面向文档图像质量评估：基于文本行的框架与合成文本行图像数据集
计算机视觉与模式识别
2019-06-06 v1
摘要
由于低质量的文档图像会极大降低自动文本识别与分析的成功率，有必要对在线业务流程中上传的文档图像进行质量评估，以拒收那些低质量图像。本文尝试实现文档图像质量评估，贡献有两点。首先，由于文档图像质量评估更关注文本，我们提出了一种基于文本行的框架来估计文档图像质量，其由三个阶段组成：文本行检测、文本行质量预测和整体质量评估。文本行检测旨在利用检测器找出潜在的文本行。在文本行质量预测阶段，使用基于CNN的预测模型为每条文本行计算质量分数。最终通过所有文本行质量的集成来评估文档图像的整体质量。其次，为训练预测模型，我们合成了一个包含52,094张文本行图像的大规模数据集，具有多种属性。每张文本行图像的质量标签由分段函数计算而得。为证明所提框架的有效性，我们在两个流行的文档图像质量评估基准上进行了综合实验。在大型且复杂的数据集上，我们的框架以较大优势显著优于最先进的方法。
引用
@article{arxiv.1906.01907,
title = {Towards Document Image Quality Assessment: A Text Line Based Framework and A Synthetic Text Line Image Dataset},
author = {Hongyu Li and Fan Zhu and Junhua Qiu},
journal= {arXiv preprint arXiv:1906.01907},
year = {2019}
}