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)與當前的視頻內(nèi)容緊密相關；(2)文本具有明顯的視覺特征；(3)OCR文字識別技術的發(fā)展遠遠超過了聲音識別技術和圖像理解技術。因此幾乎所有的視頻圖像檢索研究都是從視頻文本的識別開始。現(xiàn)有的OCR識別系統(tǒng)還不能直接識別復雜背景下的文本，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的模糊推理噪

2、聲檢測方法。該建模方法應用支持向量機的學習機制從訓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)生相應的模糊規(guī)則，建立起模糊推理模型。并依據(jù)此設計了一套噪聲檢測系統(tǒng)。該系統(tǒng)由基于支持向量機的模糊推理子系統(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。實驗結果證明，該方法可有效地檢測并去除噪聲，同時保留了圖像的細節(jié)信息，為后續(xù)的文本檢測、定位和提取提供了良好的基礎。

3、 (2)提出了一種基于小波變換和支持向量機(SVM)在數(shù)字圖像中定位文本的方法。首先對圖像進行小波變換；其次在低頻概貌和高頻能量空間應用SVM提取文本的紋理特征，由SVM來決定當前的像素是文本類還是非文本類；最后因為SVM的分類結果可能存在噪聲或虛假文本，用形態(tài)學去噪和計算紋理能量的方法對SVM的分類結果進行后處理。小波變換和SVM的結合，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，提高了文本提取的效率。實驗

4、結果表明，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)域的灰度圖像轉換成OCR識別軟件可以識別的二值圖像，本文提出，首先計算文本區(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；然后在此基礎上提取特征向量，送入神經(jīng)網(wǎng)絡進行分類；最后根據(jù)顏色極性判斷的結果，分割出字符。實驗結

5、果表明，這種方法在復雜度不同的背景下，正確地識別出了不同類別的字符顏色極性。在準確的識別出文本顏色極性的基礎之上，用高帽(Top-Hat)和低帽(Bottom-Hat)運算尋找種子點，進行區(qū)域增長，將文本圖像轉換成二值圖像。最后利用字符的筆畫特征消除二值圖像中的噪聲。 (4)提出了一種從時域到空域的自動視頻分割方法。在時間域的階段，通過對相鄰兩幀的變換部分的檢測，找到運動目標的初步的定位。在空間域階段，采用預測分水嶺算法對運動

6、目標進行精確定位。兩種方法互相補充，互相增強。實驗結果表明，提出的方法不僅分割效果好，而且計算時間少。 (5)提出了一種快速而實用的印刷體數(shù)字識別算法，它的基本原理是利用印刷體數(shù)字的結構特征，應用神經(jīng)網(wǎng)絡的方法對數(shù)字進行識別的。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)絡對每個數(shù)字進行矯正，再送入BP網(wǎng)絡進行識別的方法。并把該算法用于DSP實現(xiàn)，實驗結果