基于小波特征的台标识别

第26卷第3期 2009年3月 计算机应用与软件

ComputerApplicationsandSoftwareVol126No.3Mar.2009

基于小波特征的台标识别

杨 强 程玉昆 马 森

(宜宾学院计算机科学系 四川宜宾644000)

摘 要 台标分割与识别在视频语义分析与检索中有着重要作用。首先分析了视频图像序列中台标区域分割算法,然后分析了

台标小波特征参数提取方法,并利用提取的小波特征参数实现了台标识别。实验表明,基于小波特征参数的台标识别算法取得了较快的识别速度和较高的识别准确率。关键词 小波变换 台标分割 台标识别

ANALGORITHMOFTVSYMBOLRECOGNITIONBASEDONWAVELETTRANSFORM

YangQiang ChengYukun MaSen

(DepartmentofComputerSciences,YibinUniversity,Yibin644000,Sichuan,China)

Abstract TVsymbolsegmentationandrecognitionisimportantinvideoanalysis.First,thepaperanalysesthealgorithmofTVsymbolsegmentation。Then,thealgorithmdistillsthewavelet-characterofTVsymbo,landrealizestheTVsymbolrecognitionwiththewavelet-charac-ter.Theexperimentindicatesthatthealgorithmisavailabilityinthesidesofspeedandnicety.Keywords Wavelettransform TVsymbolsegmentation TVsymbolrecognition

(x,y)表示基准帧中坐标为(x,y)像素点的灰度值,Kfj(x,y)表

0 引 言

视频图像序列中的台标包含了该电视台台名、节目取向等重要信息,是实现视频分析、理解和检索的重要来源。如何正确识别台标,并提取相关信息对视频进行标注,对提高视频检索性能有着重要意义。

台标识别算法主要包括三个方面的内容:一是台标的正确分割;二是台标特征的有效表示;三是台标的正确识别[1]。文章主要分析了台标区域分割及其小波特征参数提取算法,并利用小波参数实现了台标的有效识别。

示关键帧Kfj中坐标为(x,y)像素点的灰度值,D(x,y)表示坐标为(x,y)的像素点灰度差值累加和,D(x,y)的计算公式如式(2)所示:

D(x,y)=

E

M

|Kfj(x,y)-Kfl(x,y)|

(2)

j=1

设定经验阈值T,如果D(x,y)小于T,则对应的(x,y)像素点为台标图像候选区域,运用以上方法提取出的台标区域如图1(a)所示。由于噪声的存在,在分割出的候选台标区域中还会有一些非台标的干扰点,须进一步采用数学形态学的腐蚀和膨胀方法来消除噪声点,形成最终的台标二值化图像,如图1(b)所

示。

1 台标分割

台标分割的目的就是把帧图像中的台标与背景分开,将感兴趣的台标从背景中提取出来[2]。本文研究分析了各类视频片断中台标的时空特性,总结出在视频段中,台标在颜色空间、位置空间和时间上都保持不变,即具有时空不变性。在这一特性基础上,提出的台标分割算法基本思路为:首先提取视频图像序列的关键帧;然后将首关键帧作为基准帧,与其后的关键帧作帧间差分处理,记录每个像素点对应的差分值,并求其累加和,累加和结果小于阈值T的所有像素点集即为所分割出的台标图像区域。

设视频关键帧序列为Kv={Kf1,Kf2,Kf3,,,Kfm},为减少计算量,首先用式(1)将RGB色彩的关键帧图像转换为灰度图像:

Y=0.299*R+0.587*G+0.114*B(1)然后以Kf1帧作为基准帧,与其余的关键帧作帧差计算,求

出关键帧序列中每个像素点(x,y)灰度差值的累加和。用Kf1

(a)分割出的台标区域 (b)去噪后的台标区域

图1 台标区域分割效果图

2 基于小波特征台标识别

小波分析(waveletAnalysis)已广泛应用于信号处理、自动控制、图像分析处理等多种领域。小波特征参数具有良好的时频局部特性和变尺度特性,小波分解的低通部分能够产生图像的逐级近似表达,高通部分所产生的细节信号则提供了丰富的纹理[3],因此在台标识别中选择Haar小波特征参数作为台标的

