彩色圖像和視頻中的文本提取算法研究.pdf

1、文本是圖像和視頻中重要的內(nèi)容信息，對檢索和瀏覽有十分重要的意義。文本可以作為視頻片斷的內(nèi)容標識和索引，例如在新聞視頻中出現(xiàn)的新聞摘要，可以作為該段新聞內(nèi)容的描述，用于新聞視頻資料的檢索；文字可以作為視頻內(nèi)容重要程度的判斷依據(jù)，例如出現(xiàn)醒目文字的幀，可以抽取出來作為對應的視頻片斷的代表幀。如果這些文字能自動地被檢測、分割、識別出來，則對圖像高層語義的自動理解、索引和檢索是非常有價值的。 圖像和視頻中的文字提取屬于信息智能化處理的前

2、沿課題，是當前計算機視覺領(lǐng)域中的研究熱點。目前已有許多圖像和視頻幀文字區(qū)域的定位和提取算法，有基于邊緣特征的、基于紋理特征的、基于區(qū)域的和基于學習的方法等，但是還面臨著不少的困難：視頻圖像的分辨率低，圖像質(zhì)量差，文本的背景復雜；字符的尺寸、位置、顏色和光照變化較大。 本文針對圖形文本的角點信息較為豐富的特點，給出了一種基于角點檢測和形態(tài)學的文本定位方法。通常情況下，彩色圖像和視頻中的文本，在顏色或亮度方面與背景有著顯著的強度對比

3、，因此文本區(qū)域?qū)S富的角點信息。因此對于圖形文本，可根據(jù)圖像的角點信息來確定候選文本區(qū)域。首先檢測圖像的角點，得到圖像的角點分布圖；然后對角點圖進行濾波融合，最后利用形態(tài)學運算將角點聚合形成文本區(qū)域，并根據(jù)規(guī)則進行區(qū)域驗證。實驗表明，該方法可以提取出大部分的文本區(qū)域，特別是對背景本身包含的角點不是很豐富的圖像或視頻幀，具有較高的準確性。但由于該方法是根據(jù)圖像中的角點信息來檢測和提取文字區(qū)域，當圖像或視頻幀中背景本身包含了豐富的角點