視頻中提取文字區(qū)域.pdf

1、對于現(xiàn)在的多媒體應用來說，大多數(shù)應用都是以建立視頻數(shù)據庫等大量的視頻數(shù)據為基礎的。對于大量的視頻數(shù)據來說，對這些視頻數(shù)據的檢索是一個比較難的問題，且成為視頻技術發(fā)展的瓶頸?，F(xiàn)在的檢索技術主要是基于內容的，但是由于人們對抽象圖象的理解各不相同，并且需要較高的人工智能，這造成現(xiàn)在的檢索技術效率不高。但文字是直接的，人們對文字的理解不會偏差很大，于是在存儲視頻數(shù)據的時候，如果能夠把視頻數(shù)據中的文字區(qū)域提取出來，進而利用專門的文字識別系統(tǒng)把這些

2、文字識別出來，利用這些文字作為這些視頻數(shù)據的索引，在進行檢索的時候就可以利用這些文字索引找到相應的視頻數(shù)據，這樣就能大大地提高檢索效率。正因為文字區(qū)域的提取對視頻數(shù)據的檢索有這么大的幫助，所以對文字區(qū)域提取的研究現(xiàn)在受到了很大的重視。 本文提出了在視頻幀以及在壓縮視頻數(shù)據中提取文字區(qū)域的方法，該方法利用圖象的紋理特征來提取文字區(qū)域。對于視頻幀來說，利用圖象的紋理特征—角點來進行提取。文字，特別是漢字，含有豐富的角點，于是文字區(qū)域

3、一定是視頻幀圖象中角點分布密度最大的區(qū)域。對于一幅視頻幀圖象來說，經過角點提取，角點濾波，角點聚類，以及最后文字區(qū)域的校驗等步驟，最后便能把文字區(qū)域提取出來。對于有些視頻幀圖象來說，其背景區(qū)域紋理結構復雜，容易給最后的結果造成很大的噪聲，本文特別對這種情況進行了詳細的說明，對這種類型的視頻幀圖象采取特別地處理，這樣在最后的結果中就能大大地減少噪聲。對于壓縮視頻數(shù)據來說，由于DCT變換系數(shù)以及量化后的DCT變換系數(shù)能反映原視頻幀圖象的紋理