基于深度学习的历史文献图像超分辨率与文本结构化提取技术.docxVIP

下载本文档

1
0
约1.99万字
约 34页
2025-11-18 发布于天津
举报
版权申诉

基于深度学习的历史文献图像超分辨率与文本结构化提取技术.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

摘要

伴随信息化时代来临，历史文献数字化已成为文化遗产保护的关键研究方向，鉴于纸张老化、保存条件不佳等自然缘由，大量珍贵历史文献图像存在分辨率不达标、字迹模糊、结构混乱等问题，对文献的数字化存档以及后续研究利用造成显著影响。面对这一现状，本文提出了一种借助深度学习的历史文献图像超分辨率与文本结构化提取技术，采用卷积神经网络（即CNN）作为基础模型，把特征提取、非线性映射与重建模块联合起来，对低质量历史文献图像开展超分辨率的重建操作，切实增强了图像清晰度与细节还原水平。在文本结构化提取的阶段，本文凭借PaddleOCR框架，采用DB算法进行文本区域的检测，联结SVTR网络开展文本内容辨识，