آشکارسازی و تعیین مکان متون فارسی-عربی در تصاویر ویدیویی

استخراج اطلاعات متنی از تصاویر ویدیویی، در کاربردهایی نظیر تحلیل معنایی ویدیو، بازیابی اطلاعات متنی و بازیابی اطلاعات مربوط به تصاویر ویدیویی آرشیو‌شده نقش مهمی دارد. در این مقاله، روشی جهت استخراج متن فارسی- عربی از تصاویر ویدیویی ارایه می‌شود. در ابتدا، جهت کاهش حساسیت به اندازه قلم، بر اساس تصویر ورودی هرمی دارای سه وضوح ایجاد می شود. سپس با استفاده از آشکارساز لبه، لبه های موجود در تصویر استخراج و با یافتن مکان تلاقی لبه ها، تصویرگوشه تصنعی ایجاد می شود. جهت حذف گوشه های تصنعی نواحی غیر متنی، تحلیل هیستوگرام انجام می شود. ضرایب تبدیل فوریه کسینوسی گسسته بلوک‌های تصویر استخراج و با ترکیب تعدادی از آنها، تصویر شدت بافت حاصل می شود. در ادامه جهت جداسازی نواحی متنی از غیرمتنی، با یک طبقه بندی کننده، با تلفیق مشخصه های حاصل از تصویرگوشه تصنعی و تصویر شدت بافت، برداری متشکل از مشخصه ها تشکیل می شود. در پایان، با رسم نمودارهای هنجاری‌سازی شده شدت بافت، بازبینی نهایی انجام شده و تفکیک خطوط متنی انجام می‌شود.