基于SOM的视频中人工文本区域检测方法
【摘要】:提出了一种基于有导师学习的SOM神经网络的视频中人工文本区域检测方法。SOM神经网络具有自组织、自适应的学习能力,在基于灰度统计特征的基础上,采用SOM分类器,针对视频中的人工文本区域进行检测。现有的方法大多数都受到了文字形状以及出现的位置等一些因素的制约,提出的方法在一定程度上解决了这个问题。实验结果表明,该方法能够有效地检测和定位视频中的人工文本区域。
|
|
|
|
1 |
李朝晖,余英林;基于小波形态学的文本自动检测[J];计算机工程与应用;2003年14期 |
2 |
李朝晖,余英林;基于边缘信息和LH的视频文本自动检测[J];计算机应用研究;2004年12期 |
3 |
李朝晖,余英林,张为,邹艳碧;小波-神经网络在视频文本自动检测中的应用[J];广州大学学报(社会科学版);2001年05期 |
4 |
朱成军;李超;熊璋;;视频文本检测和识别技术研究[J];计算机工程;2007年10期 |
5 |
彭培华,曲波,陈荣胜;基于支持向量机的小波域视频字幕检测与提取[J];华南理工大学学报(自然科学版);2004年S1期 |
6 |
王建,周源华;一种基于纹理能量的JPEG图像文本定位算法[J];上海交通大学学报;2004年09期 |
7 |
李朝晖,余英林;一种视频文本自动定位、跟踪和识别的方法[J];中国图象图形学报;2005年04期 |
8 |
黄剑华;唐降龙;刘家锋;徐莉莉;;一种基于Homogeneity的文本检测新方法[J];智能系统学报;2007年01期 |
9 |
晋瑾;平西建;张涛;陈明贵;;图像中的文本定位技术研究综述[J];计算机应用研究;2007年06期 |
10 |
黄剑华;颜子夜;唐降龙;;基于小波重构的视频图像文本检测方法[J];哈尔滨工业大学学报;2006年09期 |
11 |
蒋人杰;戚飞虎;徐立;吴国荣;;基于连通分量特征的文本检测与分割[J];中国图象图形学报;2006年11期 |
12 |
孙红星;赵楠楠;徐心和;;基于小波变换和SVM的文本区域定位[J];东北大学学报(自然科学版);2007年02期 |
13 |
郑翠翠;王兴起;;基于边缘信息和局部直方图的视频文字检测法[J];机电工程;2009年10期 |
14 |
黄同城;丁友东;;基于高频小波系数分类器的图像文本信息的非监督检测[J];湖南农业大学学报(自然科学版);2006年02期 |
15 |
刘玲,肖嵘;连续属性离散化算法SHD及其改进[J];计算机工程与应用;2001年09期 |
16 |
李茹,李弼程;基于D-S证据理论的邮件筛选方法[J];计算机工程与设计;2005年10期 |
17 |
黄剑华;承恒达;吴锐;刘家锋;;基于模糊同质性映射的文本检测方法[J];电子与信息学报;2008年06期 |
18 |
张靖波;李萌;吕英华;马志强;;一种在图像和视频帧中检测文本的新方法[J];东北师大学报(自然科学版);2008年03期 |
19 |
叶茂锹;周武能;朱黎博;;基于Mean-Shift的图像文本信息提取[J];微型电脑应用;2009年01期 |
20 |
叶茂锹;周武能;朱黎博;;基于Mean-Shift的图像文本信息提取[J];微型电脑应用;2009年07期 |
|