發(fā)布時(shí)間：2020-02-04 07:12

【摘要】：隨著智能手機(jī)等數(shù)碼產(chǎn)品的應(yīng)用普及和各類如Youtube、Facebook等支持上傳和分享個(gè)人拍攝視頻的在線社交網(wǎng)站的增多,視頻也日漸成為常見(jiàn)的信息傳遞載體。對(duì)當(dāng)下基于內(nèi)容的很多視頻應(yīng)用(如視頻的檢索、摘要、分類和視頻分析等)來(lái)說(shuō),可靠提取視頻中包含豐富語(yǔ)義信息的文本對(duì)象具有重要的實(shí)際價(jià)值。然而由于圖像采集條件的差異、文本形式和內(nèi)容的多樣性以及視頻圖像場(chǎng)景和文字背景的復(fù)雜性,使得針對(duì)視頻中文本的可靠提取具有相當(dāng)大的難度,同時(shí)也得到了模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像處理、多媒體技術(shù)等眾多研究領(lǐng)域的廣泛關(guān)注。作為視頻中文本信息提取的關(guān)鍵環(huán)節(jié),本文針對(duì)視頻中的文本顯著性分析和文本檢測(cè)問(wèn)題開(kāi)展了深入的研究并提出了相應(yīng)的有效算法。針對(duì)視頻圖像的文本顯著性分析,本文提出基于時(shí)-空文本特征的視頻文本顯著性分析算法。通過(guò)采用結(jié)合隨機(jī)森林和卷積神經(jīng)網(wǎng)絡(luò)的級(jí)聯(lián)預(yù)測(cè)模型,本方法首先在視頻幀中計(jì)算能有效反映像素級(jí)別文本特征的文本置信度值,然后將視頻幀分割為大小一致的區(qū)域塊(patch)并提取反映文本置信度統(tǒng)計(jì)和空間分布的區(qū)域塊特征。在其基礎(chǔ)上,本方法提出了基于重啟概率隨機(jī)游走的時(shí)-空文本顯著性分析模型,該模型將視頻幀表示為以區(qū)域塊為圖節(jié)點(diǎn)的全連接有向圖,進(jìn)而在圖上基于文本置信度和相關(guān)視覺(jué)特征計(jì)算文本的空間顯著性,另一方面基于文本對(duì)象在連續(xù)多幀視頻圖像間的穩(wěn)定性計(jì)算文本的時(shí)間顯著性,最后使用重啟概率隨機(jī)游走算法將空間和時(shí)間文本顯著性有效結(jié)合在一起。針對(duì)自然場(chǎng)景視頻中的文本檢測(cè),本文提出結(jié)合文本與背景信息的視頻文本檢測(cè)方法。本方法將自然場(chǎng)景中文本與其附屬的背景信息之間的共生關(guān)系作為視頻圖像文本檢測(cè)的核心特征,用以提高傳統(tǒng)方法中單純依靠文本組件特征來(lái)檢測(cè)文本的準(zhǔn)確性。具體來(lái)說(shuō),為了找出視頻圖像中的文字組件前景,本方法提供了一種文本字符種子的定位和生長(zhǎng)策略,同時(shí)將視頻圖像中提取到的一致性區(qū)域作為潛在字符背景的候選區(qū)域,然后通過(guò)有效洞檢測(cè)、邊緣一致性等約束條件得到字符背景區(qū)域。在得到字符前景和背景后,分別將兩者作為二分有向圖模型中的兩個(gè)不相交的節(jié)點(diǎn)集合,并在此二分圖模型(Bipartite Graph Model)上應(yīng)用隨機(jī)游走算法。然后應(yīng)用組串策略進(jìn)一步將該模型輸出的字符結(jié)果組成文本字符串。為驗(yàn)證上述方法的有效性,本文在ICDAR2013、ICDAR2015等廣泛采用的自然場(chǎng)景視頻數(shù)據(jù)集上對(duì)論文方法進(jìn)行了實(shí)驗(yàn)測(cè)試。實(shí)驗(yàn)結(jié)果表明,相對(duì)于已有方法,本文提出的基于時(shí)-空文本特征的視頻文本顯著性分析方法和結(jié)合文本與背景信息的視頻文本檢測(cè)方法有效提高了處理的精度,達(dá)到了預(yù)期的算法設(shè)計(jì)目標(biāo),同時(shí)具有在后續(xù)工作中進(jìn)一步改進(jìn)的潛力。
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前4條

1 陳瀟逸;基于顯著性的圖像智能處理與云應(yīng)用的研究[D];華中科技大學(xué);2013年

2 邢妍妍;基于多示例學(xué)習(xí)的群組圖像協(xié)同顯著性分析[D];北京交通大學(xué);2016年

3 單蘇蘇;視頻文本顯著性分析與文本檢測(cè)方法研究[D];南京大學(xué);2017年

4 謝延濤;基于多示例學(xué)習(xí)的圖像顯著性分析[D];北京交通大學(xué);2014年

，

本文編號(hào)：2576271