论文部分内容阅读
图像视频中的人工文本包含了大量重要信息,是作为对图像视频内容的说明、解释及补充。由于语义鸿沟(Semantic gap)的存在,造成计算机难以对视频内容信息进行直接提取。因此在视频和图像大量充斥于网络的今天,视频文本信息的提取和识别显得尤为重要。文本的准确提取,不仅可以使得光学文字识别系统效果更好,用于视频分析检索,也可以使得图文分离,用于网络互动电视领域。文本提取的实现包括文本检测、文本定位和文本分割三个主要步骤。本文在文本检测和定位步骤中引入了当前最新的笔画特征方法。针对原有笔画滤波方法由于字符尺寸变化而发生效果下降甚至失效的情况,本文提出了笔画滤波器设计及滤波处理流程的两项改进方法。通过实验比对明显改善了文本检测和文本定位效果。在笔画特征提取的基础上,本文研究设计了对应于笔画特征的检测和定位方法。在文本检测中,采用直方图非线性变换和区域块标记的方法,使得富含笔画特征的潜在文本区域像素深度突出,以块区域门限进行检测。在文本定位过程中,本文致力于将笔画特征融入已有的文本定位方法中。主要采用投影分析和支持向量机块分类方法。在原有的基于边缘特征的投影分析基础上,本文对其处理过程加入了标量量化、离散余弦变换投影和半图像投影这三种主要处理算法。使得投影分析能够将笔画特征丰富的区域准确定位,而又能排除纹理复杂的背景区域。在支持向量机算法研究上,本文主要采用文献[26]所提出的基于笔画特征的支持向量机特征向量提取方法。利用此特征向量训练出的支持向量机分类器在笔画特征的描述上效果好于直接使用像素深度作为特征,本文对此进行了比较实验。利用支持向量机分类器,对候选文本块进行细化,主要包括收缩、合并和扩张三种处理,使得文本块更加准确反映实际文本存在区域。通过实验,上述算法流程取得了较好的检测定位效果。在文本分割步骤中,本文将经过准确定位的文本块进行基于模型的像素分割,利用混合高斯模型逐个像素判断其是否属于文本像素。该过程的实现需要提取部分文本像素作为训练样本,本文设计种子填充法和笔画梯度模型法相结合的文本初步分割,以此提取样本像素。在样本特征向量选取上,文本提出结合颜色和纹理的混合建模特征,其中纹理特征通过小波变换获得。通过实验,本文的提取结果可以获得较好的OCR识别率。