面向可读性提升与OCR性能改善的二值文档图像超分辨率
计算机视觉与模式识别
2018-12-07 v1
摘要
世界各地数字图书馆中存有大量低分辨率（LR）二值文档图像，其高分辨率（HR）对应版本往往缺失，由此产生了从中进行信息检索的需求。这引出了二值文档图像超分辨率（BDISR）问题。本文旨在解决二值泰米尔语文档图像超分辨率这一有趣且具挑战性的问题，以提升可读性与光学字符识别（OCR）性能。我们提出多种深度神经网络架构来解决该问题并分析其性能。所提模型均为单图像超分辨率技术，学习LR与HR二值文档图像间通用的空间对应关系。我们采用卷积层进行特征提取，随后使用转置卷积与子像素卷积层对特征进行上采样。由于神经网络输出为灰度图，我们利用幂律变换作为后处理技术来改善字符级像素连通性。我们通过比较LR图像与相应模型生成的HR图像上的OCR准确率以及人类评估者给出的平均意见分来评价模型性能。
引用
@article{arxiv.1812.02475,
title = {Binary Document Image Super Resolution for Improved Readability and OCR Performance},
author = {Ram Krishna Pandey and K Vignesh and A G Ramakrishnan and Chandrahasa B},
journal= {arXiv preprint arXiv:1812.02475},
year = {2018}
}