文字图像合成方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例属于人工智能领域，涉及一种文字图像合成方法，包括获取原始文字图像，对原始文字图像进行图像处理，得到第一高频图像和第一低频图像，将第一高频图像进行降噪处理得到第二高频图像，并通过卷积神经网络模型优化第一低频图像得到第二低频图像，合成第二高频图像和第二低频图像，得到目标文字图像。本申请还提供一种文字图像合成装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，原始文字图像可存储于区块链中。本申请可以在显著提升文字图像分辨率的同时保证后续OCR系统识别的准确率。识别的准确率。识别的准确率。

【技术实现步骤摘要】
文字图像合成方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种文字图像合成方法、装置、计算机设备及存储介质。

技术介绍

[0002]如今，随着社会的不断发展，在人们的日常生活和工作中，需要将各种票据、报刊、书籍、文稿及其它印刷品上的信息输入至计算机中。
[0003]现在常用的是OCR技术(Optical Character Recognition，光学字符识别)，通过扫描等光学输入方式将上述文件的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。OCR技术包括图像处理技术、识别技术、文本理解技术与还原技术、表格/票据处理技术。
[0004]但是，当前常见的场景是借助手机等移动端获得图像，这些图像质量不一，时常会碰到图像分辨率较低的情况，这些较低质量图像人眼需要较为注意的情况下才可以分辨，但是这种图像对于现有的OCR模型而言会严重降低其识别准确率，因此针对这种较低分辨率图像的优化势在必行。
[0005]常见提升分辨率的技术主要有两种，一种是基于高频滤波的图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文字图像合成方法，其特征在于，包括下述步骤：获取原始文字图像，对所述原始文字图像进行图像处理，得到第一高频图像和第一低频图像；将所述第一高频图像进行降噪处理得到第二高频图像，并通过卷积神经网络模型优化所述第一低频图像得到第二低频图像；合成所述第二高频图像和所述第二低频图像，得到目标文字图像。2.根据权利要求1所述的文字图像合成方法，其特征在于，所述将所述第一高频图像进行降噪处理得到第二高频图像的步骤包括：步骤A，将所述第一高频图像分成N个第一图像块，以任一所述第一图像块作为目标区域，并以所述目标区域为中心，取一个搜索区域，将所述搜索区域划分为若干个与所述第一图像块大小相同的第二图像块；步骤B，基于所述第一高频图像获取引导图像，并将所述引导图像划分为多个与所述第一图像块大小相同的第三图像块；步骤C，分别获取所述目标区域的第一像素值、所述第二图像块的第二像素值以及所述第三图像块的第三像素值，根据所述第一像素值、所述第二像素值和所述第三像素值，计算出每个所述第二图像块与所述目标区域之间的权重；步骤D，根据所述第一像素值以及所述权重进行计算，得到经过降噪处理的所述目标区域的像素值；步骤E，重复执行步骤A至步骤D，遍历每个所述第一图像块，获得经过降噪处理的每个所述第一图像块，基于降噪处理后的每个所述第一图像块得到所述第二高频图像。3.根据权利要求2所述的文字图像合成方法，其特征在于，所述根据所述第一像素值、所述第二像素值和所述第三像素值，计算出每个所述第二图像块与所述目标区域之间的权重的步骤包括：根据所述第一像素值计算出所述目标区域的第一像素均值和像素方差；根据所述第二像素值计算出每个所述第二图像块的第二像素均值，并基于所述像素方差、所述第一像素均值、所述第二像素均值以及所述第三像素值计算出所述权重。4.根据权利要求1所述的文字图像合成方法，其特征在于，所述通过卷积神经网络模型优化所述第一低频图像得到第二低频图像的步骤包括：构建初始卷积神经网络模型和损失函数，基于所述损失函数训练所述初始卷积神经网络模型，得到训练好的卷积神经网络模型；将所述第一低频图像输入训练好的所述卷积神经网络模型中进行优化，得到所述第二...

【专利技术属性】
技术研发人员：陈昊，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：