基于块卷积神经网络的文档矫正与光照校正
计算机视觉与模式识别
2019-09-23 v1
摘要
我们提出了一种新颖的学习方法，从单张输入图像中对具有多种畸变类型的文档图像进行矫正。与以往基于学习的方法不同，我们的方法力求首先在输入图像块上学习畸变流，而非整幅图像。随后我们提出一种鲁棒技术，通过在梯度域处理将块结果拼接为矫正后的文档。此外，我们提出第二个网络来校正不均匀光照，进一步提升可读性与 OCR 准确率。由于在较小图像块上存在的畸变较不复杂，我们的基于块的方法结合拼接与光照校正，能在合成与真实数据集上显著提升整体准确率。
引用
@article{arxiv.1909.09470,
title = {Document Rectification and Illumination Correction using a Patch-based CNN},
author = {Xiaoyu Li and Bo Zhang and Jing Liao and Pedro V. Sander},
journal= {arXiv preprint arXiv:1909.09470},
year = {2019}
}
备注
11 pages, 10 figures