[发明专利]基于文本超分辨的甲骨文识别

权利要求书

1.基于文本超分辨的甲骨文识别，其特征在于，所述的方法包括以下步骤：

S0：输入待测的甲骨文拓片图像；

S1：采用HR图像和LR图像对SRGAN网络进行训练；

S2：使用SRGAN技术对图像进行超分辨预处理，以提高甲骨文字图像分辨率，降低噪声；

S3：对预处理之后的甲骨文图像集合输入到训练好的端到端CRNN识别模型中。

2.根据权利要求1所述的基于文本超分辨的甲骨文识别，其特征在于，所述步骤S0的操作过程如下：

S00：在互联网上下载获取拓片甲骨文字的图像数据集；

S01：图像数据集的75％作为训练集，25％作为测试集供后续训练与验证。

3.根据权利要求1所述的基于文本超分辨的甲骨文识别，其特征在于，所述步骤S1的操作过程如下：

S10：SRGAN是一种用于图像超分辨率(SR)的生成对抗网络(GAN)，利用感知损失(perceptual loss)和对抗损失(adversarial loss)来提升恢复出的图片的真实感，能够在公共基准测试中从严重下采样的图像中恢复照片般逼真的纹理，从其低分辨率(LR)对应物估计高分辨率(HR)图像；

S11：将真实的高分辨率图像和虚假的高分辨率图像传入判别模型中，分别将判别结果与1和0做对比，利用对比得到的loss进行训练；

S12：将低分辨率图像传入生成模型，得到高分辨率图像，利用该高分辨率图像获得判别结果与1进行对比，将真实的高分辨率图像和虚假的高分辨率图像传入VGG网络，获得两个图像的特征并比较获得loss；S13：训练过程中，固定一方，更新另一方的网络权重，交替迭代，在这个过程中，形成竞争对抗，直到双方达到一个动态的平衡，公式如下：

其中，x表示真实的图像，z表示输入的G网络噪声，G(z)表示G网络生成的图像；D(x)表示真实输入的概率，D(G(z))表示D网络判断G生成的图像是否真实的概率。

4.根据权利要求1所述的基于文本超分辨的甲骨文识别，其特征在于，所述步骤S2的操作过程如下：

S20：输入甲骨文字图像数据集到训练好的SRGAN网络模型中；

S21：输入低分辨率图像经过一个卷积+RELU函数然后经过B个残差网络结构，每个残差网络内部包含两个卷积+标准化+RELU，还有一个残差边，用于特征提取；

S22：通过上采样，将长宽进行放大，两次上采样后，变为原来的4倍，实现提高分辨率。

5.根据权利要求1所述的基于文本超分辨的甲骨文识别，其特征在于，所述步骤S3的操作过程如下：

S30：将预处理后的OBC306拓片甲骨文字图像数据集按3:1比例分为训练集和测试集；

S31：用该数据集对CRNN识别模型进行训练；

S32：CRNN识别模型是CNN+RNN+CTC的结构，通过CNN将图片的特征提取出来后采用RNN对序列进行预测，最后通过一个CTC的翻译层得到最终结果，网络架构由三部分组成，包括卷积层，循环层和转录层，从底向上；

S33：通过CRNN网络提取特征向量序列，并最终得到待识别文字图像中的文字识别结果。