視頻檢索中字幕文本的提取研究.pdf

1、隨著視頻內(nèi)容的豐富，如何對大容量的視頻內(nèi)容進行有效的索引與檢索，成為了熱門的課題。視頻內(nèi)容中含有大量的文本信息，它們對視頻畫面起著描述、解釋以及補充的作用，因此是視頻索引與檢索的重要依據(jù)?；谖谋镜囊曨l索引與檢索可以通過建立文本與視頻內(nèi)容間的有機聯(lián)系來實現(xiàn)，而這種建立聯(lián)系的工作涉及文本信息提取的操作。 通常文本提取包含文本探測定位和文本分割。本文首先提出了一種基于混合特征的字幕文本定位方法，并給出詳細的原理解釋與實現(xiàn)過程。目前存

2、在的混合特征方案中，有些先并行地對各特征進行探測，然后合并結(jié)果；有些按探測效率高低對各特征進行有先后的探測，但效果都不理想。本文方案構(gòu)成如下：本文首先采用基于邊緣探測的方法對候選文本塊進行定位，因為該方法算法簡單、查全率高，適合文本塊初步定位工作，然后使用連通區(qū)域分析來修正文本的外接框，最后使用支持向量機（Support Vector Machine，SVM）對候選文本塊進行篩選，排除在前一步驟中被誤檢為文本的非文本塊。 在對樣

3、本進行SVM訓練時，考慮到SVM訓練需要大量的時間和存儲空間，本文對訓練樣本進行篩選。在已有方法的基礎上，本文利用了同類（SVM中標識為同一類型）樣本之間和異類（SVM中標識為不同類型）樣本之間的歐氏距離大小作為提取準則，從整個樣本集合中選取一部分樣本進行訓練。實驗表明，本文的方法可以使用較少的樣本進行訓練來達到比較理想的訓練效果。 對于定位后文本塊的分割，本文在已有方法的基礎上建立了文本顏色信息和紋理信息的聯(lián)合概率模型。在提取