基于MPEG的視頻文字提取算法.pdf

1、隨著信息技術(shù)的發(fā)展和網(wǎng)絡(luò)帶寬的提升，視頻數(shù)據(jù)量成爆炸式增長。圖像特征提取近年來成為圖像研究的熱點，在此基礎(chǔ)上的視頻中的文字是視頻語義理解的重要信息來源。由于視頻是集圖像、聲音、文字等為一體的綜合性媒體，而其中的文字又是最接近高層語義的信息，通過對視頻的分析從而對文字對象的快速定位和提取，實現(xiàn)對視頻的內(nèi)容檢索、關(guān)鍵詞提取、安全性篩選等等。視頻文字檢測技術(shù)在文字輸入輸出、機器翻譯、語言學習、信息檢索、信息安全、數(shù)據(jù)挖掘、人工智能領(lǐng)域，都有廣

2、闊的應用空間。視頻文字提取算法研究以圖像文字提取算法為基礎(chǔ)，同時視頻文字也有一些自己所特有的性質(zhì)：例如圖像分辨率不高，邊緣模糊，這些缺點將會影響檢驗結(jié)果，應利用圖像處理方法盡可能的還原清晰圖像。另一方面，文字會持續(xù)出現(xiàn)在連續(xù)多幀中，文字相對靜止而背景相對運動等等，這些特性也可以利用以提高檢測效率，是研究的重點。算法將視頻文字提取分為文字檢測和文字分割兩個步驟。其中，第一步是直接在DCT域中操作，是本文的重點和創(chuàng)新點。首先使用邊緣檢測方法

3、進行初始定位，然后運用形態(tài)學方法把文字塊(DCT塊)聚合成完整的文字(區(qū)域)，再通過判斷文字區(qū)域的持續(xù)時間進行精確檢測，其中還涉及到相同區(qū)域的文字同一性的檢測。在第二步文字分割中，首先對檢出片斷進行IDCT解碼，這并不影響整個算法的效率，然后利用同一文字片段出現(xiàn)的連續(xù)多幀信息處理圖像，達到增強文字的效果，接下來利用閾值實現(xiàn)文字片斷二值化，最后結(jié)果可以直接輸入OCR軟件文字識別。創(chuàng)新之處在于將圖像文字檢測方法和MPEG壓縮方法相結(jié)合，不需

4、要解壓縮步驟，這樣做不僅大大降低了運算量，而且巧妙的在DCT域上進行邊緣檢測，直接提高了檢測效率。另外，創(chuàng)造性地利用視頻文字持續(xù)出現(xiàn)在連續(xù)多幀中的特點，判斷同一文字區(qū)域的持續(xù)時間，將相對靜止的文字從背景中分割出來。對視頻文字獨有特性的利用貫穿于整個算法的始終，有效地實現(xiàn)了算法性能的提高。實驗表明，算法直接應用于壓縮視頻可以提高檢測效率，同時結(jié)合文字的多幀連續(xù)特性可以降低算法的誤檢率，多幀結(jié)合增強文字還可以有效地提高文字二值化效果，從而提