[发明专利]一种文本图像超分辨率方法和系统、电子设备、存储介质

权利要求书

1.一种文本图像超分辨率方法，其特征在于，包括：

获取低分辨率票据文本图像；

对所述低分辨率票据文本图像提取出文本概率序列特征，作为票据文本先验信息；

对所述低分辨率票据文本图像提取出图像特征信息；

将所述图像特征信息与所述票据文本先验信息融合，得到融合特征信息；

将所述融合特征信息，进行超分辨率重建处理，得到高分辨率票据文本图像。

2.根据权利要求1所述的文本图像超分辨率方法，其特征在于，将所述融合特征信息，进行超分辨率重建处理，得到高分辨率票据文本图像，包括：

将所述融合特征信息输入至超分辨率模型进行超分辨率重建处理，得到所述高分辨率票据文本图像。

3.根据权利要求2所述的文本图像超分辨率方法，其特征在于，所述超分辨率模型的构建过程，包括：

采集历史低分辨率票据文本图像；

将所述历史低分辨率票据文本图像划分为训练集和测试集；

对所述训练集，采用超分辨率卷积神经网络进行训练，得到超分辨率模型；

依据所述测试集对所述超分辨率模型进行测试，将测试结果满足收敛条件的超分辨率模型作为最终的超分辨率模型。

4.根据权利要求3所述的文本图像超分辨率方法，其特征在于，采集历史低分辨率票据文本图像，包括：

采集高视觉质量和可读性的历史票据文本图像作为高分辨率票据文本图像；

对所述高分辨率票据文本图像通过降采样的方式，得到所述历史低分辨率票据文本图像。

5.根据权利要求1所述的文本图像超分辨率方法，其特征在于，对所述低分辨率票据文本图像提取出文本概率序列特征，作为票据文本先验信息所采用的公式为：

F_t＝f_t(I_LR)

其中，I_LR为所述低分辨率票据文本图像，f_t为文本概率序列特征提取功能函数，F_t为所述文本概率序列特征。

6.根据权利要求1所述的文本图像超分辨率方法，其特征在于，将所述图像特征信息与所述票据文本先验信息融合，得到融合特征信息所采用的公式为：

其中，I_LR为低分辨率票据文本图像，f_e为采用卷积神经网络的功能函数，为特征融合操作函数；F_t为所述文本概率序列特征；F_e为融合特征信息。

7.根据权利要求3所述的文本图像超分辨率方法，其特征在于，对所述训练集，采用超分辨率卷积神经网络进行训练，得到超分辨率模型，包括：以最小化L函数的方式训练超分辨率模块的超分辨率卷积神经网络，输出高分辨率票据文本图像；

所述以最小化L函数的方式训练超分辨率模块的超分辨率卷积神经网络，输出高分辨率票据文本图像所采用的公式为：

其中，N为所述历史低分辨率票据文本图像的数量，f_s为超分辨率卷积神经网络的功能函数，α为取值在0和1之间的正则化系数；I_HR为高分辨率票据文本图像，I_LR为低分辨率票据文本图像；f_t为文本概率序列特征提取功能函数；L为高分辨率票据文本图像。

8.一种文本图像超分辨率系统，其特征在于，包括：

获取模块，用于获取低分辨率票据文本图像；

文本识别模块，用于对所述低分辨率票据文本图像提取出文本概率序列特征，作为票据文本先验信息；

特征融合模块，用于对所述低分辨率票据文本图像提取出图像特征信息；并将所述图像特征信息与所述票据文本先验信息融合，得到融合特征信息；

超分辨率模块，用于将所述融合特征信息，进行超分辨率重建处理，得到高分辨率票据文本图像。