ShabbyPages: A Reproducible Document Denoising and Binarization Dataset
Sparkfish LLC（Sparkfish有限责任公司）；Vanderbilt University（范德堡大学）
文档去噪和二值化是文档处理领域的基本问题，但当前的数据集通常太小，缺乏足够的复杂性，无法有效地训练和基准测试现代数据驱动的机器学习模型。为了填补这一空白，我们引入了ShabbyPages，这是一个新的文档图像数据集，旨在训练和基准测试文档去噪器和二进制化器。ShabbyPages包含超过6，000个干净的“天生数字”图像，其中包含使用Augraphy文档增强工具增强的合成噪声对应物（“破旧页面”），看起来就像它们已经打印和传真，复印或通过物理过程进行更改。在本文中，我们讨论了ShabbyPages的创建过程，并通过训练卷积去噪器来展示ShabbyPages的实用性，卷积去噪器以高度的人类可感知保真度去除真实噪声特征，为新的ShabbyPages基准建立基线性能。
2023-03-17 cs.CV
BiNet: Degraded-Manuscript Binarization in Diverse Document Textures and Layouts using Deep Encoder-Decoder Networks
University of Groningen（格罗宁根大学）
本文提出BiNet，一种基于深度编码器-解码器网络的二值化方法，适用于多样化的文档纹理和布局，尤其适用于退化手稿的二值化任务。
2019-11-13 cs.CV
LS-HDIB: A Large Scale Handwritten Document Image Binarization Dataset
Indian Institute of Technology Gandhinagar（印度理工学院甘地讷格尔分校）
手写文档图像二值化是具有挑战性的，这是由于书写内容的高度可变性和复杂的背景属性，例如页面样式、纸张质量、污渍、阴影梯度和非均匀照明。虽然传统的阈值方法不能有效地推广到这种具有挑战性的现实世界场景，但基于深度学习的方法在提供足够的训练数据时表现相对较好。然而，现有的数据集在规模和多样性方面受到限制。这项工作提出了LS-HDIB-一个大规模的手写文档图像二值化数据集，包含超过一百万个文档图像，跨越许多现实世界的场景。此外，我们还介绍了一种新的技术，该技术使用自适应阈值和无缝克隆方法的组合来创建具有准确地面实况的数据集。通过对八种不同的基于深度学习的模型进行广泛的定量和定性评估，我们证明了这些模型在LS-HDIB数据集上训练并在看不见的图像上测试时的性能增强。
2021-11-03 cs.CV
DeepOtsu: Document Enhancement and Binarization using Iterative Deep Learning
Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence（伯努利数学、计算机科学与人工智能研究所）；University of Groningen（格罗宁根大学）
本文提出了一种新的迭代深度学习框架，并将其应用于文档增强和二值化。与传统的预测输入图像上每个像素的二进制标签的方法不同，我们训练神经网络来学习文档图像中的退化，并产生退化的输入图像的均匀图像，这允许网络迭代地细化输出。本文研究了两种不同的迭代法：递归精化（RR）和堆叠精化（SR），前者在每次迭代中使用相同的训练神经网络进行文档增强，后者使用一堆不同的神经网络进行迭代输出精化。给定学习的均匀增强图像，通过全局或局部阈值可以容易地获得二值化图。几个公共基准数据集上的实验结果表明，我们提出的方法提供了一个新的清洁版本的退化图像，这是适合于可视化和有前途的结果，使用全局大津阈值的基础上，通过神经网络迭代学习的增强图像的二值化。
2019-01-18 cs.CV
ERN-Net : Evolving Reason Node-Net for Document Binarization
Dept. of Electrical Engineering Tamkang University（电子工程系 台湾科技大学）
提出ERN-Net，通过演化推理节点和多尺度推理增强退化敏感区域，结合ConvNeXt-Tiny骨干网络和DIBCO预训练，在低数据低内存下实现高效文档二值化。
2026-06-11 cs.CV
Automatic Document Image Binarization using Bayesian Optimization
Uppsala University（乌普萨拉大学）
由于各种形式的退化，文档图像二值化通常是一项具有挑战性的任务。尽管文献中存在几种二值化技术，但二值化图像通常对所采用技术的控制参数设置敏感。本文提出了一种自动文档图像二值化算法，用于从严重退化的文档图像中分割文本。所提出的技术使用两个带通滤波方法去除背景噪声，和贝叶斯优化自动超参数选择的最佳结果。在文档图像二值化竞赛（DIBCO）和手写文档图像二值化竞赛（H-DIBCO）数据集上实证了所提出的二值化技术的有效性。
