基于颜色和边缘特征的新闻视频标题条检测和文字识别

提出了一种基于颜色和边缘特征的新闻视频标题条检测和文字识别方法.该方法首先利用颜色和边缘特征检测出新闻视频中含有标题条的帧,然后由先验知识得出标题条帧中的字幕区域,对字幕区域进行预处理和光学字符识别(OCR),得到文字内容.实验结果表明该方法具有较高的查全率和查准率.     

一种基于线条分类的视频文字检测算法

提出了一种基于边缘的视频文字检测算法.利用Canny算子对图像进行边缘检测,然后根据文字边缘线条的特征,过滤非字符的边缘线条.最后利用文字线条区域的相似性,设置综合阈值,得到最终的文字区域.实验结果表明该算法不仅对规则排列的文字有较高的查全率.对不规则排列及扭曲的文字也能够准确定位.并对光照、阴影等条件不敏感.     

基于Harris角点的彩色图像文字检测

提出了一种基于Harris角点的文字检测算法.首先,根据彩色图像和视频中文字区域和背景之间的颜色分量大小的对比,利用Harris角点检测算法,得到图像的角点分布图;然后对图像进行滤波,去除相对孤立的角点;将角点图像进行二值化,利用形态学运算将角点聚合形成区域;对区域进行轮廓跟踪算法,得到文字区域的初定位图像;最后对文字区域进行验证,得到最终结果.实验证明该算法具有较高的准确性.     

背景渐变的视频对象分割算法研究及实现

提出了一种有效的背景渐变的视频对象分割算法.首先将前一帧分成前景和背景两部分,然后采用灰度投影匹配算法对当前帧进行全局运动估计和补偿,将当前帧与上一帧进行差分运算,便可得到差分图像.通过对差分图像进行二值化处理,得到运动模板并与前景信息进行相与计算,再结合当前帧信息便可得到运动目标.在TI公司的TMS320DM642芯片上验证了该算法,实验结果表明该算法不仅对亮度变化和环境变化具有鲁棒性,而且可独立、精确地分割出运动目标.     

一种实时视频分辨率提升算法及其VLSI设计与实现

提出了一种适合硬件实现的实时视频分辨率提升算法并给出该算法的VISI硬件实现结构。本文根据图像空域内邻近像素多个方向的内容相关性并结合改进的中值滤波方法，得到一种基于图像最大相关性的自适应优化插值算法，有效改善了视频分辨率提升过程中所出现的图像细节模糊和边缘锯齿化等问题。算法已经在Xilinx FPGA平台上通过验证，实现了对视频信号的实时分辨率提升，结果表明该算法能有效提高图像清晰度和视觉效果。     

采用背景提取和自适应滤波的视频降噪算法

针对监控视频图像背景固定的特点,提出一种有效去除高斯噪声和脉冲噪声的降噪算法.首先通过分析噪声设计一种提取视频序列背景图像的算法,然后对运动区域采用自适应像素域滤波算法来进行处理.该算法根据最小可觉差和视频图像特征自适应地选择谐波均值滤波、加权算术平均滤波、α-截尾均值滤波和中值滤波.为评估降噪算法性能,将降噪处理前后的视频序列分别进行MPEG-2编码,并改变目标码率对比视频质量.实验结果显示:降噪处理后的视频能够用更少的(约50%)比特数获得相同的主、客观视频质量;或者用相同的比特数获得更高的视频质量.     

基于Laplace变换的视频文本检测

本文提出了一种基于Laplace变换的视频图像水平文本检测算法.首先用Laplace变换对图像滤波,并根据梯度信息用K-均值方法对像素点聚类,得到候选文本区;然后用投影算法对候选文本区进行边缘精确,得到候选文本块;最后分析候选文本块的几何特性,进行文本验证.本文算法在公共数据库上的测试结果表明了算法的可行性和有效性.     

可变区域的视频图像幅型比非线性缩放算法

详细讨论了算法的原理和工程实现方法.结果表明,该算法既可保证主景图像不失真及图像内容的完整性,又可充分利用电视屏幕的整个显示区,达到较完美的视觉效果.     

一种基于形态学操作的新闻标题条检测算法

该文提出一种基于形态学操作的新闻标题检测算法。该方法利用了新闻标题条出现的时空特征,在镜头分割的基础上,采取了分类处理的方式和形态学的滤波操作,实现了对渐变标题的检测和在全局变化剧烈情况下的标题检测,并具有定位准确、规范化的特点。利用MPEG-7测试数据集进行的实验验证了该算法的优越性。     

一种车载红外视频彩色化算法

针对红外图像成像的特点,将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中.在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割;再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色.实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼的目标识别,实时性方面也达到了较好的效果.     

视频探测器探测算法的研究

对视频图像探测算法进行了研究.运用基本视频帧分析原理并采用Matlab语言设计了算法程序,并对算法进行了仿真验证和分析.通过对视频移动的探测以及火焰的探测经过一系列视频片断检测,该算法具有明显的探测效果.     

