SDT-DCSCN：用于文本图像同步超分辨率与去模糊
图像与视频处理
2026-01-12 v1 计算机视觉与模式识别
摘要
深度卷积神经网络（Deep CNN）在单图像超分辨率上已取得有前景的性能。特别是，Deep CNN 跳跃连接与 Network in Network（DCSCN）架构已成功应用于自然图像超分辨率。在本工作中，我们提出一种称为 SDT-DCSCN 的方法，基于 DCSCN 联合执行低分辨率模糊文本图像的超分辨率与去模糊。我们的方法在输入中使用下采样模糊图像、以原始清晰图像作为 ground truth。所用架构在输入 CNN 层中包含更多滤波器，以更好地分析文本细节。在不同数据集上的定量与定性评估证明了我们的模型在重建高分辨率清晰文本图像方面的优异性能。此外，在计算时间方面，我们提出的方法与 SOTA 方法相比具有竞争力。
引用
@article{arxiv.2201.05865,
title = {SDT-DCSCN for Simultaneous Super-Resolution and Deblurring of Text Images},
author = {Hala Neji and Mohamed Ben Halima and Javier Nogueras-Iso and Tarek. M. Hamdani and Abdulrahman M. Qahtani and Omar Almutiry and Habib Dhahri and Adel M. Alimi},
journal= {arXiv preprint arXiv:2201.05865},
year = {2026}
}