一种免除二值化的视频叠加中文字符识别方法

• 作者: 孙翼 王伟强 田洁
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 视频叠加文字 OCR Gabor 最近原型分类(NPC)
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 402-408
• 页数: 7页
• 分类号: TP393
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2018.03.015

摘要

提出一种新的用于识别视频中字幕文字的方法.鉴于视频中文字的大小、颜色、渲染风格和分辨率的不同,以及视频中各种复杂背景的影响,识别视频中的叠加文字是一个尚未解决的问题.目前,大多数视频叠加文字识别方法都基于视频文字的二值化和传统OCR引擎的结合.然而,二值化过程容易引入噪声和文字笔划信息的丢失.另外,传统OCR技术主要专注于高分辨率的扫描打印文档,这些文档具有背景单一、噪声少和笔划信息较完整的特点.因此,传统OCR引擎用于识别叠加文字二值化后的结果可能不够鲁棒.为解决这个问题,直接从未二值化的叠加视频文字图像中提取Gabor特征用于训练二层字符识别器.实验结果表明,本文提出的方法在多字体视频叠加中文文字识别上有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田洁	中国科学院大学计算机与控制学院	9	128	5.0	9.0
2	王伟强	中国科学院大学计算机与控制学院	12	382	6.0	12.0
3	孙翼	中国科学院大学计算机与控制学院	3	20	2.0	3.0