CCDWT-GAN：基于颜色通道离散小波变换的生成对抗网络用于文档图像二值化
计算机视觉与模式识别
2023-08-25 v2
摘要
从褪色彩色文档图像中高效提取文本信息是一个重要的研究领域。古籍因长期保存不善导致多种退化，如页面污渍、纸张泛黄和墨水渗透。这些退化严重影响了用于特征提取的图像处理。本文提出一种基于颜色通道使用离散小波变换的生成对抗网络（CCDWT-GAN）新方法。所提方法包含三个阶段：图像预处理、图像增强和图像二值化。在初始步骤中，我们应用离散小波变换（DWT）保留低-低（LL）子带图像，从而提升图像质量。随后，我们将原始输入图像分为四个单通道颜色（红、绿、蓝和灰）以分别训练对抗网络。为提取全局与局部特征，我们利用图像增强阶段的输出图像与整个输入图像分别训练对抗网络，并将这两个结果合并作为最终输出。为验证图像增强与二值化阶段对模型性能的提升作用，我们进行了消融研究。本工作在DIBCO和H-DIBCO（（手写）文档图像二值化竞赛）数据集上将所提方法与其他最先进（SOTA）方法进行比较。实验结果表明，CCDWT-GAN在多个基准数据集上取得前两名性能。值得注意的是，在DIBCO 2013和2016数据集上，我们的方法分别取得了95.24和91.46的F值（FM）。
引用
@article{arxiv.2305.17420,
title = {CCDWT-GAN: Generative Adversarial Networks Based on Color Channel Using Discrete Wavelet Transform for Document Image Binarization},
author = {Rui-Yang Ju and Yu-Shian Lin and Jen-Shiun Chiang and Chih-Chia Chen and Wei-Han Chen and Chun-Tse Chien},
journal= {arXiv preprint arXiv:2305.17420},
year = {2023}
}
备注
accepted by PRICAI 2023