2017-10-21 cs.CV cs.IR
An Analytical Study of different Document Image Binarization Methods
MCKV Institute of Engineering（MCKV工程学院）
文档图像由于其在文本识别、线条识别或任何其他形状识别领域的潜在应用而成为几十年来的研究领域。对于大多数这些目的的二进制化的图像成为强制性的，就识别而言。几十年来，已经为此目的开发了标准算法。这些算法中的一些也适用于退化图像。这项工作背后的目标是研究现有的技术，比较它们的优点和缺点，并修改其中一些算法，以优化时间或性能。
2015-01-30 cs.CV
SauvolaNet: Learning Adaptive Sauvola Network for Degraded Document Binarization
University of Macau（澳门大学）；Amazon Alexa Natural Understanding（亚马逊 Alexa 自然语言理解部门）
受经典Sauvola局部图像阈值化方法的启发，本文从深度神经网络（DNN）的角度对其进行了系统的研究，并提出了一种新的用于降质文档二值化（DDB）的SauvolaNet解决方案。它由三个可解释的模块组成，即多窗口Sauvola（MWS），像素窗口注意力（PWA）和自适应Sauolva阈值（AST）。MWS模块真实地反映了经典的Sauvola，但具有可训练的参数和多窗口设置。PWA模块估计每个像素位置的优选窗口大小。AST模块进一步合并来自MWS和PWA的输出，并预测每个像素位置的最终自适应阈值。因此，SauvolaNet变得端到端可训练，并将所需的网络参数数量显著减少到40 K-仅为MobileNetV 2的1%。与此同时，它实现了DDB任务的最先进（SoTA）性能- SauvolaNet至少与SoTA二进制化解决方案相当，如果不是更好的话，在我们对13个公共文档二进制化数据集的广泛研究中。我们的源代码可以在https://github.com/Leedeng/SauvolaNet上找到。
2021-05-12 cs.CV
Unsupervised Neural Domain Adaptation for Document Image Binarization
University of Alicante（阿利坎特大学）
二值化是一种众所周知的图像处理任务，其目的是将图像的前景与背景分离。其中一个有用的任务是预处理文档图像，以识别相关信息，如文本或符号。文档类型、字母和格式的多样性使得二值化具有挑战性。有多种方案可以解决这个问题，从经典的手动调整方法到最近的基于机器学习的方法。后一种技术需要大量的训练数据以获得良好的结果;然而，标记每个现有文档集合的一部分在实践中是不可行的。这是监督学习中的常见问题，可以通过使用所谓的领域自适应（DA）技术来解决。这些技术利用在一个领域中学习到的知识，将其应用于没有标记数据的其他领域。本文提出了一种结合神经网络和DA的方法来实现无监督的文本二值化。然而，当源域和目标域非常相似时，这种适应可能是有害的。因此，我们的方法，首先测量域之间的相似性，以创新的方式，以确定是否适合应用的适应过程。在实验中报告的结果，当评估多达20个可能的组合之间的五个不同的域，表明我们的建议成功地处理二进制化的新文档域，而不需要标记的数据。
2021-07-01 cs.CV
UDBNET: Unsupervised Document Binarization Network via Adversarial Game
Indian Statistical Institute（印度统计研究所）；Indian Institute of Technology Roorkee（印度理工学院鲁尔基分校）；Techno Main Salt Lake（盐湖科技主校区）；Institute of Engineering and Management（工程与管理学院）
退化文档图像二值化是文档图像分析领域中最具挑战性的任务之一。在本文中，我们提出了一种新的方法对文档图像二值化，通过引入三人最小最大对抗游戏。我们通过假设我们没有任何配对的训练数据来在无监督设置中训练网络。在我们的方法中，对抗性纹理增强网络（ATANet）首先将退化参考图像的纹理叠加在干净图像上。随后，干净的图像及其生成的退化版本构成伪配对数据，该伪配对数据用于训练无监督文档二值化网络（UDBNet）。按照这种方法，我们已经扩大了文档二值化数据集，因为它生成具有相同内容特征但不同文本特征的多个图像。这些生成的噪声图像然后被馈送到UDBNet以获得干净的版本。作为我们的三人最小-最大对抗游戏的第三个玩家的联合代理试图将ATANet和UDBNet耦合起来。当ATANet和UDBNet建模的分布随着时间的推移与相同的联合分布对齐时，三人最小-最大对抗游戏停止。因此，联合增强了UDBNet在真实退化图像上的表现。在广泛使用的DIBCO数据集上的实验结果表明，该模型的性能优于现有的最先进的算法。所提出的系统的源代码可在https://github.com/VIROBO-15/UDBNET上公开获得。
