通过对抗式噪声纹理增强改进文档二值化
计算机视觉与模式识别
2019-05-02 v2
摘要
退化文档图像的二值化是文档图像分析领域大多数问题中的基础步骤。本文通过引入对抗学习方法重新审视二值化问题。我们构建了一个纹理增强网络，将退化参考文档图像的纹理元素迁移到干净的二值图像上。以此方式，该网络生成同一文本内容具有多种噪声纹理的多个版本，从而扩充可用的文档二值化数据集。最后，新生成的图像经过二值化网络以恢复干净版本。通过联合训练两个网络，我们可以提高系统的对抗鲁棒性。此外，值得注意的是我们的模型能够从非配对数据中学习。实验结果表明，所提方法在广泛使用的 DIBCO 数据集上取得了优越性能。
引用
@article{arxiv.1810.11120,
title = {Improving Document Binarization via Adversarial Noise-Texture Augmentation},
author = {Ankan Kumar Bhunia and Ayan Kumar Bhunia and Aneeshan Sain and Partha Pratim Roy},
journal= {arXiv preprint arXiv:1810.11120},
year = {2019}
}
备注
IEEE International Conference on Image Processing (ICIP), 2019. The full source code of the proposed system is publicly available at https://github.com/ankanbhunia/AdverseBiNet