視頻字幕的提取與識(shí)別研究.pdf

1、視頻字幕往往包含了豐富的語義信息，與視頻其它特征相比，更適于用作視頻索引，因而對(duì)于視頻字幕提取方面的研究備受關(guān)注。
　　 本文對(duì)視頻字幕提取的幾個(gè)方面，包括字幕檢測、字幕定位、字幕增強(qiáng)和字幕的二值化進(jìn)行了研究。與文檔圖像相比較，視頻中的字幕提取由于其較低的分辨率、復(fù)雜的背景、照明的變化、位置、形狀與顏色的不確定而具有很大的挑戰(zhàn)性。
　　 為了便于后續(xù)的視頻分析，首先進(jìn)行了視頻的鏡頭分割，然后利用計(jì)算相鄰幀差的方法檢測字幕

2、事件。區(qū)域定位是字幕提取的關(guān)鍵一環(huán)，本文改進(jìn)了投影分割的方法，實(shí)現(xiàn)了字幕區(qū)域的快速定位，然而，這種只依賴于字幕邊緣特征的定位方法常常具有很高的誤檢率，因此，提出利用支持向量機(jī)對(duì)真實(shí)字幕和虛假字幕進(jìn)行分類，從而將虛假字幕過濾掉。實(shí)驗(yàn)證明，這種將投影分析和支持向量機(jī)分類法相結(jié)合的方法不僅能夠快速地定位出字幕區(qū)域，而且能夠保證定位的準(zhǔn)確性。
　　 從一幀中定位出的字幕往往具有復(fù)雜的背景，但同一字幕事件中的字幕條前景相同，而背景可能不同

3、。采用多幀平均法把屬于同一字幕事件的所有幀進(jìn)行字幕條疊加，可以起到平滑背景、降低噪音、提高分辨率的效果。
　　 由于OCR識(shí)別器通常只接受二值圖像進(jìn)行文字識(shí)別，因此還需進(jìn)行字幕圖像二值化，本文根據(jù)字幕的不同情況，提出了兩種二值化方法：對(duì)于具有豐富的彩色信息的視頻字幕，利用基于模糊直方圖提取字幕前景的方法對(duì)其進(jìn)行二值化；對(duì)于噪點(diǎn)較多的字幕圖像，利用機(jī)器學(xué)習(xí)方法中的多尺度條件隨機(jī)場方法進(jìn)行二值化。采用OCR工具對(duì)二值化圖像進(jìn)行識(shí)別的