[IEEE 2018年第24届国际模式识别大会(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别大会(ICPR) - 用于文档图像修复的跳跃连接深度卷积自编码器

摘要： 图像去噪与去模糊是文档图像处理任务中两项关键的复原工作。作为处理流程的预处理阶段，去噪和去模糊的质量会显著影响后续字符检测与识别等任务的效果。本文提出一种新颖的神经网络方法用于文档图像复原，我们将其命名为"跳跃连接深度卷积自编码器(SCDCA)"。该网络由多层卷积层构成，每层后接批量归一化层和泄漏修正线性单元(LeakyReLU)激活函数。受残差学习思想启发，我们在网络中采用两种跳跃连接：一种是卷积层间的恒等映射，另一种用于连接输入与输出。通过这些连接，网络学习的是噪声图像与清晰图像之间的残差而非普通变换函数。我们在一个开放且具有挑战性的文档图像数据集上对算法进行了实证评估，并采用光学字符识别(OCR)测试来检验复原效果。实验结果表明，与多种前沿方法相比，所提算法兼具有效性与高效性。