@Article{, title={Arabic-text Extraction from Video Images أستخراج النص العربي من صور الفيديو}, author={Abbas H. AL-Asadi and Thika Ali H. Subber عباس السعدي و ثقة الصبر}, journal={Journal of Basrah Researches (Sciences) مجلة ابحاث البصرة ( العلميات)}, volume={39}, number={4A}, pages={120-136}, year={2013}, abstract={Automatic extraction of meaningful objects in video is extremely useful in many practical applications. Text objects embedded in video contain much semantic information related to the multimedia content. In this paper, we proposed an algorithm to detect/localize and segment Arabic static artificial texts embedded in video. Firstly, the edge map of a predetermined region of interest is detected in a single video frame. Projection profiles are adopted to localize the candidate text regions followed by some filtering rules which are used to filter out non-text regions. Secondly, since artificial text lasts for a certain time on screen for reasons related to human vision, therefore the temporal information are exploited in order to reinforce the recall and precision rates. Finally, a thresholding-based method is used for separating text pixels from background pixels and produce a binary text image. To improve high recognition rate, robust enhancement methods are adopted pre/post text segmentation. Experimental results show that our algorithm is robust.

يُعتبر الاستخراج التلقائي للكائنات ذات المعنى في الفيديو مفيد للغاية في العديد من التطبيقات العملية. حيث تحتوي الكائنات النصية المضمنة في الفيديو على كثير من المعلومات الدلالية ذات الصلة بمحتوى الوسائط المتعددة. في هذا البحث المسند، أقترحنا خوارزمية للكشف عن وتحديد موقع النصوص العربية الاصطناعية الثابتة المضمنة في الفيديو. أولاً، يتم الكشف عن خريطة الحافة لمنطقة مهمة محددة سلفا في إطار فيديوي واحد. يتم اعتماد ملامح الإسقاط في تحديد موقع المناطق النصية المرشحة تليها بعض قواعد الترشيح التي تستخدم لإستبعاد المناطق غير النصية. ثانياً ، طالما يستمر النص الاصطناعي لفترة زمنية معينة على الشاشة ولأسباب تتعلق برؤية الإنسان لذلك يتم أستغلال المعلومات الزمنية من أجل تعزيز معدلي الأسترجاع والدقة. أخيراً، أستُخدم الأسلوب القائم على التعتيب لفصل النقط الضوئية للنص من النقط الضوئية للخلفية و إنتاج صورة نص ثنائية. ولتحسين معدل تمييز عالي ، أعتُمدت أساليب تحسين قوية قبل و بعد تجزئة النص . تظهر النتائج التجريبية أن لدينا خوارزمية قوية.} }