基于时空域信息的视频字幕提取算法研究

摘要

视频字幕往往包含了丰富的语义信息,与视频其它特征相比,更适于用作视频索引,因而对于视频字幕提取方面的研究备受关注.该文针对字幕提取算法开展了研究.为了便于后续的视频分析,提出了一种基于模糊聚类神经网络(FCNN)的镜头突变检测算法,实现视频镜头分割,该算法具有检测精度高、对运动稳健等优点;区域定位是字幕提取的关键一环,同样利用FCNN分类器可实现字幕定位,但其运算量大,定位精度不高,因此提出了一种改进的投影分割方法实现字幕区域定位分割,实验表明其简单实用,适于实时处理;考虑到单个字符背景相对简单,为此提出了一种基于单字符的字幕二值化算法,最终在经由字符分割、二值化及残留背景像素清除之后,得到了清晰、高质的字幕图像,字符识别结果证明了这一点.

目录

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

1.1课题背景

1.2技术现状

1.3作者的工作

1.4论文章节安排

第二章基于内容的视频检索

2.1基于内容的多媒体检索

2.2基于内容的视频检索

2.3基于内容的视频检索的特征提取

第三章数字视频中的字幕及其提取

3.1视频中的文字分类及其特点

3.2视频字幕提取的技术难点

3.3视频字幕提取的基本步骤

第四章数字视频中的字幕检测

4.1视频数据

4.2文字事件类型

4.3视频文字检测算法分类

4.4基于模糊聚类神经网络的镜头突变检测算法

4.4.1人工神经网络概述

4.4.2自组织竞争神经网络

4.4.3模糊竞争学习算法

4.4.4基于模糊聚类神经网络的镜头突变检测

4.5字幕出现/消失检测

第五章数字视频中的字幕分割

5.1文字分割方法概述

5.1.1基于阈值的文字分割

5.1.2基于边缘的文字分割

5.1.3基于纹理的文字分割

5.2字幕区域定位

5.2.1基于模糊聚类神经网络的字幕区域定位

5.2.2一种改进的投影分割算法

第六章数字视频中的字幕识别

6.1字幕帧平均

6.1.1多帧平均法

6.1.2改进的多帧平均法

6.2字幕图像插值

6.2.1图像插值法概述

6.2.2视频字幕图像插值

6.3字幕图像二值化

6.3.1全局阈值法

6.3.2局部阈值法

6.3.3混合二值化方法

6.3.4字幕图像二值化

第七章结束语

致谢

参考文献

作者在读期间的研究成果