基于分块DCT的视频文字检测算法

doi:10.3969/j.issn.1007130X.2011.

J4 ›› 2011, Vol. 33 ›› Issue (6): 63-66.doi: 10.3969/j.issn.1007130X.2011.

基于分块DCT的视频文字检测算法

刘凌霞1，牛红惠1，崔洲涓2

（1.安阳师范学院计算机教学部，河南安阳 455000;
2.西安理工大学机械与精密仪器工程学院，陕西西安 710048）

收稿日期:2010-12-01 修回日期:2011-02-26 出版日期:2011-06-25 发布日期:2011-06-25
作者简介:刘凌霞(1977),女,河南安阳人，硕士，讲师，研究方向为图像图形处理和数据挖掘。牛红惠(1972),女,河南濮阳人，硕士,讲师,研究方向为计算机网络、神经网络算法及应用和数据挖掘。崔洲涓(1986),女,河南安阳人，硕士生，研究方向为光通信和FPGA设计。

A Novel DCTBased Video Text Detection Algorithm

LIU Lingxia1，NIU Honghui1，CUI Zhoujuan2

(1.Computer Education Department,Anyang Normal University,Anyang 455000;
2.School of Mechanical and Instrumental Engineering,Xi’an University of Technology,Xi’an 710048,China)

Received:2010-12-01 Revised:2011-02-26 Online:2011-06-25 Published:2011-06-25

摘要/Abstract

摘要：

针对大量视频图像中出现的各种文字信息，本文提出了一种基于离散余弦变换（DCT）的文字提取算法。该方法首先将图像分割为等大小基本块，然后对各小块提取DCT特征。在此基础上，利用图像对比度，设计了一种动态阈值分割方法，可将文字信息和背景信息进行分离。然后依据最小外接矩形算法，获得初始文字检测结果。最终使用Voronoi Diagram算法对初始区域进行合并得到最终文字区域检测结果。算法可以快速而精确定位文字所对应的区域，并且能适用于各种背景条件下的视频图像。

关键词: 视频图像, 文字识别, 检测, 离散余弦变换, 结构分析

Abstract:

To help users navigate the libraries of video, algorithms that automatically index video based on the content are needed. In this paper, we present a DCT based approach to detect texts and captions from the videos. The use of these features is in a flexible manner thus can be adapted to different applications. Language independence is an important advantage of the proposed method. Experiments are conducted on a large volume of real video shots. Solutions are proposed for each of these problems and compared with the existing work found in the literature.

Key words: video;text recognition;detection;DCT;structural analysis

刘凌霞1，牛红惠1，崔洲涓2. 基于分块DCT的视频文字检测算法[J]. J4, 2011, 33(6): 63-66.

LIU Lingxia1，NIU Honghui1，CUI Zhoujuan2. A Novel DCTBased Video Text Detection Algorithm[J]. J4, 2011, 33(6): 63-66.

[1]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[2]	肖振久, 李思琦, 曲海成. 基于多尺度特征与互监督的拥挤行人检测[J]. 计算机工程与科学, 2024, 46(07): 1278-1285.
[3]	王泽宇, 徐慧英, 朱信忠, 李琛, 刘子洋, 王子奕. 基于YOLOv8改进的密集行人检测算法：MER-YOLO[J]. 计算机工程与科学, 2024, 46(06): 1050-1062.
[4]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(06): 1063-1071.
[5]	谭郁松, 王伟, 蹇松雷, 易超雄. 基于异常保持的弱监督学习网络入侵检测模型[J]. 计算机工程与科学, 2024, 46(05): 801-809.
[6]	尹春勇, 赵峰. 基于双层注意力和深度自编码器的时间序列异常检测模型[J]. 计算机工程与科学, 2024, 46(05): 826-835.
[7]	赵金源, 贾迪. 改进YOLOv5的多人姿态估计修正算法[J]. 计算机工程与科学, 2024, 46(05): 852-860.
[8]	刘子源, 马占有, 李霞, 高滢囡, 何娜娜, 黄瑞祺. 基于模糊测度的模糊分支时态逻辑模型检测[J]. 计算机工程与科学, 2024, 46(04): 676-683.
[9]	许莉芬, 曹霑懋, 郑明杰, 肖博健. 基于用户权威度和多特征融合的微博谣言检测模型[J]. 计算机工程与科学, 2024, 46(04): 752-760.
[10]	阳予晋, 王堃, 陈志刚, 徐悦, 李斌. 基于胶囊网络的异常多分类模型[J]. 计算机工程与科学, 2024, 46(03): 427-439.
[11]	李扬, 尹大鹏, 马自强, 姚梓豪, 魏良根, . 结合决策树和AdaBoost的缓存侧信道攻击检测[J]. 计算机工程与科学, 2024, 46(03): 440-452.
[12]	黄珍伟, 陈伟, 王文杰, 路锦通. 基于改进 RetinaNet网络的水下机器人目标检测与实验[J]. 计算机工程与科学, 2024, 46(02): 264-271.
[13]	江志鹏, 王自全, 张永生, 于英, 程彬彬, 赵龙海, 张梦唯. 基于改进Deformable DETR的无人机视频流车辆目标检测算法[J]. 计算机工程与科学, 2024, 46(01): 91-101.
[14]	梁秀满, 周佳润, 杨若兰. LPD-YOLO：轻量级遮挡行人检测模型[J]. 计算机工程与科学, 2023, 45(12): 2197-2205.
[15]	张骞, 陈紫强, 孙宗威, 赖镜安. 融合高分辨率网络的雾天目标检测算法[J]. 计算机工程与科学, 2023, 45(11): 1970-1981.

基于分块DCT的视频文字检测算法

A Novel DCTBased Video Text Detection Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价