基于SDT-DCSCN的文本图像同时超分辨率与去模糊方法

深度卷积神经网络（Deep CNN）在单张图像超分辨率任务中取得了令人瞩目的性能表现。特别是，基于深度CNN跳跃连接与网络内网络（DCSCN）的架构已被成功应用于自然图像的超分辨率重建。本文提出一种名为SDT-DCSCN的新方法，该方法基于DCSCN架构，联合实现低分辨率模糊文本图像的超分辨率与去模糊处理。本方法以下采样后的模糊图像作为输入，以原始清晰图像作为真实标签（ground truth）。所采用的网络结构在输入CNN层中引入了更多卷积核（filters），以更有效地分析文本细节信息。在多个数据集上的定量与定性评估结果表明，所提出的模型在重建高分辨率、清晰文本图像方面表现出卓越性能。此外，在计算效率方面，本方法相较于当前最先进的技术也展现出具有竞争力的运行速度。