RCRN：基于骨架提取的真实世界字符图像复原网络
计算机视觉与模式识别
2022-07-20 v2
摘要
构建高质量的字符图像数据集具有挑战性，因为真实世界图像常受图像退化影响。将现有图像复原方法应用于此类真实世界字符图像时存在局限，因为（i）字符图像中的噪声类别不同于通用图像；（ii）真实世界字符图像通常包含更复杂的图像退化，例如不同噪声水平下的混合噪声。为解决这些问题，我们提出一种真实世界字符复原网络（RCRN）以有效复原退化的字符图像，其中利用字符骨架信息与尺度集成特征提取来获得更好的复原性能。所提方法由骨架提取器（SENet）与字符图像复原器（CiRNet）组成。SENet 旨在保持字符的结构一致性并归一化复杂噪声。随后，CiRNet 从退化的字符图像及其骨架中重建干净图像。由于缺少真实世界字符图像复原的基准，我们构建了一个包含 1,606 张具真实世界退化的字符图像的数据集以评估所提方法的有效性。实验结果表明，RCRN 在定量与定性上均优于最先进的方法。
引用
@article{arxiv.2207.07795,
title = {RCRN: Real-world Character Image Restoration Network via Skeleton Extraction},
author = {Daqian Shi and Xiaolei Diao and Hao Tang and Xiaomin Li and Hao Xing and Hao Xu},
journal= {arXiv preprint arXiv:2207.07795},
year = {2022}
}
备注
Accepted to ACM MM 2022