張鵬， 梁立

(云南師范大學(xué) 信息學(xué)院，云南 昆明 650500)

1 引 言

文本圖像是包含文本內(nèi)容的圖片文件，在批量獲取文本圖像(如檔案合同掃描圖像)的過程中可能會受到各種干擾，對于本文圖像來說最常見的干擾有相機抖動和運動偏移等運動類型的模糊.文本圖像模糊不僅會使圖像內(nèi)容在視覺上難以辨認，也會導(dǎo)致圖像文字檢測與識別的效果不好，將模糊文本圖像恢復(fù)為清晰圖像的過程稱為圖像復(fù)原技術(shù).

研究者們大多將去模糊算法的研究應(yīng)用于街道、風(fēng)景等場景圖像中[1]，而針對文本圖像還沒有較為理想的去模糊算法.使用領(lǐng)域內(nèi)的幾種常見算法對文本圖像進行去模糊實驗，結(jié)果表明生成對抗網(wǎng)絡(luò)DeblurGAN[2]算法對文本圖像去模糊處理速度和效果相對更好，因此使用DeblurGAN對文本圖像去模糊是更好的選擇.但是DeblurGAN算法對文本圖像的去模糊效果還不是特別理想，于是對其進行了三處改進并對其訓(xùn)練，將改進后的DeblurGAN算法應(yīng)用到文本圖像去模糊中，算法對文本圖像去模糊效果有明顯提升.

2 幾種去模糊算法比較

Whyte等人提出了一種抖動圖像的非均勻去模糊的模型[3]，他指出相機的轉(zhuǎn)動比平移更容易造成圖像的模糊，因此研究中主要考慮了相機轉(zhuǎn)動的影響.作者提出了一種新型的模糊過程模型，將該模型應(yīng)用于兩種不同的去模糊算法，其中包括抖動和部分飽和圖像的高效去模糊算法并顯示出優(yōu)異的處理不均勻模糊的能力.

Nah等人提出了一種用于動態(tài)場景去模糊的深度多尺度卷積神經(jīng)網(wǎng)絡(luò)[4].作者提出了多尺度學(xué)習(xí)CNN框架并提高了網(wǎng)絡(luò)收斂速度，使用端到端的神經(jīng)網(wǎng)絡(luò)優(yōu)化了模糊核的估計問題，解決了傳統(tǒng)CNN無法解決復(fù)雜模糊核以及核評估過程容易受到噪聲影響的問題.

Goodfellow率先提出生成對抗網(wǎng)絡(luò)(GAN)[5]的想法，在圖像生成、復(fù)原、超分辨率重建[6]等領(lǐng)域都得到了應(yīng)用.DeblurGAN[2]是烏克蘭學(xué)者Kupyn提出的一種基于GAN方法進行盲去運動模糊的方法，他受SRGAN與CGAN的啟發(fā)，將圖像去模糊看作一類特殊的image2image任務(wù).DeblurGAN基于WGAN和內(nèi)容損失對模型進行訓(xùn)練，在處理速度上和效果上均有不錯的表現(xiàn).DeblurGAN為全卷積模型，在圖像Patch上進行訓(xùn)練，因此可以應(yīng)用到任意大小的圖像中，在DθD上執(zhí)行了5次梯度下降，在GθG上執(zhí)行了1次，將生成器和判別器的學(xué)習(xí)速率設(shè)置成10-4，經(jīng)過150次迭代后將這個比率線性衰減，經(jīng)歷數(shù)天的計算，研究者成功完成DeblurGAN的訓(xùn)練.

幾種去模糊算法在街道場景去模糊實驗中都有較好表現(xiàn)，但是在文本圖像去模糊實驗中去模糊的效果差異較為明顯，如圖1.其中，DeblurGAN算法相比與其他算法不僅效果最好，而且處理更快.但是DeblurGAN去模糊效果還不夠理想，需對其進行改進.

圖1 幾種算法的文本圖像去模糊效果

3 改進DeblurGAN算法

圖像在成像、傳輸和儲存中會導(dǎo)致圖像質(zhì)量的下降，稱為圖像退化.成像階段造成圖像退化的情況大多是運動模糊、高斯模糊或散焦模糊等[7]，其中運動模糊也是文本圖像中最常見的退化類型之一.圖像模糊的過程可用模型表示為

IB=IS*k(M) +N；

其中，IB代表模糊的圖像，IS代表清晰的圖像，k(M)代表運動情況M確定的模糊核類型，N代表圖像的噪聲.

經(jīng)過眾多研究者經(jīng)歷數(shù)年的研究，將去模糊的問題分為兩大類：盲去模糊和非盲去模糊[8]，非盲去模糊指模糊核已知，盲去模糊指的是模糊核與原圖像都未知.

