基于改进U⁃Net的低质量文本图像二值化

摘要：

文本图像二值化是光学字符识别的关键步骤,但低质量文本图像背景噪声复杂,且图像全局上下文信息以及深层抽象信息难以获取,使得最终的二值化结果中文字区域分割不精确、文字的形状和轮廓等特征表达不足,从而导致二值化效果不佳.为此,提出一种基于改进U-Net网络的低质量文本图像二值化方法.采用适合小数据集的分割网络U-Net作为骨干模型,选择预训练的VGG16作为U-Net的编码器以提升模型的特征提取能力.通过融合轻量级全局上下文块的U-Net瓶颈层实现特征图的全局上下文建模.在U-Net解码器的各上采样块中融合残差跳跃连接,以提升模型的特征还原能力.从上述编码器、瓶颈层和解码器3个方面分别对U-Net进行改进,从而实现更精确的文本图像二值化.在DIBCO 2016—2018数据集上的实验结果表明,相较Otsu、Sauvola等方法,该方法能够实现更好的去噪效果,其二值化结果中保留了更多的细节特征,文字的形状和轮廓更精确、清晰.

关键词：文本图像二值化、U-Net网络、全局上下文、残差跳跃连接、DIBCO数据集

所属期刊栏目：48

分类号：TP751(遥感技术)

资助基金：国家青年科学基金项目51609193

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：231-239