接一篇,联系人工智能讲师叶梓老师课程合作,可点击 个人主页
最后讲解下深度学习方法
以全卷积为基础的深度学习方法是一种二值化方法,具体读者可以阅读论文《Multi-Scale Fully Convolution NeuralNetwork》,该论文由 Chris Tensmeyer等人于2017年提出,该论文利用多尺度全卷积神经网络对文档图像进行二值化,并在 DIBCO和 PLM这两个数据集上取得了良好的效果。
本文指出,传统的全局阈值和局部阈值都忽略了像素点的排列,边缘检测和马尔科夫随机场算法对前景形状有很大的偏置,但 FCN能够通过训练数据学习和挖掘出像素点在空间上的联系,而不是依靠人工设置的局部形状的偏置。
其他办法
2016年, RupinderKaur等人提出了一种基于形态学和阈值的文档图像二值化方法,主要步骤如下:
RGB图象转换为灰度图象;
二、是图像滤波处理;
三、数学形态运算;
四、是阈值操作。
更多课程,及老师资料可点击 个人主页