[發明專利]一種視頻文本分割方法

無效

• 申請號: 201010606223.4
• 申請日: 2010-12-24
• 公開（公告）號: CN102043948A
• 公開（公告）日: 2011-05-04
• 發明（設計）人: 黃磊;王修飛
• 申請（專利權）人: 漢王科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種視頻文本分割方法，其特征在于，包括：

步驟1：對輸入的視頻文本圖像進行預處理，使預處理后的視頻文本圖像具有統一的尺度；?

步驟2：利用一階高斯模型作為顏色分布模型來擬合預處理后的視頻文本圖像的顏色分布，根據所述預處理后的視頻文本圖像的筆畫圖來估計該顏色分布模型的參數，并利用所述的顏色分布模型對預處理后的視頻文本圖像進行文本初分割，得到包含一定冗余信息的初分割結果圖；

步驟3：對所述初分割結果圖進行噪聲濾除，濾除所述冗余信息。

2.根據權利要求1所述的視頻文本分割方法，其特征在于，步驟1中所述對輸入的視頻文本圖像進行預處理，包括：

對輸入的視頻文本行進行邊界擴充，對邊界擴充后的結果進行尺度歸一化。

3.根據權利要求2所述的視頻文本分割方法，其特征在于，步驟1中所述輸入的視頻文本圖像為灰度圖像。

4.根據權利要求2所述的視頻文本分割方法，其特征在于，所述尺度歸一化，包括：采用雙線性插值的方法對邊界擴充的結果進行尺度歸一化。

5.根據權利要求1所述的視頻文本分割方法，其特征在于，所述步驟2中根據所述預處理后的視頻文本圖像的筆畫圖來估計該顏色分布模型的參數包括：

步驟2a：提取預處理后的視頻文本圖像的筆畫圖；

步驟2b：計算所述提取的視頻文本圖像的筆畫圖的二值筆畫圖；

步驟2c：采用所述二值筆畫圖計算視頻文本圖像的顏色分布模型參數。

6.根據權利要求5所述的視頻文本分割方法，其特征在于，所述的步驟2c中，視頻文本圖像的顏色分布模型采用一階高斯分布函數表示，為：

式中，表示點屬于文本像素的概率，表示預處理后的灰度圖像中點的像素值，和為模型參數，分別表示在預處理后的灰度圖像上求取的二值筆畫圖對應區域的均值和方差。

7.根據權利要求6所述的視頻文本分割方法，其特征在于，和為模型參數通過以下步驟獲得：

在輸入圖像空間上，獲得預處理后的灰度圖像與二值筆畫圖中的點的集合的交集：

在上獲得模型參數和，包括：

令?；令

其中，?為集合中點的個數。

8.根據權利要求7所述的視頻文本分割方法，其特征在于，根據所述顏色分布模型對預處理后的文本圖像進行初分割包括：

通過上述公式對預處理后的灰度圖像進行分割，得到初分割結果圖

式中，?和為步驟2c中獲得的高斯分布函數中的均值和方差，為預處理后的灰度圖像中點的像素值，為二值圖像中點的像素值。

9.根據權利要求1所述的視頻文本分割方法，其特征在于，所述步驟3中所述進行噪聲濾除，濾除所述冗余信息，包括：

步驟3a：進行邊界種子填充，濾除邊界上的連通區域；

步驟3b：對濾除邊界上的連通區域后的結果圖進行連通域分析；?

步驟3c：根據所述連通域分析結果進行全局濾噪和局部濾噪。

10.根據權利要求9所述的視頻文本分割方法，其特征在于，所述根據所述連通域分析結果進行全局濾噪包括：

將步驟3b中進行連通域分析得到的連通體序列記為：；

對所述連通體序列進行處理，濾除其中為非文本噪聲的連通體，得到經過全局濾噪的連通體序列。

11.???根據權利要求10所述的視頻文本分割方法，其特征在于，所述對所述連通體序列進行處理，濾除其中為非文本噪聲的連通體，得到經過全局濾噪的連通體序列，包括：

1）計算預處理后的灰度圖像中與初分割結果圖對應區域的均值和方差，計算預處理后的灰度圖像與各個連通體對應區域的均值和方差；

2）當當前連通體（其中0≤i≤N，N為連通體序列C中連通體的個數）滿足下列條件時：

?或?

從所述步驟2獲得的初分割結果圖中濾除該連通體所對應的區域，從連通體序列中濾除該連通體；

3）循環遍歷連通體序列中的所有連通體，得到經過全局濾噪的連通體序列和經過全局濾噪的二值圖像。

12.根據權利要求9所述的視頻文本分割方法，其特征在于，所述根據所述連通域分析結果進行局部濾噪包括：

對經全局濾噪后的連通序列進行處理，濾除其中為非文本噪聲的連通體，其具體步驟包括：

1）計算預處理后的灰度圖像中與經全局濾噪后的二值圖像對應區域的均值和方差；

2）獲取經全局濾噪后的連通體序列中的當前連通體，尋找與其左右方向上鄰近的連通體和：?為位于左邊方向上與其歐式距離最小的連通體，為位于右邊方向上與其歐式距離最小的連通體；當連通體的均值和方差滿足下列條件時：

?或?

從經全局濾噪后的二值圖像中濾除該連通體所對應的區域，并從經全局濾噪后的連通體序列中濾除該連通體；其中，、、和分別為連通體和的均值和方差；其中0≤i≤N，N為連通體序列C中連通體的個數；

3）重復執行上述步驟2)，循環遍歷連通體序列中中的所有連通體，最后得到經局部濾噪后的二值圖像即為最終的分割結果。