,提出了一個(gè)嶄新的偏移量S的計(jì)算公式,從而形成改進(jìn)的Niblack二值化算法。為了證明算法有效性,本文還實(shí)現(xiàn)了幾種常用的二值化方法用以進(jìn)行對(duì)比實(shí)驗(yàn)。