计算机工程

作者：王红霞, 何国昌, 李玉强, 陈德山

单位：1. 武汉理工大学 计算机科学与技术学院, 武汉 430063;2. 武汉理工大学 智能交通系统研究中心, 武汉 430063

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

基金：国家青年科学基金项目“基于多约束三维重构的低分辨率前视声呐目标探测研究”（51609193）。

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。

来源：2022年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第4期