你是现居住於香港沿岸的居民.doc

你是现居住於香港沿岸的居民（全面版）资料姓名：_級別：_參觀日期：_學校名稱：_香港是一個沿海的城市，而海防對於保衛香港扮演著一個很重要的角色。特別新聞報告：香港現正進入緊急狀態，某國己派遣了大量海陸空三軍進攻香港，全港即時進入高度戒備。 1. 你是現居住於香港沿岸的居民，眼見敵軍迫在眉睫，你認為香港現在最需要加強哪方面的防禦措施？(提示：試根據以上香港地圖)其實明清兩朝，香港己有不少海防設施，以防禦外來者的入侵。到了1841年英國佔領香港後，對此亦加以修葺和增建，我們一起探究香港六百年以來的海防設施。2. 請根據館內的資料，試比較明清現今香港海防的設施與裝備的持色。時期項目明清時期現今時期(2002年)軍人的防衛裝備防彈衣戰船以木及鋼製成武器機關槍及導彈軍人國籍中國人、英國人(常勝軍) 造船材料： 船上武器： 炮台設計： 船隻驅動方法：3A 請找出以下一艘明代戰船在作戰時的缺點。B. 就以下的缺點，你會怎樣加以改良呢？試繪出改良後的戰船。清中葉至其覆亡(公元1840年至1911年)期間，中國對內面對了太平天國事件、洋務運動、百日維新及晚清改革的失敗、義和團事件：對外方面則經歷了鴉片戰爭、英法聯軍之役、中日甲午戰爭及八國聯軍之役。4. 試圈出下列一個人物以代表中國面對內憂外患的情況，並加以解釋。輕而易舉！毫不費力。哎硬著頭皮上吧！真是無能為力了！唉圖一圖二圖三5. 假設你是清中葉時期駐守香港的外籍軍人，請填寫下列個人資料及一篇日記。軍人資料 姓名： 出生日期：1867年 月 日 國藉： 崗位：火藥庫/儲水、油庫/魚雷發站/溝堡/軍營/炮台工作人員(請圈出其中一項) 工作範圍：日記(從軍心聲)：6. 你認為戰爭的結果是得多於失，還是失多於得？請用兩個例子支持自己的理據。7. 遊覽完整個展館，你對哪一樣展品印象最深刻？為什麼？台湾香港澳门居民在内地就业许可申请和备案登记表 广州市劳动和社会保障局姓 名性 别文化程度相片（贴二寸彩色照片）出生日期 年 月 日定居地区婚姻状况入出内地证件名称(打“”)1. 台湾居民来往大陆通行证；2. 港澳居民来往内地通行证；3、港澳居民回乡证4、中华人民共和国旅行证；入出内地证件号码证件签发日期 年 月 日 证件有效日期 年 月 日是否有曾经在内地就业经历(打“”)1、有 2、无如有，原就业地点和职位内地用人单位名称组织机构代码企业类型经营期限 年 月 日 至 年 月 日内地用人单位地址执照注册号受聘人在内地住址联系 拟聘任就业职位聘用期限 年 月 日 至 年 月 日拟聘雇人员从事 规定的职业（技术工种）的，提供的相应职业资格证书名称和签发机关证书名称签发机关用人单位负责人姓名用人单位负责人 用人单位经办人姓名经办人 和 电话 传真内 地用 人单 位意 见（盖章）年 月 日（如属外国、台港澳地区企业派遣员工，请填写以下两栏）派遣单位名称派遣工作期限年 月 日 至 年 月 日劳 动保 障部 门意 见 年 月 日就业证号 码穗劳社台港澳就字（ ）第 （ ）号签发日期 年 月 日有效日期 年 月 日备 注（可到下列网页下载表格和浏览办理程序）附表一 市（县） 年度既有居住建筑供热计量及节能改造项目信息表填报单位（盖章）： 填表人： 联系 填报日期 房 屋基本信 息单位工程名称详细地址结构类型/层数项目改造实施单位标准层高/建筑高度建筑面积（）项目改造设计单位项目改造施工日期建造年代项目改造施工单位项目技术支撑单位房屋朝向项目改造监理单位供热单位供暖锅炉容量/热效率供暖类型集中锅炉房热电联产锅炉房热电厂 非集中供热室外管网输送效率节能改造前原房屋概 况建筑围护结构外墙：a、材料：实心粘土砖 多孔粘土砖 砼空心砌块 加气砼砌块 炉渣空心砌块b、墙厚：370，240外窗：a、类型：单框单玻窗 单框双玻窗 双框双层窗b、框料：钢窗 铝合金 木窗 塑钢窗 断热窗框 屋面保温层：a、材料：加气砼砌块 膨胀珍珠岩 炉渣 聚苯板 挤塑板 b、厚度：100 150 200 250室内采暖系统室内采暖系统：垂直或水平单管系统 垂直双管系统 单双管系统 垂直或水平双管系统热源、热力站供热量自动控制装置（气候补偿器）：无 有；水泵变频装置：无 