[發明專利]一種網絡動畫中的文字定位及識別方法

有效

• 申請號: 201010111374.2
• 申請日: 2010-02-10
• 公開（公告）號: CN102147863A
• 公開（公告）日: 2011-08-10
• 發明（設計）人: 張樹武;劉杰;梁偉
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/46
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 梁愛榮

1.一種網絡動畫中的文字定位及識別方法，其特征在于，將網絡動畫結構分析技術與光學字符識別技術結合，直接提取網絡動畫文件中的編碼內嵌文字，并利用一種基于連通域的啟發合并、特征聚類的兩階段文字定位算法定位非內嵌文字，利用一種基于筆畫寬度直方圖的噪聲過濾算法去除非文字連通域，最后利用基于梯度直方圖特征識別非內嵌文字，該方法的步驟為：

步驟S1：利用網絡動畫結構分析技術，分析給定網絡動畫文件的內容，如果存在DefineText標簽，DefineText2標簽之一，則將其中TextRecords域中FontID所定義的編碼內嵌文字直接提取出來；

步驟S2：利用網絡動畫結構分析技術，將網絡動畫分解為若干基本形狀，再將基本形狀轉化為無失真壓縮圖像；基本形狀是構成網絡動畫的元素，它包含網絡動畫中的全部非內嵌文字且背景更加簡單，從而提高光學字符識別技術的準確性；

步驟S3：針對每個基本形狀轉化后的圖像，利用基于連通域的啟發合并、特征聚類的兩階段文字定位算法，將基本形狀中的非內嵌文字圖像準確定位，獲得非內嵌文字定位圖像和錯誤定位的非文字連通圖像；

步驟S4：利用基于筆畫寬度直方圖的噪聲過濾算法，將上述錯誤定位出的非文字連通域圖像過濾掉；

步驟S5：利用基于梯度直方圖特征識別非內嵌文字，最后將識別出的非內嵌文字與編碼內嵌文字返回給用戶。

2.根據權利要求1所述的網絡動畫中的文字定位及識別方法，其特征在于，所述分解若干基本形狀的具體步驟包括：

步驟S21：首先讀取網絡動畫文件的頭信息：簽名、版本、文件大小、幀的大小、幀率、幀數、背景色；

步驟S22：根據網絡動畫文件的頭信息，如果是壓縮格式，則對網絡動畫文件進行解壓，并轉入步驟23，如果不是壓縮格式，則直接轉入步驟23；

步驟S23：讀取下一個標簽頭部信息，判斷是否為End標簽，如果是，結束系統，如果不是，轉入步驟S24；

步驟S24：判斷標簽是否為DefineShape標簽、DefineShape2標簽、DefineShape3標簽、DefineShape4標簽之一，如果是，則轉入步驟S25，如果不是，則返回到步驟S23；

步驟S25：創建一個網絡動畫文件，按照上述標簽頭部信息指定的長度，將原網絡動畫文件中的對應內容寫入新的網絡動畫文件中，從而分解出基本形狀。

3.根據權利要求1所述的網絡動畫中的文字定位及識別方法，其特征在于，將所述基本形狀轉化為無失真壓縮圖像的具體步驟是：將每個基本形狀轉化為背景色相反的兩幅圖像，然后選擇兩幅圖像中前景區域大、反差強烈的圖像進行文字定位及識別。

4.根據權利要求1或2所述的網絡動畫中的文字定位及識別方法，其特征在于，所述文字定位步驟是：

步驟S41：在文字區域顏色一致的假設前提下，通過顏色聚類將圖像分割成若干的顏色層，并在每個圖像顏色層上定位非內嵌文字，同時用顏色聚類可去除文字顏色漸變的不利影響；

步驟S42：利用文字特點設計啟發規則，該啟發規則在保證無錯的前提下，先正確地將若干符合啟發規則的連通域合并成非內嵌文字；

步驟S43：再利用連通域的寬、高及寬高比的特征進行聚類，若屬于某個特征的連通域的數目足夠多，則認為該特征是有意義的文字連通域特征，反之則認為是無意義的連通域特征；

步驟S44：利用步驟33確定的有意義的文字連通域特征，誘導其它連通域進行合并，當若干連通域就近結合且符合有意義的文字連通域特征，則認為該連通域是非內嵌文字，從而準確地將非內嵌文字定位出來。

5.根據權利要求1所述的網絡動畫中的文字定位及識別方法，其特征在于，所述基于筆畫寬度直方圖的噪聲過濾的具體步驟是：

步驟S51：利用文字連通域的筆畫寬度相對穩定，而噪聲連通域的寬度變化較大的特點，對連通域建立水平方向與垂直方向的筆畫寬度直方圖；

步驟S52：對兩個直方圖分別進行聚類，如果兩個直方圖的峰值的頻率足夠多且相差不大，則認為該連通域是非內嵌文字，反之，則認為是噪聲。

6.根據權利要求1所述的網絡動畫中的文字定位及識別方法，其特征在于，所述連通域的啟發合并，是初始化一個連通域鏈表，將連通域中所有符合以下啟發式規則之一的連通域合并，該啟發式規則具體步驟包括如下：

規則a：

Area(i∩j)min(Area(i),Area(j))>0.5,]]>

其中：Area(i)和Area(j)分別表示恰好包含連通域i和j的矩形面積，min(Area(i)，Area(j))則表示二者中的較小值，Area(i∩j)表示他們相交區域的面積；

規則b：

W(i∪j)H(i∪j)<1.2andH(i∪j)W(i∪j)<1.2andDis(i,j)<Tdis,]]>

其中：W(i∪j)和H(i∪j)分別代表包含連通域i和j的矩形的寬和高，而Dis(i，j)則表示他們之間中心的距離，T_dis是一個自適應的閾值，自適應的閾值與包含連通域i和j的矩形的最小寬或高成正比，其定義如下：

T_dis＝min(W(i)，H(i)，W(j)，H(j))×a，

其中：a是一個放大系數，在實驗中被設置為2.3。