.png){kind=icon}
返回
Optical character recognition based document image quality assessment
.png){kind=icon}
OA
AI
DOI：10.3389/frsip.2026.1779355.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光学字符识别（OCR）系统在文档数字化中发挥着关键作用。然而，当处理低质量图像时，其性能会显著下降。即使是先进的OCR系统，如果输入图像在视觉或结构上较差，也会遇到困难。因此，实现高OCR准确率需要从字符可识别性的角度评估文档图像质量，而不仅仅是视觉清晰度。在本工作中，我们提出了一种文档图像质量评估（DIQA）模型，该模型在不实际运行OCR引擎的情况下预测OCR准确率。为了评估文档图像对OCR性能的影响，我们提取了12个不同的特征，这些特征捕捉了锐度、焦点、边缘清晰度和结构失真等方面的各种特征。我们不是依赖主观的人为评分，而是通过使用PaddleOCR和Keras OCR等现代引擎测量实际的OCR准确率来生成标签。这些准确率分数通过计算Levenshtein距离得出，并作为训练的基准标签。利用提取的特征和相应的基于OCR的标签，我们训练机器学习模型以学习图像特征与OCR性能之间的关系。提出的模型使用统计指标（如RMSE、PLCC和SROCC）进行评估，以确定最有效的预测器。我们的实验证明了使用OCR分数作为标签的重要性，结果表明，与现有的基准方法相比，我们的方法实现了性能提升。
Keyword:
document IQA
goal oriented image quality assessment
Keras OCR
optical character recognition
Paddle OCR
XGBoost regressor
期刊
F
IF:
2.6
论文数:
34
被引数:
0
机构
引用论文
A Novel Defocus-Blur Region Detection Approach Based on DCT Feature and PCNN Structure.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Perceptual quality prediction on authentically distorted images using a bag of features approach
OAAI
OAAI分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏分享收藏
查看更多内容