2020-10-27 cs.CV
A maximal-information color to gray conversion method for document images: Toward an optimal grayscale representation for document image binarization
为了提高文档二值化方法的性能，提出了一种将彩色/多光谱图像转换为灰度图像的新方法。该方法使用输入文档图像的像素数据在颜色空间中的分布来找到一种变换，称为对偶变换，其平衡所有颜色通道上的信息量。此外，为了减少灰度输出上的强度变化，应用色彩减少预处理步骤。然后，基于文本区域的均匀性准则，选择一个通道作为文档图像的灰度值表示。以这种方式，所提出的方法可以提供亮度无关的对比度增强。该方法的性能进行了评估，对各种图像从两个数据库，ICDAR'03鲁棒阅读，KAIST和DIBCO'09数据集，主观和客观的有希望的结果。来自ICDAR'03 Robust Reading数据集的图像的地面实况图像由作者手动创建。
2013-06-26 cs.CV
GDB: Gated convolutions-based Document Binarization
Beijing University of Posts and Telecommunications（北京邮电大学）
文档二值化是许多文档分析任务的关键预处理步骤。然而，现有的方法不能很好地提取笔划边缘，主要是由于香草卷积的公平处理性质和提取笔划边缘没有足够的监督边界相关的信息。在本文中，我们制定了文本提取的门值的学习，并提出了一个端到端的门卷积为基础的网络（GDB），以解决不精确的笔划边缘提取的问题。采用门控卷积有选择地提取不同注意力的笔画特征。我们提出的框架包括两个阶段。首先训练一个带有额外边缘分支的粗子网络，通过输入先验模板和边缘来获得更精确的特征图。然后，级联一个细化子网络，根据边缘的尖锐性对第一级的输出进行门卷积细化。对于全局信息，GDB还包含一个多尺度操作来组合局部和全局特征。我们对2009年至2019年的十个文档图像二值化竞赛（DIBCO）数据集进行了综合实验。实验结果表明，我们提出的方法优于国家的最先进的方法，在所有指标的平均水平，并实现在六个基准数据集上的最高排名。
2023-02-04 cs.CV
DKDS: A Benchmark Dataset of Degraded Kuzushiji Documents with Seals for Detection and Binarization
本文提出DKDS数据集，用于解决退化古文文档中印鉴的检测与二值化问题，提供YOLO和GAN等方法的基线结果。
2026-05-08 cs.CV
Confidence Score for Unsupervised Foreground Background Separation of Document Images
Microsoft（微软）
前景-背景分离是文档图像分析中的一个重要问题。流行的无监督二值化方法（如Sauvola算法）采用自适应阈值来将像素分类为前景或背景。在这项工作中，我们提出了一种新的方法来计算置信度得分的分类算法。该分数提供了预测置信水平的洞察。所提出的方法的计算复杂性与底层二值化算法相同。我们的实验说明了效用的建议分数在各种应用程序，如文档二值化，文档图像清理，纹理添加。
2022-04-03 cs.CV
DocBinFormer: A Two-Level Transformer Network for Effective Document Image Binarization
Optiks Innovations Pvt. Ltd（奥普蒂克斯创新私人有限公司）；Alipurduar Government Engineering and Management College（阿里布尔杜阿尔政府工程与管理学院）；Chongqing College of Mobile Communication（重庆移通学院）；Indian Statistical Institute（印度统计研究所）；Nanyang Technological University（南洋理工大学）
本文提出 DocBinFormer，一种无卷积的两级视觉 Transformer，通过全局与局部块编码及解码实现文档图像二值化，并在 DIBCO/H-DIBCO 的四项指标上超越现有方法。
2023-12-06 cs.CV
Efficient Generative Adversarial Networks for Color Document Image Enhancement and Binarization Using Multi-scale Feature Extraction
