视频文字识别的研究

论文摘要

视频中的文字通常含有很重要的信息,比如地点、时间、人名、主题等。视频文字作为一种高级语义信息,对视频内容的理解、索引具有重要作用。本文研究的是视频文字的提取和识别,主要包括视频文字定位、跟踪和分割三部分算法及关键技术的研究。在视频文字定位方面,本文在定位和验证的两级框架下,提出了一种新的视频文字定位算法。在文本定位模块中,充分利用字符的笔画属性,引入对字符区域有很强响应的笔画算子;经笔画提取,密度过滤,区域分解得到候选文本行。在验证模块中,提取对文字有较强鉴别能力的边缘方向直方图特征,使用Adaboost算法训练的分类器对候选文本行进行筛选。在视频文字跟踪方面,考虑到视频中的文本多为静止或匀速直线运动的刚性文本,本文提出了一种基于块匹配和运动估计的跟踪算法。为了提高跟踪速度,设计自适应三级跟踪器。针对刚体运动文字,采用了线性预测、文字区域图像比较及边缘位图比较相结合的方法,使跟踪速度达到了实时性,跟踪精度达到了像素间精确对齐。现有视频文字分割算法一般只利用了视频文字某一方面的特性。本文研究出的综合利用视频文字时空、笔画、颜色及几何特征的分割算法,可以快速准确地从复杂背景的视频图像中分割出文字。本算法先利用多帧融合进行图像增强;然后基于笔画宽度特征,利用笔画特征算子提取文字笔画;再根据笔画图像标注的文字区域建立颜色模型,提取文字颜色层;最后用改进的连通域分析法去除文字颜色层中的同色背景和噪声。最后,在算法研究的基础上,本文实现了一个Video OCR的实时演示系统,可以自动为视频文件建立文本--帧号索引。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 课题来源与目的
• 1.3 国内外动态
• 1.3.1 文本帧检测
• 1.3.2 文本定位
• 1.3.3 文本跟踪
• 1.3.4 分割和增强
• 1.3.5 文字识别
• 1.4 本文的工作与组织
• 第二章 视频文字定位
• 2.1 引言
• 2.2 基于笔画提取的文本行初定位
• 2.2.1 笔画提取
• 2.2.2 获取文字候选区域
• 2.2.3 文本行区域分解
• 2.3 基于边缘方向直方图特征的文本行验证
• 2.3.1 矩形的边缘方向直方图特征（EOH）
• 2.3.2 特征提取
• 2.3.3 特征选择
• 2.3.4 级联的AdaBoost分类器
• 2.3.5 分类器识别结果对文本候选区域的验证
• 2.4 实验结果及分析
• 2.4.1 算法准确性的评估
• 2.4.2 算法速度的评估
• 2.4.3 算法间的比较与定位结果示例
• 2.5 总结
• 第三章 视频文字跟踪
• 3.1 引言
• 3.2 跟踪方案
• 3.3 算法的主要数据结构及流程
• 3.4 试验结果
• 3.5 跟踪后处理
• 第四章 视频文字分割
• 4.1 引言
• 4.2 算法描述
• 4.2.1 多帧图像的融合增强
• 4.2.2 文字区域的笔画特征
• 4.2.3 文字区域的颜色特征
• 4.2.4 改进的连通体分析
• 4.2.5 单字切分
• 4.3 实验结果及分析
• 4.3.1 实验数据
• 4.3.2 实验方法及实验结果
• 4.4 总结与展望
• 第五章 汉王视频文字识别系统
• 5.1 系统总体目标
• 5.2 系统框架
• 5.3 系统设计
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 工作展望
• 参考文献
• 作者简历
• 致谢