有；建筑物热力入口处设置静态水力平衡阀或自力式流量控制阀：无，有；燃料消耗量、补水量、耗电量计量监测：无，有；节能改造设计内 容建筑围护结构节能改造增加外墙外保温 新增屋面保温层 更换节能外窗 安装自闭式保温单元门室内供热系统计量及温度调控改造分室控制 分户计量 栋楼热计量 单元热计量 户用热计量热源及供热管网热平衡改造供热量自动控制装置（气候补偿器）：无有；水泵变频装置：无 有；建筑物热力入口处设置静态水力平衡阀或自力式流量控制阀：无，有；燃料消耗量、补水量、耗电量计量监测：无，有；项 目节能改造完成情 况建筑围护结构节能改造1、 外墙外保温：a、材料：EPS板 XPS板，b厚度： mm，c部位：山墙 阳面墙 阳面墙；2、 屋面保温： a、材料：EPS板 XPS板，b厚度：50 60 80 100；3、 外窗： a、框料材料：钢窗 铝合金 木窗 塑钢窗 断热窗框 其他（请注明）； b、外窗类型：单玻单层窗 单玻双层窗 单玻单层窗+单玻双层窗 中空双层玻璃窗；4、单元门： 有自闭式保温门，无自闭式保温门；室内供热系统计量及温度调控改造1、室内采暖系统：垂直双管系统 垂直单管跨越式系统 其他2、采暖方式：散热器采暖 低温热水地辐射采暖 其他（请注明）3、室温调节装置：a、类型：普通球阀 低阻力两通型恒温阀 三通型恒温阀 预设阻力功能的恒温阀b、方式：自动 手动4、热计量装置： a、类型：楼栋热计量表单元热计量表户用热计量表；b、类别：超声波式电磁式 机械式热源及供热管网热平衡改造1、 建筑物热力入口处设置静态水力平衡阀或自力式流量控制阀：无，有，名称： 其他（请注明）2、 水泵变频装置：无，有，名称： 其他（请注明）3、 自动气候补偿装置：无，有，名称： 其他（请注明）4、 热力出口处热计量装置：无，有，名称： 其他（请注明）中央财政奖励资金支付情况1、启动资金：6元/ 已按量足额拨付，未足额拨付，其中：差额部分 （元）；2、提前核拨资金： a、拨付比例 %，b、拨付金额（元） ；编号：大陆居民往来台湾地区申请审批表申请人姓名 代填写人姓名 申请日期 年 月 日 受理日期 年 月 日陕西省公安厅出入境管理局大陆居民往来台湾地区申请审批表身份证件名称证件号码姓名曾用名像片拼音姓拼音名性别 男 女出生日期年 月 日出生地民族文化程度婚姻 未婚 离异状况 已婚 丧偶户口所在地址户口所在地派出所现住址联络 邮政编码工作单位职务申请 首次 证件期满 内页用完证件 证件遗失 证件损毁 其他（ ）申请 定居 探亲 居留 旅游事由 应邀 非公职应邀 乘务 其他（ ）主 要 亲 属 情 况称谓姓 名性别住 址联络 台湾大陆此栏由十六周岁以下申请人的监护人填写与申请人 父亲 母亲的关系 其他监护人是否同意 同意此项申请 不同意监护人身份证件号码申请人声明：我保证所提交、填报的资料准确无误，并愿承担法律责任。申请（监护）人签名 年 月 日单位或公安派出所意见负责人签字 公 章联络 年 月 日受理、审批机关专用栏签注种类 一次 一年多次 二年多次 三年多次签注号码签注有效期至 年 月 日受理机关意见申请材料齐全，同意受理。受理人： 年 月 日 审核人： 年 月 日审批机关意见 同意 不同意 退回补充材料承办人： 年 月 日 审批人： 年 月 日备注栏填写申请表前，请您认真阅读以下内容：一、如实逐项填写申请表，字迹要清晰。二、“姓名”、“出生日期”与身份证件一致。三、“身份证件”是指：居民身份证或中华人民共和国护照。四、提交规格为33mm48mm正面免冠白底彩色近照1张。五、“户口所在地址”与“现住址”一致的，只填写其中一项。六、“联络 ”请填写可以和您或监护人取得联系的 号码。七、“单位或公安派出所意见”是指： 公职人员，由组织人事部门按干部管理权限签署意见。国有和国有控股企业、事业单位员工，由所在企、事业单位法人代表或者授权的人事、保卫部门签署意见。法人代表本人申请前往台湾，由相应的人事管理部门签署意见。大、中学校在校学生，由所在学校签署意见。其他人员，由其常住户口所在地的公安派出所签署意见。应邀赴台交流（有赴台批件）的免提交单位或公安派出所意见。八、有“”的项目，请根据您的实际情况或要求，有适当的“”内填上“”九、表格填写必须使用蓝黑、黑色、墨水的钢笔或签字笔填写。 