基于全卷积网络位移流估计的文档图像去扭曲
计算机视觉与模式识别
2021-04-15 v1
摘要
随着基于相机的文档日益增多，对失真文档图像进行校正以提高识别性能成为一项需求。本文提出一种新颖的框架，通过全卷积网络（FCN）估计像素级位移，精细地同时校正失真文档图像并去除背景。文档图像根据像素位移进行变换而得以校正。FCN通过回归合成失真文档的位移进行训练，为控制位移的平滑性，我们在正则化中提出局部平滑约束（LSC）。我们的方法易于实现且消耗适中计算资源。实验证明，该方法能在多种几何失真下有效去扭曲文档图像，并在局部细节和整体效果上达到了最先进的性能。
引用
@article{arxiv.2104.06815,
title = {Dewarping Document Image By Displacement Flow Estimation with Fully Convolutional Network},
author = {Guo-Wang Xie and Fei Yin and Xu-Yao Zhang and Cheng-Lin Liu},
journal= {arXiv preprint arXiv:2104.06815},
year = {2021}
}