文本图像超分辨率重建方法及其相关设备技术

本申请实施例属于人工智能技术领域，应用于智慧医疗领域中，涉及一种文本图像超分辨率重建方法及其相关设备，将低分辨率图片输入场景文本识别模型中，获得文本位置和文本内容信息；基于文本位置信息和文本内容信息生成文本掩模，上采样文本掩膜，获得目标掩膜；将低分辨率图片和目标掩膜输入对抗网络中，获得判别结果，基于判别结果计算判别准确率；基于低分辨率图片和目标掩膜计算损失函数，直至损失函数收敛，且判别准确率低于准确率阈值，获得训练后的对抗网络；将接收的待转化低分辨率图片输入至训练后的对抗网络中，获得目标超分辨率图片。训练后的对抗网络可存储于区块链中。本申请实现保证对文本图像的超分辨率重建的质量。请实现保证对文本图像的超分辨率重建的质量。请实现保证对文本图像的超分辨率重建的质量。

【技术实现步骤摘要】
文本图像超分辨率重建方法及其相关设备


[0001]本申请涉及人工智能
，尤其涉及文本图像超分辨率重建方法及其相关设备。

技术介绍

[0002]超分辨率重建，是指对于给定的任意低分辨率图片，通过卷积神经网络产生对应的高分辨率图片，对于图片中的细节和纹理，尽可能的进行保留和恢复。超分辨率重建技术对于图像分类、分割、追踪以及去雾等相关领域的发展都起到良好的促进作用，在神经网络的发展中占有重要地位。
[0003]但是，文本图片与自然景物不同，文本内容拥有固定的形状和清晰的边缘，重建要求更高。对于普通图片而言，图中的大多数景物都是自然的，随意的，将低分辨率图片转化为高分辨率较为容易。对于场景中的文本，重建图片中如果出现扭曲、颜色突变或者文字边缘和其他景物融合，模糊不清，都会显著降低重建图片的质量。

技术实现思路

[0004]本申请实施例的目的在于提出一种文本图像超分辨率重建方法及其相关设备，实现保证对文本图像的超分辨率重建的质量。
[0005]为了解决上述技术问题，本申请实施例提供一种文本图像超分辨率重建方法，采用了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本图像超分辨率重建方法，其特征在于，包括下述步骤：接收低分辨率图片和对应的高分辨率图片，将所述低分辨率图片输入至预先训练的场景文本识别模型中，获得输出的文本位置信息和文本内容信息；基于所述文本位置信息和所述文本内容信息生成文本掩模，并对所述文本掩膜进行上采样，获得目标掩膜；将所述低分辨率图片和所述目标掩膜输入至预设的对抗网络的生成层中，获得输出的超分辨率图片；将所述超分辨率图片和所述高分辨率图片同时输入至所述对抗网络的判别层中，获得输出的判别结果，并基于所述判别结果计算判别准确率；基于所述低分辨率图片和所述目标掩膜计算所述对抗网络的损失函数，直至所述损失函数收敛，且所述判别准确率低于准确率阈值时，获得训练后的对抗网络；接收待转化低分辨率图片，将所述待转化低分辨率图片输入至训练后的对抗网络中，获得输出的目标超分辨率图片。2.根据权利要求1所述的文本图像超分辨率重建方法，其特征在于，所述基于所述文本位置信息和所述文本内容信息生成文本掩模的步骤包括：基于所述文本内容信息修正所述文本位置信息，获得目标文本位置信息；基于所述目标文本位置信息生成所述文本掩膜。3.根据权利要求1所述的文本图像超分辨率重建方法，其特征在于，所述基于所述低分辨率图片和所述目标掩膜计算所述对抗网络的损失函数的步骤包括：基于所述低分辨率图片计算所述对抗网络的内容损失函数，所述内容损失函数的特征为：其中，为所述内容损失函数，为所述高分辨率图片在(x，y)位置的像素点的值，G
θG
(I
LR
)
x，y
为所述超分辨率图片在(x，y)位置的像素点的值，rW和rH分别为所述超分辨率图片的宽和长，r2WH为所述超分辨率图片的像素点的总数量。4.根据权利要求1所述的文本图像超分辨率重建方法，其特征在于，所述基于所述低分辨率图片和所述目标掩膜计算所述对抗网络的损失函数的步骤包括：基于所述低分辨率图片计算所述对抗网络的对抗损失函数，所述对抗损失函数的特征为：其中，为所述对抗损失函数，G
θG
(I
LR
)为所述超分辨率图片，D
θD
为所述判别层，M为所述超分辨率图片的总数量，m表示所述超分辨率图片的个数。5.根据权利要求1所述的文本图像超分辨率重建方法，其特征在于，所述基于所述低分辨率图片和所述目标掩膜计算所述对抗网络的损失函数的步骤包括：基于所述低分辨...

【专利技术属性】
技术研发人员：郑喜民，翟尤，舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：