用于增强历史文档图像二值化的变分增强方法
计算机视觉与模式识别
2022-11-15 v1
摘要
历史文档图像二值化是图像处理中一个众所周知的分割问题。尽管十分普遍，传统的阈值算法在严重退化的文档图像上取得的成功有限。随着深度学习的出现，人们提出了若干分割模型，在该领域取得了显著进展，但受限于大规模训练数据集的缺乏。为缓解此问题，我们提出了一种新颖的两阶段框架——第一阶段包含一个利用变分推断生成退化样本的生成器，第二阶段是一个基于CNN的二值化网络，在生成的数据上进行训练。我们在一系列DIBCO数据集上评估了我们的框架，其相较于以往的SOTA方法取得了具有竞争力的结果。
引用
@article{arxiv.2211.06581,
title = {Variational Augmentation for Enhancing Historical Document Image Binarization},
author = {Avirup Dey and Nibaran Das and Mita Nasipuri},
journal= {arXiv preprint arXiv:2211.06581},
year = {2022}
}
备注
Accepted at ICVGIP 2022