[发明专利]中文文本图像的超分辨率重建方法

说明书

本发明公开了中文文本图像的超分辨率重建方法，包括：获取中文文本图像的数据集，将数据集分为训练集和测试集，并对训练集中的中文文本图像进行预处理，得到低分辨率图片；构建超分辨率重建网络模型，超分辨率重建网络模型的结构包括依次设置的去噪模块、卷积模块、残差模块、上采样模块、特征重映射模块，卷积模块、残差模块的输出通过跳跃连接相连，作为上采样模块的输入；将训练集和测试集输入超分辨率重建网络模型进行学习，并对超分辨率重建网络模型参数进行优化，得到中文文本图像超分辨率模型；利用中文文本图像超分辨率模型对中文文本图像进行图像超分辨率处理。解决了现有技术中存在的带有运动模糊的中文文本图像识别准确率低的问题。

技术领域

本发明属于图像处理方法技术领域，涉及一种中文文本图像的超分辨率重建方法。

背景技术

中文文本图像主要包括手写中文文档、手写支票、书稿等诸多类型，为了让计算机对这些中文文本图像进行识别操作，并且提高识别的准确率，就需要对这些图像进行预处理，其中常见的预处理操作包括：去噪、锐化、超分辨率等。传统的基于图像处理算法的超分辨率重建算法对于一般图像(风景、照片等)有较广的适用范围，但其对于中文文本图像的适用程度较低，如果直接将其作用于文本图像，往往效果不是很理想。并且使用器材进行拍摄时，由于手部的抖动会导致拍摄出的图像存在运动模糊的情况，这样会导致识别的准确率大大降低。综上所述，目前对于中文文本图像进行超分辨率重建存在重建结果不理想，原图像带有一定噪声，导致对中文文本图像直接进行识别准确率低的问题。

发明内容

本发明的目的是提供一种中文文本图像的超分辨率重建方法，解决了现有技术中存在的带有运动模糊的中文文本图像识别准确率低的问题。

本发明所采用的技术方案是，中文文本图像的超分辨率重建方法，包括以下步骤：

步骤1、获取中文文本图像的数据集，将数据集分为训练集和测试集，并对训练集中的中文文本图像进行预处理，得到低分辨率图片；

步骤2、构建超分辨率重建网络模型，超分辨率重建网络模型的结构包括依次设置的去噪模块、卷积模块、残差模块、上采样模块、特征重映射模块，卷积模块、残差模块的输出通过跳跃连接相连，作为上采样模块的输入；

步骤3、将训练集和测试集输入超分辨率重建网络模型进行学习，并对超分辨率重建网络模型参数进行优化，得到中文文本图像超分辨率模型；

步骤4、利用中文文本图像超分辨率模型对中文文本图像进行图像超分辨率处理。

本发明的特点还在于：

步骤1的具体过程为：获取中文文本图像的数据集，将数据集分为训练集和测试集，先对训练集中的中文文本图像加上噪声，然后对有噪声的中文文本图像进行2倍下采样得到低分辨率图片。

超分辨率重建网络模型的具体操作为：

将低分辨率图片输入去噪模块进行去噪得到去噪后的低分辨率图片；

将去噪后的低分辨率图片输入卷积模块进行卷积，输出的第一特征图；

将第一特征图输入残差模块得到残差；

将残差与第一特征图利用跳跃连接相加获得第二特征图；

将第二特征图输入由上采样层、卷积层组成的上采样模块，输出初始高分辨率图像，然后将初始高分辨率图像输入到特征重映射模块得到高分辨率图片。

去噪模块包括依次设置的第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、卷积层，输入图像与卷积层的输出通过跳跃连接相连。