[发明专利]一种网络动画中的文字定位及识别方法

权利要求书

1.一种网络动画中的文字定位及识别方法，其特征在于，将网络动画结构分析技术与光学字符识别技术结合，直接提取网络动画文件中的编码内嵌文字，并利用一种基于连通域的启发合并、特征聚类的两阶段文字定位算法定位非内嵌文字，利用一种基于笔画宽度直方图的噪声过滤算法去除非文字连通域，最后利用基于梯度直方图特征识别非内嵌文字，该方法的步骤为：

步骤S1：利用网络动画结构分析技术，分析给定网络动画文件的内容，如果存在DefineText标签，DefineText2标签之一，则将其中TextRecords域中FontID所定义的编码内嵌文字直接提取出来；

步骤S2：利用网络动画结构分析技术，将网络动画分解为若干基本形状，再将基本形状转化为无失真压缩图像；基本形状是构成网络动画的元素，它包含网络动画中的全部非内嵌文字且背景更加简单，从而提高光学字符识别技术的准确性；

步骤S3：针对每个基本形状转化后的图像，利用基于连通域的启发合并、特征聚类的两阶段文字定位算法，将基本形状中的非内嵌文字图像准确定位，获得非内嵌文字定位图像和错误定位的非文字连通图像；

步骤S4：利用基于笔画宽度直方图的噪声过滤算法，将上述错误定位出的非文字连通域图像过滤掉；

步骤S5：利用基于梯度直方图特征识别非内嵌文字，最后将识别出的非内嵌文字与编码内嵌文字返回给用户。

2.根据权利要求1所述的网络动画中的文字定位及识别方法，其特征在于，所述分解若干基本形状的具体步骤包括：

步骤S21：首先读取网络动画文件的头信息：签名、版本、文件大小、帧的大小、帧率、帧数、背景色；

步骤S22：根据网络动画文件的头信息，如果是压缩格式，则对网络动画文件进行解压，并转入步骤23，如果不是压缩格式，则直接转入步骤23；

步骤S23：读取下一个标签头部信息，判断是否为End标签，如果是，结束系统，如果不是，转入步骤S24；

步骤S24：判断标签是否为DefineShape标签、DefineShape2标签、DefineShape3标签、DefineShape4标签之一，如果是，则转入步骤S25，如果不是，则返回到步骤S23；

步骤S25：创建一个网络动画文件，按照上述标签头部信息指定的长度，将原网络动画文件中的对应内容写入新的网络动画文件中，从而分解出基本形状。

3.根据权利要求1所述的网络动画中的文字定位及识别方法，其特征在于，将所述基本形状转化为无失真压缩图像的具体步骤是：将每个基本形状转化为背景色相反的两幅图像，然后选择两幅图像中前景区域大、反差强烈的图像进行文字定位及识别。

4.根据权利要求1或2所述的网络动画中的文字定位及识别方法，其特征在于，所述文字定位步骤是：

步骤S41：在文字区域颜色一致的假设前提下，通过颜色聚类将图像分割成若干的颜色层，并在每个图像颜色层上定位非内嵌文字，同时用颜色聚类可去除文字颜色渐变的不利影响；

步骤S42：利用文字特点设计启发规则，该启发规则在保证无错的前提下，先正确地将若干符合启发规则的连通域合并成非内嵌文字；

步骤S43：再利用连通域的宽、高及宽高比的特征进行聚类，若属于某个特征的连通域的数目足够多，则认为该特征是有意义的文字连通域特征，反之则认为是无意义的连通域特征；

步骤S44：利用步骤33确定的有意义的文字连通域特征，诱导其它连通域进行合并，当若干连通域就近结合且符合有意义的文字连通域特征，则认为该连通域是非内嵌文字，从而准确地将非内嵌文字定位出来。

5.根据权利要求1所述的网络动画中的文字定位及识别方法，其特征在于，所述基于笔画宽度直方图的噪声过滤的具体步骤是：

步骤S51：利用文字连通域的笔画宽度相对稳定，而噪声连通域的宽度变化较大的特点，对连通域建立水平方向与垂直方向的笔画宽度直方图；

步骤S52：对两个直方图分别进行聚类，如果两个直方图的峰值的频率足够多且相差不大，则认为该连通域是非内嵌文字，反之，则认为是噪声。

6.根据权利要求1所述的网络动画中的文字定位及识别方法，其特征在于，所述连通域的启发合并，是初始化一个连通域链表，将连通域中所有符合以下启发式规则之一的连通域合并，该启发式规则具体步骤包括如下：

规则a：

Area(i∩j)min(Area(i),Area(j))>0.5,]]>

其中：Area(i)和Area(j)分别表示恰好包含连通域i和j的矩形面积，min(Area(i)，Area(j))则表示二者中的较小值，Area(i∩j)表示他们相交区域的面积；

规则b：

W(i∪j)H(i∪j)<1.2andH(i∪j)W(i∪j)<1.2andDis(i,j)<Tdis,]]>

其中：W(i∪j)和H(i∪j)分别代表包含连通域i和j的矩形的宽和高，而Dis(i，j)则表示他们之间中心的距离，T_dis是一个自适应的阈值，自适应的阈值与包含连通域i和j的矩形的最小宽或高成正比，其定义如下：

T_dis＝min(W(i)，H(i)，W(j)，H(j))×a，

其中：a是一个放大系数，在实验中被设置为2.3。