[发明专利]一种基于D-LinkNet的低质量文档图像二值化方法

说明书

本发明公开了一种基于D‑LinkNet的低质量文档图像二值化方法，首先将彩色文档图像降维处理为灰度图像；然后对步骤1中获得的灰色图像，进行数据裁剪与扩增，获得统一大小的文档图像；接着将步骤2中获得的文档图像输入D‑LinkNet模型中，训练D‑LinkNet模型；通过反向传播优化损失函数；最后对图像进行测试得到二值化图像；本发明可以有效提取图像文本特征，忽略不重要信息，从而有效分割文本与背景；转移学习可以加速网络收敛，而且可以毫无损失的提升性能；采用扩张卷积可以在增加特征点感受野的同时保持细节信息。

技术领域

本发明属于数字图像处理、计算机视觉、机器学习等多个技术领域，特别涉及一种基于编码解码模型以及扩张卷积的文档图像二值化方法。

背景技术

文档图像二值化是将灰度或者彩色图像转换为黑白二值图像的过程，将每个像素标记为前景或背景。二值化作为很多文档图像处理系统的组成部分，极大地影响着文档处理任务的性能，比如光学字符识别(OCR)、公式识别以及文档轮廓分析(DLA)。

尽管文档图像二值化比较简单，但是对于低质量文档图像，二值化处理却相当复杂。由于年代久远，储存方式差以及不适当的保存条件，文档图像出现严重的退化问题，包括不均匀光照、复杂背景以及墨迹渗漏。目前已经提出了许多算法来对文档图像进行二值化处理，根据阈值选取方式的不同，大致分为全局和局部二值化方法，全局阈值法是将提取的图像特征应用在整副图像上，经典的是Otsu方法，其根据最小类内和最大类间方差选取适当的阈值进行分类，从而判断是前景文本还是背景噪声。全局方法还包括基于熵和聚类的方法，当文档图像具有明显的双峰特征时，全局法分割图像的效果很好，但是由于文档图像一般背景复杂，且存在墨迹浸润、污渍、光照不均等问题，研究人员随后提出了局部方法来进行处理。局部处理方法主要是根据像素点的邻域值对其进行前背景预测。主要有Niblack算法、Sauvola算法、LMM算法、Wolf算法。最近几年Howe提出采用能量最小化的方法来处理文档图像二值化，效果在原先的基础上有所提升，这些都属于非监督算法。

近年来，深度学习发展迅速，对于解决大量实际问题都展现了优良的效果。深度学习的框架也开始用来解决文档图像二值化问题，之前的非监督类算法由于文档图像低质量现象的复杂性只能在某些特定图像上取得较好的分割性能。寻找一种合适的网络框架来对文档图像进行二值化处理变得尤为重要。

发明内容

为了解决上述技术问题，本发明提供了一种基于D-LinkNet的低质量文档图像二值化方法。

本发明所采用的技术方案是：一种基于D-LinkNet的低质量文档图像二值化方法，其特征在于，包括以下步骤：

步骤1：使用PCA将彩色文档图像降维处理为灰度图像；

步骤2：对步骤1中获得的灰色图像，进行数据裁剪与扩增，获得统一大小的文档图像；

步骤3：将步骤2中获得的文档图像输入D-LinkNet模型中，训练D-LinkNet模型；

所述D-LinkNet模型包括：编码部分、扩张卷积、解码部分；D-LinkNet使用ResNet34作为编码器，中间加了扩张卷积，用于在扩大感受野的同时保存空间的细节信息；每个卷积层伴随着一个ReLU激活层，除了最后一个卷积层使用了sigmoid激活，解码部分采用上采样和卷积；

步骤4：通过反向传播优化损失函数，使得结果图像更加接近真值图像；

步骤5：对图像进行测试得到二值化图像；

输入原始彩色文档图像，首先降维处理为灰度图像，然后进行数据裁剪与扩增，获得统一大小的文档图像；将文档图像输入步骤3中训练得到的D-LinkNet模型中，利用步骤3中训练得到的D-LinkNet模型去测试，然后将输出图像与原始图像一一对应；最后，对每次预测的概率值取均值，使用0.5作为预测阈值来产生二值化输出。