基于偏移场学习的扭曲文档矫正
董前前
陈亮
王鑫鑫
西安工程大学计算机科学学院 西安 710048
摘要：扭曲文档图像矫正是通过矫正图像的形变以提高文字识别和信息提取准确率,从而促进文档智能化的重要方法.现有的扭曲文档矫正方法主要针对紧密裁剪的文档图像,而无法有效应对存在大环境边界的文档图像.为解决这一问题,提出一种先检测后矫正的扭曲文档矫正方法.首先,通过对Mask R-CNN的改进,引入了更高分辨率的ROI Align层和解码器层,并对Mask模块进行优化,以提高对模糊文档图像的检测准确性,再通过偏移场学习的方式,实现了对扭曲文档的精确矫正.实验结果表明,在Doc3DShade数据集上与其他优秀算法相比,SSIM指标上提升了3.2％,LD指标改善了0.7％,字符错误率下降了4.18％.充分验证了其优秀性能,为移动设备文档拍摄提供了一种高效、准确的文档矫正方案.
关键词：偏移场图像矫正Mask R-CNN移动设备
分类号：TN911.7(通信)
论文发表日期：2025-12-20
在线出版日期：2026-03-23（本平台首次上网日期，不代表文献的发表时间）
页数：5( 41-45 )
英文信息