[發(fā)明專利]一種網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201010111374.2
• 申請(qǐng)日: 2010-02-10
• 公開(kāi)（公告）號(hào): CN102147863A
• 公開(kāi)（公告）日: 2011-08-10
• 發(fā)明（設(shè)計(jì)）人: 張樹(shù)武;劉杰;梁偉
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院自動(dòng)化研究所
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/46
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 梁愛(ài)榮

1.一種網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)別方法，其特征在于，將網(wǎng)絡(luò)動(dòng)畫(huà)結(jié)構(gòu)分析技術(shù)與光學(xué)字符識(shí)別技術(shù)結(jié)合，直接提取網(wǎng)絡(luò)動(dòng)畫(huà)文件中的編碼內(nèi)嵌文字，并利用一種基于連通域的啟發(fā)合并、特征聚類的兩階段文字定位算法定位非內(nèi)嵌文字，利用一種基于筆畫(huà)寬度直方圖的噪聲過(guò)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(shí)別非內(nèi)嵌文字，該方法的步驟為：

步驟S1：利用網(wǎng)絡(luò)動(dòng)畫(huà)結(jié)構(gòu)分析技術(shù)，分析給定網(wǎng)絡(luò)動(dòng)畫(huà)文件的內(nèi)容，如果存在DefineText標(biāo)簽，DefineText2標(biāo)簽之一，則將其中TextRecords域中FontID所定義的編碼內(nèi)嵌文字直接提取出來(lái)；

步驟S2：利用網(wǎng)絡(luò)動(dòng)畫(huà)結(jié)構(gòu)分析技術(shù)，將網(wǎng)絡(luò)動(dòng)畫(huà)分解為若干基本形狀，再將基本形狀轉(zhuǎn)化為無(wú)失真壓縮圖像；基本形狀是構(gòu)成網(wǎng)絡(luò)動(dòng)畫(huà)的元素，它包含網(wǎng)絡(luò)動(dòng)畫(huà)中的全部非內(nèi)嵌文字且背景更加簡(jiǎn)單，從而提高光學(xué)字符識(shí)別技術(shù)的準(zhǔn)確性；

步驟S3：針對(duì)每個(gè)基本形狀轉(zhuǎn)化后的圖像，利用基于連通域的啟發(fā)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(nèi)嵌文字圖像準(zhǔn)確定位，獲得非內(nèi)嵌文字定位圖像和錯(cuò)誤定位的非文字連通圖像；

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

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

2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)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(wǎng)絡(luò)動(dòng)畫(huà)文件的頭信息：簽名、版本、文件大小、幀的大小、幀率、幀數(shù)、背景色；

步驟S22：根據(jù)網(wǎng)絡(luò)動(dòng)畫(huà)文件的頭信息，如果是壓縮格式，則對(duì)網(wǎng)絡(luò)動(dòng)畫(huà)文件進(jìn)行解壓，并轉(zhuǎn)入步驟23，如果不是壓縮格式，則直接轉(zhuǎn)入步驟23；

步驟S23：讀取下一個(gè)標(biāo)簽頭部信息，判斷是否為End標(biāo)簽，如果是，結(jié)束系統(tǒng)，如果不是，轉(zhuǎn)入步驟S24；

步驟S24：判斷標(biāo)簽是否為DefineShape標(biāo)簽、DefineShape2標(biāo)簽、DefineShape3標(biāo)簽、DefineShape4標(biāo)簽之一，如果是，則轉(zhuǎn)入步驟S25，如果不是，則返回到步驟S23；

步驟S25：創(chuàng)建一個(gè)網(wǎng)絡(luò)動(dòng)畫(huà)文件，按照上述標(biāo)簽頭部信息指定的長(zhǎng)度，將原網(wǎng)絡(luò)動(dòng)畫(huà)文件中的對(duì)應(yīng)內(nèi)容寫(xiě)入新的網(wǎng)絡(luò)動(dòng)畫(huà)文件中，從而分解出基本形狀。

3.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)別方法，其特征在于，將所述基本形狀轉(zhuǎn)化為無(wú)失真壓縮圖像的具體步驟是：將每個(gè)基本形狀轉(zhuǎn)化為背景色相反的兩幅圖像，然后選擇兩幅圖像中前景區(qū)域大、反差強(qiáng)烈的圖像進(jìn)行文字定位及識(shí)別。

4.根據(jù)權(quán)利要求1或2所述的網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)別方法，其特征在于，所述文字定位步驟是：

步驟S41：在文字區(qū)域顏色一致的假設(shè)前提下，通過(guò)顏色聚類將圖像分割成若干的顏色層，并在每個(gè)圖像顏色層上定位非內(nèi)嵌文字，同時(shí)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(diǎn)設(shè)計(jì)啟發(fā)規(guī)則，該啟發(fā)規(guī)則在保證無(wú)錯(cuò)的前提下，先正確地將若干符合啟發(fā)規(guī)則的連通域合并成非內(nèi)嵌文字；

步驟S43：再利用連通域的寬、高及寬高比的特征進(jìn)行聚類，若屬于某個(gè)特征的連通域的數(shù)目足夠多，則認(rèn)為該特征是有意義的文字連通域特征，反之則認(rèn)為是無(wú)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(dǎo)其它連通域進(jìn)行合并，當(dāng)若干連通域就近結(jié)合且符合有意義的文字連通域特征，則認(rèn)為該連通域是非內(nèi)嵌文字，從而準(zhǔn)確地將非內(nèi)嵌文字定位出來(lái)。

5.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)別方法，其特征在于，所述基于筆畫(huà)寬度直方圖的噪聲過(guò)濾的具體步驟是：

步驟S51：利用文字連通域的筆畫(huà)寬度相對(duì)穩(wěn)定，而噪聲連通域的寬度變化較大的特點(diǎn)，對(duì)連通域建立水平方向與垂直方向的筆畫(huà)寬度直方圖；

步驟S52：對(duì)兩個(gè)直方圖分別進(jìn)行聚類，如果兩個(gè)直方圖的峰值的頻率足夠多且相差不大，則認(rèn)為該連通域是非內(nèi)嵌文字，反之，則認(rèn)為是噪聲。

6.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)動(dòng)畫(huà)中的文字定位及識(shí)別方法，其特征在于，所述連通域的啟發(fā)合并，是初始化一個(gè)連通域鏈表，將連通域中所有符合以下啟發(fā)式規(guī)則之一的連通域合并，該啟發(fā)式規(guī)則具體步驟包括如下：

規(guī)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(qū)域的面積；

規(guī)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(gè)自適應(yīng)的閾值，自適應(yīng)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(gè)放大系數(shù)，在實(shí)驗(yàn)中被設(shè)置為2.3。