數字视频中文字分割算法的研究.docxVIP

万 罡 周洞汝 崔永毅 傅华胜（武汉大学计算机信息学院，武汉 #=!）摘 要 文章对三种文字分割算法， 万 罡 周洞汝 崔永毅 傅华胜 （武汉大学计算机信息学院，武汉 #=!） 摘 要 文章对三种文字分割算法，包括基于阈值的二值化算法、基于分裂 / 合并的算法和基于纹理的算法，进行了分 析、实验与评价，最后提出一种边缘检测——投影——局部区域二值化的文字分割算法，并给出与前面一些算法的比较。 关键词 文字分割 阈值 分裂 / 合并 边缘检测 文章编号 0!6##06（!#）!60#6# 文献标识码 ? 中图分类号 @A#B0 !#$% ’ () *+,-.(/ 0 1)2 !),/)’3.’ .’ 4.,.3+ 5.$) 63’ 73’, 8(# 4’,-# 9#. :’,%. ;# #3=()’, （C)D’:,)+, .E F.DG,): *H-)+H)，IG8’+ J+-K):;-,L，IG8’+ #=!） *=-3?： %+ ,8-; ,8);-;，,8:)) M-EE):)+, ’5(.:-,8 .E ,)N, ;)()+,’,-.+，-+H5GM-+( ,8:);8.5M 6O’;)M ’5(.:-,8，;D5-,,-+( / ):(-+( O’;)M ’5(.:-,8 ’+M ,)N,G:) O’;)M ’5(.:-,8，’:) ’+’5LP)M ’+M )K’5G)M，,8)+，,8) ’G,8.:; O:-+( ’+ )EE-H-)+, ,)N, ;)()+,’,-.+ ’5(.:-,8 ’; E.55.Q，E-:;,，’+ )M() M),)H,-.+ R D:.S)H,-.+ O’;)M ),8.M -; G;)M ,. (), ,)N, :)(-.+;，;)H.+M， ,)N, :)(-.+; ’:) ;)()+,)M OL ,8:);8.5M6O’;)M ),8.M$ @)%A-$=：@)N, ;)()+,’,-.+，@8:);8.5M，*D5-,,-+( / ):(-+(，TM() M),)H,-.+ 文字分割的本质是图像分割（%’() *)()+,’,-.+）。图像 分割是计算机视觉领域中极为重要的内容之一，是实现自动图 像分析时首先需要完成的操作。它是根据图像的某些特征或特 征集合的相似性准则，对图像像素进行分组聚类，把图像平面 划分为一系列“有意义”的区域，使其后的图像分析、识别等高 级处理阶段所要处理的数据量大大减少，同时又保留有关图像 结构特征的信息。尽管对图像分割算法的研究已有几十年的历 史，依据各种理论，至今已提出了上千种类型的分割算法，但是 它们大都是针对具体问题的，目前还没有通用的分割理论和算 法。下面将对三种文字分割算法，包括基于阈值的二值化算法、 基于分裂 / 合并的算法和基于纹理的算法，进行分析、实验与评 价，并提出一种边缘检测——投影——局部区域二值化的文字 分割算法。 有关，则所得的阈值是与坐标相关的（即动态阈值，前两种阈值 对应可称为固定阈值）。 以上对阈值分割方法的分类思想是通用的。近年来，许多 取阈值分割方法借用了神经网络、模糊数学、遗传算法、信息论 等工具，但这些方法仍可归纳到以上三种方法类型中。 0$0 阈值的灰度图像二值化 在利用单阈值方法来分割灰度图像时一般都对图像有一 定的假设。最常用的模型可描述如下：假设图像由具有单峰灰 度分布的目标和背景组成，且目标和背景象素在灰度值上有很 大的差别。对于这类图像，它们的灰度直方图基本上可看作是 由分别对应目标和背景的两个单峰直方图混合而成，可以把双 峰之间的谷点作为阈值 !，对图象作以下二值化处理： ’（#，$）3 ! 0 若 %（#，$）!! （! 若 %（#，$）! 0 基于阈值的二值化算法 在基于阈值的灰度图像分割算法中，确定阈值是关键。阈 值一般可写成如下形式： 对于某些新闻视频中的标题新闻、影视片名或演员表等 它们的背景一般比较简单，可以采用单阈值分割方法。但是，大 多数视频中的文字都有较复杂的背景，反映在其灰度直方图上 !!1#，$，%（#，$）， （#，$）2 （0） 将出现多个峰谷，此时若采用单阈值的分割方法则无法将文字 其 中 %（#，$）是 在 象 素 点 （#，$）对 处 的 灰 度 值 ， （#，$）是 该 点邻域的某种局部性质。换句话说，! 在一般情况下可以是（#， $），%（#，$）和 （#，$）的函数。借助式（0），可以将阈值分割方法 分成如下三类： （0）如果仅根据 %（#，$）来选取阈值，所得的阈值仅与各个 图像象