融合背景估计与U-Net的文档图像二值化算法

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-03 合作期刊: 《计算机应用研究》

熊炜 王鑫睿 王娟 刘敏 曾春艳

摘要： 针对低质量文档图像存在页面污渍、墨迹浸润、背景纹理等多种退化因素，提出一种融合背景估计与U型卷积神经网络(U-Net)的文档图像二值化算法。该算法首先进行图像对比度增强，然后通过形态学闭操作来估计文档图像背景，并利用全卷积网络，即U-Net对背景减除图像进行前景背景分割，最后采用全局最优阈值处理方法获得最终二值图像。实验结果表明，在2016和2017年国际文档图像二值化竞赛中本文算法的F值(F-measure，FM)、伪F值(pseudo F-measure，p-FM)、峰值信噪比(peak signal to noise ratio，PSNR)、距离倒数失真度量(distance reciprocal distortion，DRD)比性能次优的经典算法最高有5.58%、2.47%、0.86dB、1.19%的性能提升。

 点击量 2383  下载量 1314  评论