基于邊緣檢測的視頻字幕自動定位方法

《基于邊緣檢測的視頻字幕自動定位方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、基于邊緣檢測的視頻字幕自動定位方法[摘要]視頻中的字幕蘊含豐富的語義信息，字幕檢測方法對視頻檢索就尤為重要。因此，提出了一種高效率的方法對視頻中的字幕完成自動檢測與定位。對輸入的圖像進行銳化預處理，突出字幕區(qū)域的信息，求取經(jīng)銳化處理后圖像的最佳分割閥值，結(jié)合最佳分割閥值進行邊緣檢測得到二值圖，很好的分離了字幕區(qū)域與背景區(qū)域。運用形態(tài)學處理使文字連接成塊，最后依據(jù)文字的先驗特征去除干擾區(qū)域。實驗證明，該方法復雜程度低，能準確的定位字幕區(qū)域。[關(guān)鍵詞]視頻字幕；字幕檢測；邊緣檢測；數(shù)學形態(tài)學；中圖分類號：TP391.41文獻

2、標識碼：A文章編號：1009-914X（2014）41-0139-01隨著多媒體技術(shù)在互聯(lián)網(wǎng)上的高速發(fā)展，視頻在人們的日常生活中己經(jīng)成為不可或缺的一部分。迫切地需要一種有效的方法對視頻進行管理、索引和檢索。由于這種需求，基于圖像、聲音等各種視頻信息檢索的方法被大量提出，其中，視頻中的字幕信息對于視頻的檢索有著十分重要的意義。本文針對運用邊緣算法提取視頻字幕生成二值圖像時，需要設(shè)定經(jīng)驗閾值，通用性差的缺點，提出一種結(jié)合圖像預處理及最佳閥值分割的視頻字幕檢測算法。1字幕區(qū)域提取方法描述51.1字幕提取流程為了便于人眼識別，視

3、頻中后期制作加入的文字一般具有下述特性：文字顏色與背景有較大差別，具有比較豐富的邊緣信息；文字均具有一定規(guī)格尺寸；文字的分布比較集中且多為水平方向排列；任意一個文字區(qū)域都包含多個文字。正是基于以上特征，本研究設(shè)計了一種方法來檢測視頻中的文本區(qū)域，步驟如下：（1）輸入彩色圖像，做灰度化處理；（2）使用二階拉普拉斯算子做銳化處理；（3）用最小誤差法求圖像的分割閥值T；（4）用sobel算子結(jié)合閥值T做邊緣檢測；（5）將邊緣圖用數(shù)學形態(tài)學連通為區(qū)域；（6）文字區(qū)域進行粗篩選；（7）文字區(qū)域進行細篩選，確定文字區(qū)域；1.2輸入圖

4、像的預處理在處理彩色圖像前先把彩色圖像轉(zhuǎn)化為灰度圖像，一般常用的有R、G、B三色等權(quán)和不等權(quán)兩種變換，本方法采用不等權(quán)策略。由于拉普拉斯算子是微分操作符，對輸入的灰度圖像濾波，可以突出灰度值快速變化的區(qū)域，可以使圖像銳化。對于文字提取來說，邊緣圖像的二值化至關(guān)重要。閥值過大，會減少文字的邊緣信息。閥值過小，會使保留較多的非文字邊緣，使誤檢增多。本文采用最小誤差法求閾值。求得增強后圖像？（x，y）的最佳分割閾值為T。5本文使用sobel邊緣檢測算子。Sobel算子兩個模板組成，分別用來檢測圖像中的垂直邊緣和水平邊緣。將兩個

5、模板與圖像卷積得到的最大值作為該點的邊緣響應(yīng)值輸出。得到圖像的邊緣圖，與圖像的最佳分割閾值T比較，大于T的點賦值邏輯值1輸出，小于T的點賦值0輸出，最后生成二值圖像。1.3形態(tài)學處理形態(tài)學是一種非線性信號處理和分析的工具，應(yīng)用在圖像上，它可將圖像信號與其幾何形狀聯(lián)系起來，利用一定形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對應(yīng)形狀和結(jié)構(gòu)，可以簡化圖像?；靖拍钍歉g、膨脹、開、閉運算。本文中使用五次閉運算，兩次開運算，三次膨脹運算可有效的將邊緣圖像連接成候選的連通區(qū)域。1.4字幕區(qū)域粗篩選在經(jīng)過形態(tài)學處理后，在通過文字區(qū)域的啟發(fā)性規(guī)

6、則就能剔除虛假的文本區(qū)域，得到精確的文本區(qū)域。其中主要用到字幕區(qū)域的寬度、面積、中心、寬高比、飽和度[7]。寬度：為了清晰顯示，提出的高度標準是邊界窗的高度必須高于10個像素。面積：字幕連通域的面積大于一個經(jīng)驗閾值150。中心：連通域最小外接矩形的中心。中心大于二分之一倍寬度。5寬高比：最小外接矩形寬度和高度的比例，寬高比大于1而小于50。飽和度：連通域內(nèi)已填充像素數(shù)占最小外接矩形的比例。設(shè)置飽和度閾值為0.4.1.5字幕區(qū)域細篩選根據(jù)字幕的先驗知識，能排除掉大部分虛假連通域，但仍會有少量的連通域誤檢出來。為進一步提高準

7、確率。設(shè)計如下思路：將檢測出的連通域的位置信息映射回二值圖像，對二值圖相應(yīng)位置進行水平方向投影，因為字幕通常由水平的幾個字符組成，邊緣信息比其他區(qū)域豐富，選取出水平投影均值最大的默認為字幕區(qū)。非字幕區(qū)零散且無規(guī)律，對未達到默認字幕區(qū)的50%的其他區(qū)域予以排除。最后得到滿足條件的連通域的位置信息，映射回到原圖上。2結(jié)束語通過大量的實驗，證明本方法的普適性和魯棒性，為解決一般邊緣檢測方法效率低，提出一種先對圖像做銳化預處理，突出字幕區(qū)域信息的方法。在用sobel算子對圖像做邊緣檢測時，解決了需要人為設(shè)定經(jīng)驗閥值生成二值圖像的

8、問題。以最小誤差法求取的值作為邊緣圖二值化的閾值，可以分離出字幕區(qū)與背景區(qū)域。運用數(shù)學形態(tài)學使文字區(qū)域連通為塊，根據(jù)文字的先驗規(guī)則去排除非字幕區(qū)。參考文獻5[1]蔡波，周洞汝，胡宏斌.數(shù)字視頻中字幕檢測及提取的研究和實現(xiàn)[J].計算機輔助設(shè)計與圖形學學報，2003（7）：898-903.[2]萬罡，周洞汝，崔永毅等.