去模糊的目標是將未知模糊核的模糊圖像IB恢復(fù)成清晰圖像IS，DeblurGAN需要訓(xùn)練一個CNN GθG，還引入critic函數(shù)DθD，以對抗的方式訓(xùn)練兩個網(wǎng)絡(luò).對DeblurGAN算法的生成網(wǎng)絡(luò)進行三處改進以增加文本去模糊的適應(yīng)性.

第一處改進：將自適應(yīng)實例歸一化(AdaIN)層[9]代替實例歸一化層(Instance Norm).AdaIN輸入為內(nèi)容編碼(content input，x)和風(fēng)格編碼(style input，y)，對于每個通道，將x的通道級均值和標準差匹配到y(tǒng)的通道級均值和標準差上，即

AdaIN通過少量圖像就可以計算得到風(fēng)格遷移后的線性系數(shù)，使重建出來的圖像更接近真實圖像，且AdaIN是在特征圖層面上通過改變特征的數(shù)據(jù)分布來實現(xiàn)風(fēng)格遷移，計算開銷相對較小，也更易于實現(xiàn).

第二處改進：使用帶泄露修正線性單元(Leaky ReLU)代替原激活函數(shù)線性整流函數(shù)(ReLU)，Leaky ReLU對負值輸入有非常小的坡度，能減少靜默神經(jīng)元的出現(xiàn)，支持基于梯度的學(xué)習(xí)，減輕了ReLU的稀疏性，緩解了ReLU導(dǎo)致神經(jīng)元死亡的問題[10].而且Leaky ReLU適合生成類問題，ReLU適合二分類問題，因此在文本圖像去模糊領(lǐng)域使用Leaky ReLU會更好.

第三處改進：將損失函數(shù)表達為對抗損失和內(nèi)容損失兩部分的組合后，通過實驗篩選設(shè)置超參數(shù)λ為90在本研究中效果更好，其損失函數(shù)為

DeblurGAN生成網(wǎng)絡(luò)架構(gòu)與改進的DeblurGAN生成網(wǎng)絡(luò)架構(gòu)如圖2；可以看出，改進后的DeblurGAN依然包含兩個1/2間隔的卷積單元、9殘差塊和兩個反卷積單元，但每個殘差塊由卷積層、自適應(yīng)實例歸一化層(AdaIN)和帶泄露修正線性單元(Leaky ReLU)組成.

圖2 DeblurGAN與改進DeblurGAN生成網(wǎng)絡(luò)架構(gòu)

4 實驗及效果

由于缺乏模糊的文本圖像數(shù)據(jù)集，根據(jù)孫[11]提出的方法，將清晰圖像模擬符合其運動規(guī)律的運動情況從而估計出模糊核生成模糊圖像.本文圖像在掃描采集時環(huán)境較為穩(wěn)定，采集的重復(fù)性操作大多屬于常規(guī)性動作，因此根據(jù)圖像采集操作的運動情況進行運動模糊核估計，制作了包含9 000多對模糊文本圖像的數(shù)據(jù)集.

在DeblurGAN算法和改進的DeblurGAN算法上使用模糊文本圖像數(shù)據(jù)集進行訓(xùn)練，數(shù)據(jù)集為生成的模糊文本圖像數(shù)據(jù)集，訓(xùn)練環(huán)境為GeForce RTX 2080Ti GPU.選取少量測試數(shù)據(jù)對算法進行去模糊效果測試，實驗表明改進后的DeblurGAN算法在文本圖像去模糊中相較于DeblurGAN有明顯的提升(如圖3).

圖3 改進前后的DeblurGAN去模糊效果對比

PSNR指的是峰值信噪比，圖像的PSNR值越大說明圖像的失真程度越小.文本圖像細節(jié)較多，因此結(jié)合了圖像中的文字檢測算法對其去模糊效果進行評價，即圖像中檢測出文字的數(shù)量越多則去模糊效果越好.實驗表明改進后算法在PSNR指標上有小幅提升(表1)，圖像中的文字檢測數(shù)量增加(圖4)，圖像去模糊效果有明顯的提升，去模糊后的文本圖像基本達到視覺辨認與文字識別的要求.

表1 DeblurGAN與改進后的DeblurGAN去模糊圖像的PSNR指標

圖4 DeblurGAN與改進后的DeblurGAN文字檢測效果

5 結(jié)語

經(jīng)過對比，使用了一種多分量損失函數(shù)優(yōu)化的條件對抗網(wǎng)絡(luò)DeblurGAN用作文本圖像的去模糊研究.為增強模糊文本圖像去模糊效果，將DeblurGAN進行了三處改進，根據(jù)現(xiàn)有方法模擬圖像運動模糊核生成了模糊文本圖像數(shù)據(jù)集.使用模糊文本數(shù)據(jù)集對改進的DeblurGAN進行訓(xùn)練.在實驗中使用PSNR指標與文字檢測效果結(jié)合的方式，綜合評價算法對文本圖像去模糊的效果.結(jié)果表明，改進的DeblurGAN算法對文本圖像去模糊效果明顯提升，圖像中文字檢測的效果更好，文本圖像可用性明顯提升.