倒傳遞類神經網路應用於影像文字自動偵測蔡賢亮義守大學資訊管理學系jimisu.edu.tw劉榕軒義守大學資訊管理學系M9322021stmail.isu.edu.tw林君諺義守大學資訊管理學系M9422021stmail.isu.edu.tw摘要近年來隨著科技的進步，人們使用的資訊不再以文字資訊為主，對於影像及影片之使用亦趨頻繁。面對來源資料型態之轉變，我們希望能夠利用一些更方便的工具或技術以取得數位影像中有用的資訊，而影像中所呈現的文字是最重要的資訊之一，例如新聞影像中呈現的新聞標題。這些文字資訊可以被使用在影像或影片的定義、分類及檢索的索引，在數位內容自動化中佔有非常重要的地位，因此數位影像資訊自動擷取技術的發展變得十分重要。在這篇論文中，我們將提出一個以類神經網路為主的影像文字自動擷取演算法，它能自動且準確地標示出文字區塊，並且去除雜訊和降低錯誤的文字區塊出現的機率。類神經網路被廣泛應用的原因在於類神經網路具有若干傳統演算法所沒有的特徵，特別是學習能力、記憶、容錯與預測能力的特質，使得類神經網路在很多應用上有不錯的成效。也因此我們要將類神經網路應用至影像文字自動擷取演算法中。在複雜的背景影像中偵測文字屬於困難度相當高的問題，使用類神經網路的方法來偵測文字位置，是利用許多的訓練資料（包含文字的影像，與沒有包含文字的影像）訓練類神經網路的權重，使其辨識出影像中文字的位置、與非文字部分，並且將文字正確地從複雜背景中分離出來。關鍵字：類神經網路、紋理分析、文字偵測、金字塔分解影像、邊緣偵測壹、引言過去所提出的文字偵測演算法，通常都是利用文字在影像中所呈現的特性如：(1)文字通常呈現水平排列，(2)文字通常和背景成明顯對比，(3)字的大小有所限制。如以紋理特徵為基礎的演算法來判斷文字區域，在影像中文字的區域有特殊的紋理是因為文字通常與背景有強烈對比，若對包含文字的影像做掃描常呈現週期性水平密度變化，原因是文字通常呈現水平排列，再加上文字與文字之間的間距通常相同，故使用紋理特徵方法較容易找到文字區域，於是我們將紋理特徵的偵測法與類神經網路結合。類神經網路常被運用於樣本識別、分類問題預測問題，主要是因為類神經網路俱有自我組織與學習的能力，這使得以類神經網路為基礎的樣本辨識系統與傳統的樣本識別系統相較之下，表現出下面幾個明顯的優點：(1)能夠識別帶有雜訊或變形的輸入樣本。(2)具有強烈的可適應學習能力，透過樣本的學習掌握樣本變換的內在規則。(3)能夠把後序處理與若干前置處理融合在一起。(4)具平行處理等優點。這些優點使得類神經網路能應用在影像處理或辨識可達到更高的效率。而我們的目標是希望能夠在新聞節目的內容中找到標題出現的位置，再將文字擷取出來已便將來進一步做辨識的研究。因此我們提出了一個以類神經網路為基礎，應用於文字偵測的系統。此方法包含了兩大階段：第一階段為邊緣偵測的部份。我們利用各種不同的方法計算影像中的每一個物件形狀輪廓，如使用輸入視窗當成類神經網路的輸入，視窗中每一點的像素值將餵到類神經網路中每一個輸入節點，經過計算後會留下高頻（影像中物件的邊緣）的部分去除影像中低頻的區域，也就是將影像中物件的輪廓標示出來。其訓練方法即是先將欲處理的影像當成訓練資料，再利用Photoimpact繪圖軟體將欲處理之影像作邊緣處理與去除雜訊的動作並將處理後的影像做為目標輸出值(teach data)，再將訓練完後網路中的權重保留下來。倒傳遞類神經網路屬於監督式學習網路，適於應用在診斷、預測等問題，本研究的預測模式亦應用倒傳遞類神經網路來建構之。倒傳遞類神經網路架構，其中包括：輸入層、隱藏層與輸出層。(1)輸入層：用來讀取網路的輸入變數，其輸入神經元數目則依問題而定。(2)隱藏層：用來計算與輸入神經元間的交互影響，隱藏層神經元的數目並無一標準方法可以決定，經常需以錯誤嘗試法決定其最佳神經元數目，隱藏層的輸出使用雙彎曲函數(Sigmoid Function)函數，通常網路可以擁有不只一層隱藏層。(3)輸出層用來呈現網路的推論輸出值，其神經元數目依問題而定，輸出層的輸出值亦使用雙彎曲函數(Sigmoid Function)函數，以表示輸出的結果。雙彎曲函數(Sigmoid Function)為 ，如圖一所示。而在輸入層的節點個數則依據影像輸入視窗大小來決定，輸出層節點個數依據處理問題而定。