图像和视频亮度的自动调整

 对曝光不足的图像和视频进行亮度调整具有重要的理论研究意义和实际应用价值,本文提出一种基于梯度域操作的图像和视频亮度自动调整算法.对于静态图像,算法首先将图像分割为不同的亮度区域;然后分别计算各区域的亮度调整算子;最后通过求解一个梯度约束方程得到结果图像.我们进而将该算法延伸到视频,首先选取若干关键帧并使用上述图像亮度调整算法进行处理;然后对非关键帧进行分割并通过光流算法确定非关键帧上的分割区域与前后关键帧区域的对应关系;最后利用对应关系通过关键帧区域的亮度调整算子以及调整后的亮度指导非关键帧上各区域的亮度调整,并生成结果视频序列.本文算法可以有效处理空间和时间上曝光不足和不均的图像和视频,并能够较好地保持图像、视频的细节纹理信息,实验结果表明了算法的有效性.     

新闻视频基于语义的自适应拆分算法

为促进对新闻视频的结构化传播,提出基于语义特征的新闻视频自适应拆条算法.该算法对视频流上场景语义划分,搭建了一种基于场景分类任务的深度神经网络模型NewslicNet,深度挖掘新闻内容条目的非结构化特征提取新闻内容的拆分点,完成新闻内容段拆条工作.该算法在1538分钟23秒的新闻联播视频上进行训练与测试,实验结果表明,验证了拆条算法的性能优越性和模型的可行性.     

DCT域下采样视频水印技术

根据DCT域Watson模型提出了一种抵抗下采样攻击的不可感知水印模型.用DCT域准卷积下采样方法得到图像的下采样版本,利用亮度特征和图像感知失真限制自适应确定被嵌入水印序列的区域、长度和强度,以使上采样水印图像具有良好的视觉效果和鲁棒性.实验结果表明该算法对噪声干扰及视频下采样具有较好的鲁棒性,而且不使用原始图像,就可进行水印的相关检测.     

基于关键字的大屏动态文字识别软件设计研究

本文为帮助用户快速检索视频等动态图像中的文本信息,设计并实现基于关键字的大屏动态文字识别软件,利用视频帧提取技术将视频切分为不同的视频帧,通过光学字符识别算法实现对关键视频帧中文字内容的识别,具有关键字检索、信息标注、备忘录等功能。该软件可运用于车站候车、医院问诊等生活场景,能够帮助用户快速检索视频等动态图像中的文本信息。     

抗共谋攻击的视频水印算法

提出了一种基于内容的抗线性共谋攻击的视频水印算法.根据图像的视觉特征以及区域DCT系数的关系,选择水印嵌入区域.利用局部JND(just-noticeable distortion)值,得到一种自适应的摹于视觉内容的扩频水印方案.实验结果表明,该水印方案能有效地抵抗第一类和第二类线性共谋攻击,具有较强的顽健性、稳定性和视觉不可见性.     

一种基于CTPN网络的文档图像标题检测算法

文档图像标题检测作为文档版面分析的特定应用在信息检索、机器翻译等方面存在广泛应用,也是学术研究的热点之一。传统基于规则的文档图像标题检测算法存在因为规则覆盖率有限导致算法泛化能力差的问题。本文提出一种基于CTPN的文档图像标题检测算法,首先检测图像中文本块,将每个文本块位置信息转化为标题检测模型所需的特征向量,并形成训练样本集,利用随机森林分类器学习样本分布。该算法结合了神经网络和随机森林分类器,算法泛化能力强,同时在给定样本分布下,标题检测算法具有较优的性能,可用于一般场景下文本图像标题检测。     

基于AP聚类的中文字符分割

中文字符的分割问题导致目前字符识别技术发展受限,对于图像模糊、中英文混排和字符粘连的文本图像,传统的投影分割等基于区域的分割方法分割效果差,导致文字识别率低.针对这些问题,本文将AP聚类算法应用于字符分割,该方法先将图像转化为灰度图,再将灰度图进行二值化处理,并对二值化图像进行除噪,然后根据聚类准则求解特征点之间的关系得到类中心点,最后根据类中心对特征点进行归类得到分割结果.实验结果表明,应用AP聚类方法能够取得比常规分割方法更好的分割效果.     

真彩图像和视频加密新方案的研究与实现

提出一种新的混沌真彩图像和视频加密算法.在对图像预处理的基础上,应用Henonlsine复合混沌系统产生的混沌序列对预处理后的图像矩阵进行位置置乱和灰度值替代结合的方法加密.通过性能分析,表明该算法具有良好的加密效果.将该算法应用于视频加密之中,并引入"一帧一密"的技术,仿真和通信平台的成功测试表明该算法对视频加密的适用性和良好性能.     

基于HOG SVM模型的场景文字二次检测算法

针对基于边缘检测的文字定位虚警率过高的问题,提出了一种基于Canny边缘检测和HOG+ SVM模型相结合的场景文字检测算法.首先采用基于Canny边缘检测和文字的几何约束条件得到候选文字区域,再利用HOG+ SVM模型对候选文字区域进行二次检测,过滤掉大部分非文字区域.实验结果表明,该算法能够有效地去除基于边缘检测算法产生的误检区域,大大降低了基于边缘检测的场景文字定位的虚警率,并对背景复杂的图像也具有一定的鲁棒性.