Projecte realitzat en el marc d’un programa de mobilitat amb l'Ecole Nationale Superieure d’Electronique, d’Electrotechnique, d’Informatique, d’Hydrolyque et des Telecommunications de Toulouse

[AMGLÈS] This PFC describes two approaches for text detection in video images. The first one, unsuccessful, is based on dictionary learning with KSVD algorithm. A letter dictionary and a background dictionary are trained for text detection. Every patch in the image is reconstructed with both dictionaries, and the one that leads to the less reconstruction error, dictates the nature of the patch. The second method, successful, is based on a blob detector named MSER followed by a post-processing to eliminate bad detections.

[CASTELLÀ] Este PFC describe dos métodos para la detección de texto en imágenes de vídeo. El primero, sin buenos resultados, se basa en el entrenamiento con el algoritmo KSVD de un diccionario de fondos y uno de letras, para poder detectar caracteres. Cada porción de imagen se intenta reconstruir con cada uno de los diccionarios y el que menos error de reconstrucción da, decide la naturaleza de la porción. El segundo método,exitoso, se basa en la utilización de un algoritmo de reconocimiento de regiones denominado MSER, seguido de una etapa de post-procesado para eliminar la malas detecciones.

[CATALÀ] Aquest PFC descriu dos mètodes per a la detecció de text en imatges de vídeo. El primer, sense bons resultats, es basa en l'entrenament amb l'algorisme KSVD d'un diccionari de fons i d'un de lletres, per detectar caracters. Cada porció d'imatge s'intenta reconstruir amb cadascún dels diccionaris i el que menys error de reconstrucció dona, decideix la naturalesa de la porció. El segon mètode, exitós, es basa en l'utilització d'un algorisme de reconeixement de regions anomenat MSER seguit d'un postprocessament per eliminar les males deteccions.