隱藏層神經元的數目我們則使用錯誤嘗試法來決定神經元個數。圖一 雙彎曲函數第二階段：針對影像的高頻部分使用紋理分析的方法找到文字的區域，紋理的部分我們希望使用不同大小尺寸的網格當成類神經網路的輸入值。網格則是以滑動視窗的模式由左至右做水平的掃描，經過網路計算後若通過預設的門檻值時，則我們將網格中間的像素點視為有文字的區域，並予以保留。最後判斷區塊尺寸大小，若區塊太小則此區塊可視為非文字部分即可將此區塊去除，保留下的區塊即可視為文字的區域。我們提出的文字偵測方法主要是利用文字有許多筆畫的特色即特殊的紋理，我們利用第一階段偵測出邊緣資訊的圖，再利用紋理分析的方法，將密集的邊緣像素點保留下來連結成字幕文字區域，最後再利用文字大小、文字排列方向及其它的各種方式，來驗證偵測出的文字區域，並減少偵測出的誤判區域，而造成文字切割及文字辨識的負擔。我們發現字幕文字都以橫式排列分佈在整張影像下面五分之一的區域內，而且字型大小一致，沒有歪斜的情況。雖然我們可以很容易地用眼睛觀察出字元與背景的差異，例如大海白雲和文字，以及大地上或沙漠的文字，但是我們在採用彩度的資訊來區分出文字與背景時，發現雜訊度太高，以致於無法找出區分文字與背景的規則性，反而利用亮度比較可以找出文字與背景的差異性，因此我們在以下的處理皆以灰階影像為主。為了能夠有效的將影像上的字幕文字擷取下來，我們提出的方法，主要可以分為以下幾個處理步驟：如圖二所示。 圖二 文字偵測系統架構圖1轉灰階：將彩色影像轉換成灰階影像。2邊緣偵測：利用倒傳遞類神經網路之訓練方法找到影像邊緣也就是去除低頻留下高頻的影像。3文字偵測：將原始影像利用影像金字塔模型在空間域上以不同比例的運算子將其分解來。4確認文字區域：將各尺寸的影像還原成原始影像的大小並將其合併確認文字區域。5切割文字：利用門檻值的方法將文字區域切割下來。貳、前置影像處理一、影像擷取我們利用電視擷取卡取得了大小的彩色影像，並使用傳統的方法將圖片轉換成256色灰階影像。將彩色影像轉換成灰階的公式為，式子中的R、G、B為彩色影像中的三原色，Y則是轉換後的灰階值。前置影像處理我們規劃了兩個方法：第一個方法是較一般的作法對整張影像作處理，另一個方法是對部分圖片作處理因為字幕文字只分佈在圖片下方的五分之一處，所以也可以只針對這個區域做文字擷取，作法是先將每張彩色影像切割下方1/5的區域，我們將其稱為下圖，先另存成彩色影像檔案，再分別轉成灰階影像。由於只處理所切割後之影像，不對整張影像處理，不但可以省去一些計算分析的時間，之後只要對下圖的處理結果作比較就可以更進一步確定字元的位置。二、邊緣偵測邊緣是影像中最基本的特徵，所謂邊緣就是指周圍色度強度有反差變化之像素集合，其為影像分割，紋理分析和影像識別等候序處理的重要基礎。邊緣偵測的方法的種類非常的多，其中Soble方法為最多人使用，因為Soble是採用影像色度階級跳躍變化的微分運算元，其優點在於邊緣偵測速度快，方法是將處理後的灰階影像利用Soble的方式對像素值作加權後再進行微分的運算，並利用水平濾波器與垂直濾波器分別對應影像像素位置進行分量運算。不過我們要利用類神經網路來達到邊緣偵測的目的，其作法是使用尺寸的輸入視窗當成類神經網路的輸入，經過計算後會留下影像的邊緣。其訓練方法即是先將欲處理的影像當成訓練資料，再利用若干方法將欲處理之影像作邊緣處理動作並將處理後的影像作為目標輸出值(teach data)如圖三所示，再將訓練完後網路中的權重保留下來。灰階影像（訓練資料）邊緣影像（目標輸出值）圖三 邊緣偵測訓練資料與目標輸出值參、文字區域偵測一、金字塔分解影像方法針對影像高頻的部分我們希望利用紋理分析的方法找到文字的區域，這個部分我們希望使用不同大小尺寸的影像當成類神經網路的輸入值也就是使用金字塔分解影像的方法。使用金字塔分解的方式是產生許多低解析度影像，在金字塔中最上層為原影像尺寸，越下面解析度越低，其降低解析度方式為每下降一層長寬各減為一半。在金字塔下層的影像越容易尋找出大字，相反的金字塔上層的影像越容易尋找出小字。分解影像之後不同尺寸的影像個別對應到不同的類神經網路，接著利用類神經網路的輸入神經元作為輸入視窗。