Graduate Institute of Networking and Multimedia, National Taiwan University（国立台湾大学网络与多媒体研究所）；School of Information Technolog, Monash University Malaysia（莫纳什大学马来西亚分校信息科技学院）；Department of Electrical and Computer Engineering, Tamkang University（Tamkang大学电子与计算机工程系）
本文提出基于多尺度特征提取的高效生成对抗网络方法，用于彩色文档图像增强与二值化，显著减少训练和推理时间并保持高性能。
2025-12-01 cs.CV
Unsupervised ensemble of experts (EoE) framework for automatic binarization of document images
近年来，已经开发了大量的二值化方法，针对不同的基准具有不同的性能泛化和强度。在这项工作中，利用这些方法，一个集成的专家（EoE）框架，有效地结合各种方法的输出。建议的框架提供了一个新的选择过程的二值化方法，这实际上是在合奏的专家，通过引入三个概念：信心，认可和学校的专家。这一框架是高度客观的，建立在两个一般原则基础上：㈠综合饱和意见和㈡确定专家学派。在基于专家的置信度为输入文档图像构建集成的赞同图之后，饱和的意见被合并，然后通过对合并的赞同图进行阈值化来识别专家的学校。一个变化的框架，其中没有选择，还介绍了结合所有专家的输出，使用背书相关的权重。EoE框架进行评估的一组参与的方法在H-DIBCO'12比赛，也从各种情况下产生的集成基于网格的Sauvola方法具有良好的性能。
2013-05-29 cs.CV
DeepMine-Mamba: Mitigating Information Dilution in Mamba-Based State Space Models for Document Image Binarization
Department of Electrical and Computer Engineering, Tamkang University（淡江大学电机与计算机工程系）
提出DeepMine-Mamba框架，通过抗稀释门控机制选择性恢复笔画敏感局部响应，抑制无关背景增强，解决Mamba状态空间模型在文档二值化中弱前景线索被稀释的问题。
2026-10-28 cs.CV
A selectional auto-encoder approach for document image binarization
McGill University（麦吉尔大学）；Universitat Politècnica de València（瓦伦西亚理工大学）；University of Alicante（阿利坎特大学）
二值化是文档图像自动信息检索的关键。此过程通常在文档分析系统的第一阶段执行，并作为后续步骤的基础。因此，它必须是鲁棒的，以便允许完整的分析工作流程是成功的。到目前为止，已经提出了几种用于文档图像二值化的方法，其中大多数是基于手工制作的图像处理策略。最近，卷积神经网络在与计算机视觉相关的许多不同任务中表现出惊人的性能。在本文中，我们讨论了卷积自动编码器的使用，它致力于学习从输入图像到其选择性输出的端到端映射，其中激活指示像素是前景或背景的可能性。因此，一旦经过训练，文档就可以通过模型解析并应用阈值来进行二进制化。这种方法已被证明优于现有的二值化策略在一些文档域。
2018-09-06 cs.CV cs.DL
MFE-GAN: Efficient GAN-based Framework for Document Image Enhancement and Binarization with Multi-scale Feature Extraction
Graduate School of Informatics, Kyoto University（京都大学信息科学研究生院）；School of Information Technology, Monash University Malaysia（墨尔本大学马来西亚分校信息科技学院）；Department of Electrical and Computer Engineering, Rice University（Rice大学电气与计算机工程系）；Department of Electrical and Computer Engineering, Tamkang University（Tamkang大学电气与计算机工程系）
MFE-GAN通过多尺度特征提取和改进的GAN架构，高效提升文档图像增强与二值化性能，减少训练和推断时间。
2025-12-16 cs.CV
Two-stage generative adversarial networks for document image binarization with color noise and background removal
Korea Institute of Science and Technology Europe Forschungsgesellschaft mbH（韩国科学技术研究院欧洲研究所）；TU Kaiserslautern（凯泽斯劳滕工业大学）；Kyung Hee University（庆熙大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
