空军工程大学学报

作者：习晨晨1,何昕1,孟雅蕾2,张凯兵2

单位：1.西安工程大学电子信息学院，西安，710048；2.西安工程大学计算机科学学院，西安，710048\

关键词：场景文本图像超分辨;文本语义;注意力机制;软边缘损失;梯度损失

基金：国家自然科学基金(61971339)

在自然场景文本图像超分辨中，针对先验信息利用不准确、不充分以及文本边缘恢复不完整的问题，提出了一种基于文本语义指导的自然场景文本图像超分辨方法。该网络结构由超分辨重建模块和文本语义感知模块组成。为进一步提高超分辨网络的表达能力，提出使用循环十字交叉注意力，捕获全局上下文信息，使得模型在训练的过程中更加关注文本区域，同时，提出软边缘损失、梯度损失对重建过程进行约束，生成具有锐利边缘的超分辨结果。采用公开的自然场景文本图像超分辨数据集TextZoom对提出模型的性能进行验证，与8种主流深度网络模型进行了对比,结果表明：该模型在3个不同识别器下的平均识别率相比TSRN分别提升了2.06%、1.80%和2.89%，在PSNR和SSIM指标上也具有一定的优势。

来源：2023年第6期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2023年第6期