視窗則是以滑動的模式由左至右做水平的掃描，視窗大小分別使用、的尺寸，如圖四所示，三個視窗分別作為每一個類神經網路的輸入視窗，經過網路計算後若通過預設的門檻值時，則我們將視窗格中間位置像素點視為有文字的區域，並予以保留，如圖五所示。圖四 圖五 金字塔分解影像圖二、確認文字區域到前一個步驟為止，便產生許多可能的文字區域，通常與背景形成對比的文字行在其上面邊緣與下面邊緣應該會有大的垂直密度變化，因此我們預期水平文字行會有高的垂直頻率。而針對每個可能的文字區域必須確定有足夠強烈明顯且密集的邊緣資訊，若為真正的文字區域，則在每一列都具有高的投影量，而且也應該有強烈明顯且密集的邊緣資訊，因此我們使用水平投影量的方法來驗證文字區域，以刪除掉錯誤偵測的雜訊區塊。接著計算區域內含有水平方向邊緣的像素點之數目。最後便可以得到每個可能的文字區域之水平邊緣的密度，是等於可能的文字區域內水平方向邊緣像素點的數目與像素點的總數之比值，最後設定一門檻值，來判斷每個可能的文字區域之水平邊緣的投影量，是否有足夠多的明顯水平方向邊緣，以去除掉錯誤偵測的誤判區域，根據實驗觀察，文字區域內之水平邊緣的密度只要大於0.2，才能夠充分地代表有文字的存在，其實驗結果如圖六所示。 (a) (b)圖六 (a)候選文字區塊圖，(b)水平投影量圖肆、實驗結果我們的文字偵測、切割系統程式開發系統為Borland C+ 6.0，其中所引用到BMP相關影像是擷取台灣各大電視台新聞節目，所有的測試影像其大小都是的BMP影像，系統的使用者介面如圖七所示。圖七 系統的使用者介面在實驗結果文字偵測處理的部分我們使用了三個不同大小的輸入視窗作為文字偵測的輸入視窗，其視窗大小分別為、，實驗結果顯示使用的輸入視窗能夠減少一些誤判的區域，對於後續切割的好壞也能有較佳的成果。雖然使用的視窗能夠減少運算的時間，但其偵測的結果並不是令人滿意。使用輸入視窗作為文字偵測視窗所呈現的影像，能夠避免偵測到一些不是文字的區塊，如圖八所示。對於文字切割處理結果的評量我們是根據將文字部分從文字區域中切割出來後，再經由人工方式判斷其文字區域正確率的高低，來做為判斷文字切割方法的好壞。我們選擇了電視台影像畫面來做測試，包括主播畫面和新聞畫面兩種類型，在新聞影像類型方面，除了字幕是列於複雜背景中，還包含有多種的文字大小，文字切割處理的實驗結果如表一所示。 (a) (b) (c) (d)圖八 (a).原始影像, (b).window, (c).window, and (d). window邊緣偵測紋理分析切割文字位置(a)(b) (c)(d)表一 實驗結果伍、結論字幕文字偵測可以應用在如：數位影片資料庫、數位圖書館等。由於多媒體技術不斷成長，導致數位影片的遽增，使得利用字幕文字建立起影片內容註解及索引來快速地做影片分類及查詢，越來越受到重視。本論文針對新聞中附加上的字幕文字來做偵測及切割。在偵測方面，依據字幕文字有著和背景區域強烈的對比性，以及文字多筆畫之特色，來設計字幕文字以邊緣為基礎的偵測方法，利用類神經網路的方法以偵測出影片畫面中的邊緣圖，在找出字幕文字區域的位置，主要為了提昇文字偵測的準確度。我們希望針對文字偵測方法的改善，未來可對影片做即時（real-time）的處理。在切割方面，利用水平與垂直投影量來計算出正確的文字區域，並以適當地取出邊緣像素點之統計結果的臨界值，來清楚地將文字部分區別出來。陸、參考文獻承蒙國科會計畫NSC94-2213-E-214-007經費補助，特此致謝。柒、參考文獻 A.K. Jain, East Y. Zhong, “Page Segmentation Using Texture Discrimination Masks”, Pattern Recognition & Image Proess. Lab, Michigan State Univ , East 1995. Anil K. Jain and Yu Zhong , “Page Segmentation Using Texture Analysis” Department of Computer Science, Michigan State University, East Lansing, MI 48824, U.S.A. 1996.Yassin M. Y. Hasan and Lina J. Karam,“Morphological