[发明专利]基于BP神经网络和频谱分析的视频文字区域定位方法

说明书

基于BP神经网络和频谱分析的视频文字区域定位方法，通过构建BP神经网络对视频帧中的像素点进行分类，对分类到文字类的像素点进行一个基于距离的聚类算法的处理后得到候选文本区域，将候选区域通过快速傅里叶转换到频率域后，再次构建神经网络，基于频谱图对候选区域进行分类，滤除分类为假阳性类的候选区域，从而滤除假阳性。本发明有益效果：定位准确率高，实用性更加全面。

技术领域

本发明涉及图像处理技术领域，具体地说是基于BP神经网络和频谱分析的视频文字区域定位方法。

背景技术

随着多媒体数据呈爆炸性增长，文本、图像、语音、视频等各种形式的多媒体信息都将被传入网上，人们正在飞速进入信息化社会。多媒体信息在网络以及通信中的应用也越来越广泛，尤其以视频数据为代表，该类数据成为人们分享信息的重要资源。视频数据以其丰富、直观而具体的信息表达形式成为最重要的信息载体，为人们传递着大量的信息和知识。其中新闻视频作为视频数据中有代表性的一种媒体，在视频资源中占有重要比例，相对于文本新闻，视频新闻生动、直观、易于理解、信息量大，广泛地受到人们的关注。由于新闻视频的特殊性，绝大部分高层语义都在文本字幕中，而音频和图像特征几乎被文本特征所包含，因此对新闻视频中字幕区域的定位提取就尤为重要。

由于文本的颜色、大小、字体和位置是可变的，因此很难找到一种通用的方法将其与背景分离。文本位置方法可以分为两大类：基于区域的方法和基于纹理的方法。这些方法各有优缺点，针对不同的情况选用合适的方法才可以有很好的效果。但大多数方法定位后都包含很多假阳性区域，降低了文本定位的准确率。因此本发明提出一种新的方法，基于BP神经网络和频谱分析来对新闻视频字幕区域进行有效地定位并对定位后的假阳性区域进行滤除。

发明内容

本发明所要解决的技术问题是提供基于BP神经网络和频谱分析的视频文字区域定位方法，解决目前现有方法中存在假阳性的问题，提高算法定位的准确率。

本发明为解决上述技术问题所采用的技术方案是：基于BP神经网络和频谱分析的视频文字区域定位方法，包括以下步骤：

步骤1、提取新闻视频帧，并将所提取的新闻视频帧转化为灰度图像；

步骤2、构建BP神经网络作为分类器，将每个图像内的所有像素点进行分类，获得分类为文字类的像素点；

步骤3、对步骤2获得的分类为文字类的像素点进行基于距离的聚类处理，获得候选文字区域；

步骤4、对步骤3中获得的候选文字区域进行快速傅里叶变换得到频谱图；

步骤5、再次构建BP神经网络作为分类器，将候选文字区域分类，滤除假阳性区域。

本发明所述步骤2构建BP神经网络作为分类器，将每个图像内的所有像素点进行分类的具体方法为：

步骤2.1、对图像内的所有像素点进行角点检测，将被判定为角点的像素点赋予特征值1，非角点赋予特征值0；

步骤2.2、依次将每个像素点作为中心像素点，取其M*M大小的邻域窗口作为特征窗口；

步骤2.3、构建神经网络，将所取窗口内所有像素点的灰度值以及角点判定值作为神经网络的输入，输入层结点的个数m设置为M*M*2个，输出层结点个数n设置为2；

步骤2.4、设置隐含层结点，隐含层结点的个数N的设置由公式(1)或(2)计算得到：

其中，N表示所设置隐含层结点的个数，m和n分别表示输入层和输出层结点的个数，a为常数；

步骤2.5、输出层2个结点分别代表文字类和非文字类，输出为一个包含两个浮点值的向量，标定样本时，将属于文字类的像素点标定为(1,0)，将非文字类的像素点标定为(0,1)；