1、文本是存在于圖像和視頻中的重要的內(nèi)容信息，自動(dòng)定位并提取圖像和視頻幀中的文本區(qū)域，再通過(guò)OCR技術(shù)進(jìn)行字符識(shí)別，最后提取出來(lái)圖像中的文本，這對(duì)于圖像理解，檢索和瀏覽有十分重要的意義。 本文主要研究彩色圖像中的文本區(qū)域定位和提取方法，研究的具體內(nèi)容包括：多分辨分析、邊緣提取、形態(tài)學(xué)處理、連通域分析、文本區(qū)域提取等五個(gè)方面。本文提出的方法改進(jìn)了現(xiàn)有場(chǎng)景文本區(qū)域和圖形文本區(qū)域提取方法，獲得了更好的提取準(zhǔn)確性。 由于圖像上字符的

2、大小變化范圍很大，為了能夠找出大小不一的文本區(qū)域，本文利用多分辨分析方法將圖像分解為原分辨率的1/1、1/2和1/4的三幅子圖。然后對(duì)每幅子圖應(yīng)用相同的文本區(qū)域提取方法。由于文本分布方向有多種可能性，為了文本區(qū)域提取更準(zhǔn)確一些，本文中提出了基于文本分布方向的數(shù)學(xué)形態(tài)處理算法，它的基本思想是：將文本分布方向分成水平、垂直、正斜角、反斜角四個(gè)方向來(lái)討論，對(duì)不同的文本分布方向的圖用不同的數(shù)學(xué)形態(tài)處理算法。在進(jìn)行連通域分析的過(guò)程當(dāng)中，求連通區(qū)域