[发明专利]JPEG压缩文档的图像预处理方法及装置

说明书

本发明涉及JPEG压缩文档的图像预处理方法及装置，所述方法包括步骤：接收待处理的JPEG图像；利用预先训练的全卷积网络模型对接收到的JPEG图像进行去噪处理，以得到去除噪声且分辨率提高的图像。所述全卷积网络模型中例如可以包括输入层、卷积层、激活层、残差模块、BN层和亚像素层。本发明方法及装置可以有效提升电子文档中图像的清晰度，为后续的基于图像的文档分析，如OCR、CHART解析提供有效的帮助。

技术领域

本发明涉及数据处理技术领域，特别涉及一种JPEG压缩文档的图像预处理方法及装置。

背景技术

图像去噪的主要目的是去除图像噪声并且尽可能的保留图像中有用的信息。常见的图像处理去噪方法包括：中值滤波、高斯滤波、双边滤波等，不同的滤波方法在处理不同噪声上效果不同。中值滤波在处理椒盐噪声时效果较好，高斯滤波在高斯噪声上效果较好，双边滤波在去除噪声的时候能较好的保留边缘信息。然而在已有的图像去噪算法中，还未有见过专门针对电子图表文件JPEG压缩引起的噪声进行去噪的有效方法。

发明内容

本发明的目的在于改善现有技术中所存在的没有专门针对图表文件JPEG压缩引起的噪声进行去噪的有效方法的不足，提供一种JPEG压缩文档的图像预处理方法及装置。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一方面，本发明实施例提供了一种JPEG压缩文档的图像预处理方法，包括：

接收待处理的JPEG图像；

利用预先训练的全卷积网络模型对接收到的JPEG图像进行去噪处理，以得到去除噪声且分辨率提高的图像。

所述全卷积网络模型中包括输入层、卷积层、激活层、残差模块、BN层和亚像素层。

所述全卷积网络模型通过以下步骤训练得到：

a，随机初始化全卷积网络模型的参数；

b，随机选取batchsize张样本图片，并在每张样本图片上随机截取W*H尺寸的图像，作为本次迭代目标图像样本，其中batchsize表示批尺寸；

c，将目标图像样本中的每个像素归一化处理；

d，将目标图像样本进行双线性插值的n倍分辨率降低，并按照随机压缩比进行JPEG压缩，得到仿真的JPEG压缩图像，尺寸为n为正整数；

e，将步骤d得到的batchsize张JPEG图像作为输入，传入到步骤a中的全卷积网络模型中，得到输出图像，尺寸为W*H；

f，计算本次迭代当前均方误差损失loss：其中target为目标图像样本的目标值，output为对应的降低n倍分辨率后的JPEG图像输入到全卷积网络模型中得到的输出值；

g，利用BP算法更新当前全卷积网络模型的参数；

循环执行步骤b～g，直至预先设定的迭代次数。

另一方面，本发明实施例提供了一种JPEG压缩文档的图像预处理装置，包括：

图像接收模块，用于接收待处理的JPEG图像；

图像预处理模块，用于利用预先训练的全卷积网络模型对所述图像接收模块所接收的待处理的JPEG图像进行去噪处理，得到去除噪声且分辨率提高的图像。

与现有技术相比，本发明的有益效果：本发明采用了基于深度学习的方法，进行图像去JPEG噪声和图像分辨率提升，输入是一个JPEG格式的图像，输出是一个分辨率提升一倍的且去掉JPEG压缩噪声的无损图像格式文件。本发明可以有效去除电子文档中经JPEG压缩产生的噪声，提升电子文档中图像的清晰度，为后续的基于图像的文档分析，如OCR、CHART解析提供有效的帮助。