基于大规模真实世界数据集和位置感知网络的单文档图像高光 removal

反射性文档在环境光照下常常受到局部反射高光的困扰，严重影响文字可读性并降低整体视觉质量。虽然最近的深度学习方法在去除高光方面显示出前景，但对于文档图像仍不理想，主要由于缺乏专门的数据集和量身定制的网络结构。为此，我们提出了 DocHR14K，一个由 14,902 组高分辨率图像对组成的大规模真实世界数据集，覆盖六个文档类别和各种光照条件。据我们所知，这是第一个捕获广泛真实世界光照条件的文档高光 removal 高分辨率数据集。此外，基于我们观察到的残差图在高光图和干净图之间自然揭示高光区域空间结构的事实，我们提出了一种简单而有效的高光位置先验 (HLP)，用于估计高光掩码，而无需人工标注。基于此先验，我们提出了位置感知 Laplacian 金字塔高光 removal 网络 (L2HRNet)，通过利用估计的先验有效去除高光，并 incorporates diffusion 模块以恢复细节。广泛的实验表明，DocHR14K 在多种光照条件下改进了高光 removal。我们的 L2HRNet 在三个基准数据集上实现了最佳性能，包括在 DocHR14K 上 PSNR 提升 5.01%，RMSE 降低 13.17%。