文档图像增强和二值化方法常用于提高文本识别等文档图像分析任务的准确性和效率。传统的非机器学习方法是以无监督的方式在低级别特征上构建的，但在背景严重退化的文档上难以进行二值化。基于卷积神经网络的方法仅关注灰度图像和局部文本特征。在本文中，我们提出了一个两阶段的彩色文档图像增强和二值化方法，使用生成对抗神经网络。在第一阶段，四个颜色无关的对抗网络进行训练，从输入图像中提取彩色前景信息的文档图像增强。在第二阶段，训练具有全局和局部特征的两个独立的对抗网络，用于可变大小文档的图像二值化。对于对抗性神经网络，我们制定了损失函数之间的编码器和解码器结构的生成器。实验结果表明，该方法在文档图像二值化竞赛（DIBCO）数据集、LRDE文档二值化数据集（LRDE DBD）和我们的运输标签图像数据集上取得了比许多经典和最先进算法更好的性能。我们计划在github.com/opensuh/DocumentBinarization/上发布运输标签数据集和实现代码。
2021-04-27 cs.AI cs.CV cs.LG
CCDWT-GAN: Generative Adversarial Networks Based on Color Channel Using Discrete Wavelet Transform for Document Image Binarization
Tamkang University（淡江大学）；National Taiwan University（国立台湾大学）
针对彩色退化文档图像的文本提取难题，提出结合离散小波变换与分色彩通道训练的CCDWT-GAN，经多数据集验证性能达前沿水平。
2023-08-24 cs.CV
Partial differential equation system for binarization of degraded document images
College of Mathematics and Statistics, Chongqing University（重庆大学数学与统计学院）
本文提出一种受DH模型启发的弱耦合偏微分方程系统，通过分别估计背景与前景分量并结合硬投影，实现对退化文本图像的高质量二值化，实验验证了其显著优势。
2025-03-11 cs.CV math.DS
Assessing the impact of Binarization for Writer Identification in Greek Papyrus
TU Wien（维也纳技术大学）；HEIA-FR（HEIA-FR研究院）
本研究评估了传统与深度学习二值化方法对希腊纸莎草纸书写者识别的影响，发现数据增强对DL方法至关重要，且二值化效果与识别性能强相关。
2025-06-18 cs.CV
DR-Mamba: Automatic Inference-Time Domain Adaptation for Document Image Binarization via Sample-Conditioned Detail-Background Suppression
Department of Electrical and Computer Engineering, Tamkang University（淡江大学电机与计算机工程系）
提出DR-Mamba框架，通过输入依赖门控在单次前向传播中实现文档图像二值化的推理时域自适应，无需目标域标签或微调，利用快慢路径建模和减法门显式抑制背景干扰，在DIBCO基准上显著提升跨域鲁棒性。
2026-06-23 cs.CV
Persian Heritage Image Binarization Competition (PHIBC 2012)
Synchromedia Laboratory for Multimedia Communication in Telepresence（远程呈现多媒体通信同步媒体实验室）；École de technologie supérieure（高等技术学院）
第一次波斯历史文献和手稿二值化竞赛（PHIBC 2012）与第一次伊朗模式识别和图像分析会议（PRIA 2013）一起举办。PHIBC 2012的主要目标是评估二值化方法在波斯遗产图像上的应用性能。本文提供了一份报告的方法和性能的三个提交的算法的基础上的评价措施已被使用。
2016-04-21 cs.CV
Learning Surrogate Models of Document Image Quality Metrics for Automated Document Image Processing
Uppsala University（乌普萨拉大学）
文档图像质量度量的计算通常取决于对应于文档的地面实况图像的可用性。这限制了质量度量在应用中的适用性，所述应用例如是对看不见的文档进行实时操作的图像处理算法的超参数优化。这项工作提出了使用代理模型来学习现有数据集上的给定文档质量度量的行为，其中地面实况图像可用。经训练的代理模型稍后可用于预测先前未见过的文档图像上的度量值，而无需访问地面实况图像。代理模型在文档图像二值化竞赛（DIBCO）和手写文档图像二值化竞赛（H-DIBCO）数据集上进行经验评估。
