基于角点的新闻视频字幕提取研究
| 详细摘要 | 第4-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 视频中字幕的特征 | 第14-16页 |
| 1.2.1 视频字幕类型 | 第14-15页 |
| 1.2.2 视频字幕特征 | 第15-16页 |
| 1.3 视频字幕提取技术的难点 | 第16-17页 |
| 1.4 本文主要目标和贡献 | 第17页 |
| 1.5 本文结构 | 第17-19页 |
| 第二章 视频字幕提取技术的研究现状 | 第19-28页 |
| 2.1 视频字幕检测系统 | 第19-20页 |
| 2.1.1 视频字幕提取系统主要组成 | 第19-20页 |
| 2.1.2 现有的文本提取系统 | 第20页 |
| 2.2 视频字幕定位方法 | 第20-25页 |
| 2.2.1 基于纹理特征的定位方法 | 第20-21页 |
| 2.2.2 基于边缘的定位方法 | 第21-22页 |
| 2.2.3 基于区域的定位方法 | 第22-23页 |
| 2.2.4 基于压缩域的定位方法 | 第23-24页 |
| 2.2.5 基于机器学习的定位方法 | 第24-25页 |
| 2.3 视频字幕的抽取方法 | 第25页 |
| 2.4 视频文字的识别方法 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于角点的多层过滤机制的字幕定位 | 第28-38页 |
| 3.1 新闻视频字幕定位 | 第28页 |
| 3.2 视频流切割 | 第28页 |
| 3.3 角点检测 | 第28-30页 |
| 3.4 视频字幕定位算法 | 第30-34页 |
| 3.4.1 角点过滤 | 第30-31页 |
| 3.4.2 文本行定位 | 第31-33页 |
| 3.4.3 背景过滤 | 第33-34页 |
| 3.5 实验结果及分析 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 极性判断结合二次二值化的文本抽取 | 第38-51页 |
| 4.1 现有二值化技术 | 第38-41页 |
| 4.1.1 Otsu二值化 | 第39-40页 |
| 4.1.2 Niblack二值化 | 第40-41页 |
| 4.1.3 二值化方法总结 | 第41页 |
| 4.2 文本抽取算法 | 第41-48页 |
| 4.2.1 字幕图像插值放大 | 第41-42页 |
| 4.2.2 字幕二值化预处理 | 第42-44页 |
| 4.2.3 极性判断 | 第44-46页 |
| 4.2.4 二次二值化 | 第46-47页 |
| 4.2.5 基于连通域的背景过滤 | 第47-48页 |
| 4.3 实验结果及分析 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51-52页 |
| 5.2 工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
