圖像和視頻中疊加文字提取算法研究及應用.pdf

1、圖片和視頻中的疊加文字是幫助理解圖片和視頻內(nèi)容高層語義的重要線索，有效地提取這些文字對圖像理解以及基于內(nèi)容的多媒體信息檢索系統(tǒng)來說是一項重要的技術(shù)。目前商業(yè)的OCR技術(shù)對于二值圖像中文字的提取識別已經(jīng)趨于成熟，但對于圖片和視頻中的疊加文字，由于圖像背景復雜，有效的文字提取具有很大的挑戰(zhàn)性，這限制了OCR技術(shù)的成功應用。 針對圖像背景復雜、分辨率低，文字形態(tài)變化多端等問題，本文提出一種基于拆分一合并的魯棒文字分割算法，在文字檢測的基礎(chǔ)上，

2、利用文字的顏色和尺度信息，對檢測到的文字塊進行準確和高效的分割，最大限度地去除圖片中的背景，為OCR系統(tǒng)提供完整清晰的二值圖像輸入。為了有效地剔除疊加文字的背景，研究人員做過很多嘗試，提出的算法大多比較復雜，以致檢測和分割的處理速度較慢，準確性與實用要求也有一定的距離。本文提出了一種基于時間自適應變化模型的視頻文字提取算法，使得在引入簡單的人工交互行為后，文字提取系統(tǒng)的性能和速度得到顯著提高，這在一些對完全自動化要求不高，但是對準確性和