2017-12-11 cs.CV
Document Image Binarization in JPEG Compressed Domain using Dual Discriminator Generative Adversarial Networks
IIIT Allahabad（印度阿拉哈巴德信息技术学院）；Vignan University（维格南大学）
图像二值化技术被广泛用于增强噪声和/或退化图像，以满足不同的文档图像分析（DIA）应用，如单词识别，文档检索和OCR。大多数现有技术集中于将像素图像馈送到卷积神经网络中以完成文档二值化，这在处理需要在没有完全解压缩的情况下处理的压缩图像时可能不会产生有效的结果。因此，本文提出了利用双鉴别器生成对抗网络（DD-GANs）直接对JPEG压缩文档图像流进行二值化的思想。在这里，两个网络-全局和局部工作在不同的图像比率上，并使用焦点损失作为发生器损失。所提出的模型已经用不同版本的DIBCO数据集进行了彻底的测试，这些数据集具有诸如孔、擦除或污迹墨水、灰尘和错位纤维等挑战。该模型在时间和空间复杂度方面都具有很强的鲁棒性和高效性，在JPEG压缩域中也具有最先进的性能。
2022-09-13 cs.AI cs.CV cs.LG
Arabic Handwritten Document OCR Solution with Binarization and Adaptive Scale Fusion Detection
Egypt-Japan University of Science & Technology（埃及-日本科学技术大学）；Benha University（本哈大学）
提出融合可微二值化、自适应尺度融合行检测与 CNN-BiLSTM-CTC 识别的阿拉伯文手写 OCR 流程，在 AMFDS 上取得高识别率并建立新基准。
2024-12-02 cs.CV
A New Local Adaptive Thresholding Technique in Binarization
Assam University（阿萨姆大学）；Manipur University（曼尼普尔大学）
图像二值化是将像素值分成两组的过程，白色作为背景，黑色作为前景。在图像二值化过程中，采样是一个重要环节。阈值处理可以分为全局阈值处理和局部阈值处理。在背景和前景对比度分布均匀的图像中，如文档图像，全局阈值更合适。在退化的文档图像中，存在相当大的背景噪声或对比度和照明的变化，存在许多不能容易地分类为前景或背景的像素。在这种情况下，二值化与局部阈值是更合适的。本文提出了一种利用局部均值和均值偏差去除背景的局部自适应阈值方法。通常，局部平均计算时间取决于窗口大小。我们的技术使用积分和图像作为先验处理来计算局部均值。它不像其他局部自适应技术那样涉及标准偏差的计算。与其他局部阈值技术相比，这一点以及平均值的计算与窗口大小无关的事实加快了处理速度。
2012-01-25 cs.CV
Three-stage binarization of color document images based on discrete wavelet transform and generative adversarial networks
Graduate Institute of Networking and Multimedia, National Taiwan University（国立台湾大学网络与多媒体研究所）；Department of Electrical and Computer Engineering, Tamkang University（潭府大学电子工程系）；Department of Electrical and Computer Engineering, Rice University（里德大学电子工程系）
本文提出基于离散小波变换和生成对抗网络的三阶段方法，用于退化彩色文档图像的高效二值化处理，通过多阶段网络提升文本信息提取效果。
2024-09-28 cs.CV
A New Approach of Gray Images Binarization with Threshold Methods
POLITEHNICA UNIVERSITY OF BUCHAREST（布加勒斯特理工大学）
本文介绍了人工视觉系统中灰度图像二值化方法的几个方面。提出了一种适用于工业自动化领域的人工视觉系统的灰度图像二值化新方法。本文首先指出了全局最优阈值法在灰度图像二值化中的局限性。本文的第二部分介绍了动态最佳阈值法在灰度图像二值化中的应用。从经典的全局和动态最优阈值分割方法出发，介绍了时间直方图和时间阈值分割的概念。在最后一节中提出了一些实用的方面的时间阈值方法在人工视觉应用中的移动场景中的机器人自动化类，指出采集频率的方法的结果的影响。
2015-12-11 cs.CV
