-
题名基于改进U⁃Net的低质量文本图像二值化
被引量:2
- 1
-
-
作者
王红霞
何国昌
李玉强
陈德山
-
机构
武汉理工大学计算机科学与技术学院
武汉理工大学智能交通系统研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第4期231-239,共9页
-
基金
国家青年科学基金项目“基于多约束三维重构的低分辨率前视声呐目标探测研究”(51609193)。
-
文摘
文本图像二值化是光学字符识别的关键步骤,但低质量文本图像背景噪声复杂,且图像全局上下文信息以及深层抽象信息难以获取,使得最终的二值化结果中文字区域分割不精确、文字的形状和轮廓等特征表达不足,从而导致二值化效果不佳。为此,提出一种基于改进U-Net网络的低质量文本图像二值化方法。采用适合小数据集的分割网络U-Net作为骨干模型,选择预训练的VGG16作为U-Net的编码器以提升模型的特征提取能力。通过融合轻量级全局上下文块的U-Net瓶颈层实现特征图的全局上下文建模。在U-Net解码器的各上采样块中融合残差跳跃连接,以提升模型的特征还原能力。从上述编码器、瓶颈层和解码器3个方面分别对U-Net进行改进,从而实现更精确的文本图像二值化。在DIBCO 2016—2018数据集上的实验结果表明,相较Otsu、Sauvola等方法,该方法能够实现更好的去噪效果,其二值化结果中保留了更多的细节特征,文字的形状和轮廓更精确、清晰。
-
关键词
文本图像二值化
U-Net网络
全局上下文
残差跳跃连接
dibco数据集
-
Keywords
document image binarization
U-Net network
global context
residual skip connection
dibco dataset
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-