文字识别作为模式识别的一个重要分支,愈来愈受到人们的重视。而随着图像和视频信息的迅速增长,如何利用图像和视频中所包含的文字信息建立基于内容的图像信息索引成为一个非常有意义的课题。视频是由一帧帧图像所构成的,为了识别视频信息中所包含的文字,首先根据视频以及图像处理的相关知识对视频文件进行预处理,这些处理包括利用DirectShow提取视频文件中的关键帧、利用图像变换将彩色图像变为灰度图像、灰度均衡、二值化以及去噪声等。在预处理的基础上给出了一种区分中英文与粘连文字分割的算法,先分割出文字行,然后把行文字根据算法切分成单个文字,以利于对每个文字进行特征的提取或是依据已知文字的特征来对视频图像中的文字进行识别。分割算法还根据中文和英文的不同特点先区分出中文与英文,然后分别对英文与中文进行不同的处理。对分割后文字的识别采用人工神经网络技术中的BP(Back-propagation)算法。针对BP算法存在的不足,给出一种改进的BP算法。该算法主要通过调整BP算法中sigmoid函数倾斜度α来改善BP算法。如果α取值过大,各层的输出0或1被离散,学习效果变差,反之其值选择过小,系统线性化变强,非线性能力被削弱,所以最佳值是介于两者之间。利用改进后的倾斜度得到的激励函数,使计算结点的sigmoid函数的倾斜度可以在训练的过程中逐渐调整到最优值。在普通的PC(Personal Computer)机上对包含宋体的视频图像进行识别的试验结果表明,识别的准确率比较理想。