Text Extraction From Image, IEEE Transactions On Image Processing,Vol. 9,No. 11 November 2000.I. Paliy, V. Turchenko, V. Kova, A. Sachenko, G. Markowsky “Approach to Recognition of License Plate Numbers Using Neural Networks” , 2004 IEEE .Duarte Palma, Joo Ascenso, “Automatic Text Extraction in Digital Video based on motion analysis” Fernando Pereira 2004.Po-Yueh Chen, Chung-Wei Liang “Automatic Text Extraction Using DWT and Neural Network” (168 Gifeng E. Rd., Wufeng ,Taichung County, Taiwan, R.O.C.)2001.Byung Tae Chun, Younglae Bae, Tai-Yun Kim, Fuzzy “Automatic Text Extraction in Digital Videos using FFT and Neural Network ”, IEEE International Conference of Fuzzy systems 1999, FUZZ-IEEE 99. Volume: 2, 22-25 Aug. 1 Page(s): 1112 -1115 , 1999.Tinku Acharya, Po-Yueh Chen , “VLSI Implementation of a DWT Architecture” ISCAS 98.Proceedings of the 1998 IEEE International Symposium on Circuits and Systems, Volume: 2, Page(s): 272-275 1998.Keechul Jung, “Neural Network-Based Text Location in Color Images,” Pattern Recognition Letters, Volume: 22, Issue: 14, December, 2001.Yu Zhong, Kalle Karu and Anil K. Jain“ Locating text in complex color images” Department of Computer Science, Michigan State University, East Lansing, MI 48824, U.S.A. A. K. Jain and B. Yu, “Automatic text location in images and video frames,” Proc. ICPR, pp. 14971499, 1998V. Wu, R. Manmatha, and E. M. Riseman, “Finding text in images,” in DL97: Proc. 2nd ACM Int. Conf. Digital Libraries, Images and Multimedia, 312 , pp. 1997.Rainer Lienhart, Frank Stuber , “Automatic Text Recognition in Digital Videos” 1995.Williams. P.S., Alder. M. D.” Generic Texture Analysis Applied to Newspaper Segmentation ” IEEE International Conference on Neural Networks, Volume: 3, 3-6 June 1996 Page(s): 1664 1669 .1996.