新聞視頻圖像文字定位與切分方法研究.pdf

1、近些年，伴隨著計算機技術與多媒體信息技術的快速發(fā)展，視頻和圖像資源日益豐富起來，正逐漸成為人們進行信息交互的主流媒體，如何從這些海量的視頻、圖像中獲取人們感興趣的信息也正逐漸成為多媒體技術研究者們關注的熱點。相對于顏色、亮度等低層信息，視頻、圖像中的文字信息屬于高層語義信息，是理解視頻和圖像內容的重要線索，同時獲取視頻、圖像中的這些文字信息對于建立基于內容的視頻與圖像檢索系統(tǒng)也具有極其重要的價值。
　　新聞視頻中的字幕信息屬于高層

2、語義信息，通常是對某一新聞事件的概括總結，為理解新聞視頻內容提供了重要的線索。因此，獲取新聞視頻中的字幕信息，有助于對新聞視頻內容的自動標注，同時也有利于快速建立基于內容的新聞視頻索引系統(tǒng)。本文主要面向新聞視頻圖像，針對文字提取的相關關鍵技術展開研究，主要包括新聞視頻圖像中標題字幕區(qū)域檢測定位算法研究及文字行切分算法研究，并獲得了一些研究成果，具體工作如下：
　　(1)新聞視頻圖像中，字幕背景通常復雜多變，造成直接獲取字幕信息具有

3、一定的難度，檢測定位字幕區(qū)域是獲取字幕信息的重要前提。本文主要面向新聞視頻圖像中標題字幕，基于圖像中文字豐富的邊緣特性，并結合新聞視頻圖像中字幕的屬性特征（位置、尺寸等），提出了一種基于最大特征得分區(qū)域(Maximum Feature Score Region，MFSR)的標題字幕檢測定位算法。相比于傳統(tǒng)的基于投影直方圖的檢測定位算法，本文算法的檢測定位精度更高，同時該算法可以應用于電影、電視劇等視頻圖像對話字幕的檢測定位，且對不同國家