收稿日期:2007-10-15。四川省教育厅青年基金项目:07ZB102。杨强,讲师,主研领域:图形图像处理与模式识别。

64

计算机应用与软件

1

L2(I)=2

N1

L3(I)=N

N-1N-1

2009年

特征表示,这是由于Haar小波在检测边缘信息方面具有良好的性能,并且Haar小波计算简单,可用掩模运算来实现。Haar小波的尺度函数和小波函数如式(3)所示[1]:

<(x)=WH(x)=

kIZ

EEEE

(I(i,j)-M(I))2(I(i,j)-M(I))3

(9)(10)

i=0j=0N-1N-1

E

Pk<(2x-k)=<(2x)+<(2x-1)

k

i=0j=0

kIZ

Eq<(2x-

(3)

k)=<(2x)-<(2x-1)

式(3)中,尺度序列Pk的取值为:

p0=p1=1

pi=0, i>=2

式(3)中,尺度序列qk的取值为:

q0=q1=1qi=0, i>=2

其中

<(x)=

对于一幅图像I:

i0,0

I(x,y)=

i1,0si2

N-1,0

[1]

(a)台标原图 (b)小波分解图 (c)子波分量示意图

图3 小波分析效果图

3 实验及分析

实验选取了中央新闻频道、中央一套、中央五套、中央国际频道、北京卫视、四川卫视、广州卫视等七个频道的新闻视频片

断共计56个样本进行了测试,样本视频图像大小为320*240。

2N-12N-1

1,

0,forotherwisei0,1i1,1si2N-1,1

0<=x<1

,,s

,

i0,i0,

首先在每个频道中选取一段新闻视频样本,进行关键帧提取以及台标图像区域分割算法测试。图4为中央一套/新闻联播0视频段的测试结果,

其中图4(a)为提取的四张关键帧图像,图4(b)为分割出的台标图像区域二值化结果,图4(c)为从基准帧中提取的台标图像。

si2N-1,2N-2N@2N

其二维Haar小波变换可用如下Mallat算法实现,其计算公式如式(4)至(7)所示:

l

1

LLx,y=ppi

4k1,k2=0k1k2k1+2x,

E

k2+2y

=

LHx,y

1(i+i2x,2y+1+i2x+1,y+i2x+1,2y+1)42x,2y

l

1=pqi

4k1,k2=0k1k2k1+2x,k2+2y

(4)

(a)关键帧提取 (b)台标区域分割二值化图 (c)分割出的台标图像

EE

ll

图4 台标分割算法实验结果

=

HLx,y=

=

HHx,

y

1(i-i2x,42x,2y

2y+1

+i2x+1,y-i2x+1,

2y+1

)(5)

1

qpi

4k1,k2=0k1k2k1+2x,k2+2y1(i+i2x,42x,2y

k1,k2=0

2y

2y+1

在台标识别算法测试中,首先从中央新闻频道、中央一套、

中央五套、中央国际频道、北京卫视、四川卫视、广州卫视等七个频道中分别选取3个视频片断(共计21个视频片断)作为训练样本,提取出各频道台标的特征参数,并存入知识库中,再用各

-i2x+1,y-i2x+1,

k2+2y

2y+1

)(6)

1=4=

E

qk1qk2ik1+2x,-i2x,

2y+1

频道余下的5个视频片断(共计35个视频片断)作为测试样本进行识别测试。实验测试中,由于中央台台标局部区域为半透明形式,背景干扰较大,导致四个中央频道的20个测试样本中有6个视频片断提取出的台标图像及其小波特征参数与台标知识库中的参数不一致,使得台标无法识别;在广州卫视的视频样本测试中,由于T值选取不当,增加了分割出的台标区域,导致两个样本提取出的小波特征参数与知识库中参数不一致,使得台标识别错误;在湖南卫视和四川卫视的样本测试中,由于T值

1(i2x,

-i2x+1,y+

i2x+1,2y+1)

(7)

…… 此处隐藏：5450字，全部文档内容请下载后查看。喜欢就下载吧 ……