DeepOtsu：基于迭代深度学习的文档增强与二值化
计算机视觉与模式识别
2019-01-21 v1
摘要
本文提出一种新颖的迭代深度学习框架并将其应用于文档增强与二值化。与传统方法在输入图像上预测每个像素的二值标签不同，我们训练神经网络学习文档图像中的退化并产生退化输入图像的均匀图像，这使网络能够迭代地精炼输出。本文研究了两种不同的迭代方法：循环精炼（RR）在每次迭代中使用同一训练好的神经网络进行文档增强，以及堆叠精炼（SR）使用一叠不同的神经网络进行迭代输出精炼。给定学习到的均匀且增强的图像，二值化图可通过全局或局部阈值容易地获得。在多个公共基准数据集上的实验结果表明，我们提出的方法提供了退化图像的新干净版本，适于可视化，并且基于由神经网络迭代学习到的增强图像使用全局Otsu阈值进行二值化取得了有前景的结果。
引用
@article{arxiv.1901.06081,
title = {DeepOtsu: Document Enhancement and Binarization using Iterative Deep Learning},
author = {Sheng He and Lambert Schomaker},
journal= {arXiv preprint arXiv:1901.06081},
year = {2019}
}
备注
Accepted by Pattern Recognition