字幕是视频中的重要内容信息,它不仅包含了丰富的高层语义,而且经常用来对视频进行标注,是辅助理解视频内容的重要线索。所以对视频中字幕的提取和检索无疑是视频分析中的关键内容。其中,如何把字幕从复杂多变的视频背景中分割出来,让后续的OCR识别模块能够正确识别,一直是视频处理的重要内容,而这也是本文主要解决的问题。通过对前人的相关工作进行学习与分析,针对视频字幕中背景复杂、全局干扰强等问题,本文提出了一种基于字符切分和无监督聚类的视频字幕提取方法。该方法首先利用字幕图像的梯度特征对其进行字符切分,克服了字符间相互干扰与全局噪声的问题；随后,再根据颜色和位置信息,对每个字符图像进行聚类,尽可能地分离出字幕图层；最后,利用连通域分析等方法,减少了干扰噪声,得到清晰的待识别二值化图像。实验结果表明,本文提出的方法可有效地去除文字区域的背景内容,得到清晰的文字轮廓,从而提高字幕图像送入OCR之后的识别率,并且本方法在新闻视频字幕检测系统中也得到了成功运用,使整个系统能够完整地实现从视频中提取文本的工作流程,具有较强的鲁棒性。