Computationally Efficient Implementation of Convolution-based Locally Adaptive Binarization Techniques
Jadavpur University（贾达布尔大学）
二值化是文档图像处理的重要步骤之一。局部自适应二值化技术的计算要求使得它们不适合具有有限计算设施的设备。在本文中，我们提出了一个计算效率的实现卷积为基础的局部自适应二值化技术保持性能与原来的实现。计算复杂性已从O（W2N2）降低到O（WN2），其中WxW是窗口大小，NxN是图像大小。在基准数据集上的实验表明，计算时间已减少了5至15倍，这取决于窗口大小，而内存消耗保持不变，相对于最先进的算法实现。
2012-10-11 cs.CV
Robust Regression For Image Binarization Under Heavy Noises and Nonuniform Background
Florida State University（佛罗里达州立大学）
本文提出了一种在背景变化和观测噪声较大的情况下对图像进行二值化的鲁棒回归方法。这项工作的动机是需要在嘈杂的显微图像或退化的文档图像，其中显着的背景变化和严重的噪声使图像二值化具有挑战性的识别前景区域。该方法首先估计输入图像的背景，从输入图像中减去估计的背景，并将全局阈值化应用于减法结果，以实现前景的二值图像。提出了一种鲁棒的回归方法来估计背景强度表面，使前景强度和噪声的影响最小，并提出了一种全局阈值选择的基础上，在稀疏回归模型选择标准。使用26幅测试图像和相应的地面实况对所提出的方法进行了验证，并将所提出的工作的结果与现有的9种图像二值化方法的结果进行了比较。该方法还结合了三个国家的最先进的形态分割方法，以显示所提出的方法可以提高他们的图像分割结果。
2017-07-06 cs.CV
A Multiple-Expert Binarization Framework for Multispectral Images
ETS (University of Quebec)（ETS（魁北克大学））；Synchromedia Lab（同步媒体实验室）；CIRROD
在这项工作中，提出了一个多专家的多光谱图像二值化框架。该框架是基于一个受约束的子空间选择限制的光谱带结合国家的最先进的灰度二值化方法。该框架使用二值化包装器来增强灰度二值化的性能。非线性预处理的各个光谱带被用来增强文本信息。进化优化被认为是获得最佳的和一些次优的3波段子空间，然后形成一个合奏的专家。该框架应用于地面实况多光谱数据集，取得了良好的效果。此外，开发了交叉验证方法的泛化，不仅评估了框架的泛化能力，还提供了所选专家的实际实例，尽管给定的地面实况数据集很小，但这些专家可以应用于看不见的输入。
2015-08-26 cs.CV
A Method of Fluorescent Fibers Detection on Identity Documents under Ultraviolet Light
Institute for information transmission problems (Kharkevich Institute) RAS（俄罗斯科学院信息传输问题研究所（哈尔凯维奇研究所））；Federal Research Center “Computer Science and Control” RAS（俄罗斯科学院计算机科学与控制联邦研究中心）；Smart Engines Service LLC（Smart Engines服务有限责任公司）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）；National University of Science and Technology “MISIS”（国立科技大学“MISIS”）
在这项工作中，我们考虑的问题，荧光安全纤维检测的身份证件在紫外光下捕获的图像。作为一个例子，我们使用的俄罗斯护照的第二和第三页的图像，并显示功能，使已知的方法和方法的基础上图像二值化不适用。本文提出了一种基于灰度图像中的脊检测的解决方案。该算法进行了测试，包括真实和模型护照的私人数据集。放弃二值化允许在目标数据集上提供所提出的检测器的可靠和稳定的功能。
2019-12-04 cs.CV
A novel scheme for binarization of vehicle images using hierarchical histogram equalization technique
MCKV Institute of Engineering（MCKV工程学院）；Jadavpur University（贾达普大学）
车牌自动识别系统是一个极具挑战性的研究领域，而二值化是车牌自动识别系统中不可或缺的重要组成部分，在现实生活中，现有的二值化方法大多无法对CCD摄像机拍摄的拥挤道路上的车辆图像进行正确的二值化。在目前的工作中，我们已经应用直方图均衡技术在完整的图像，也在不同层次的图像分割。提出了一种新的直方图均衡化算法，该算法为每个直方图均衡化层次的每个像素提供隶属度值。然后根据每个像素的净隶属度值对图像进行二值化。在车辆图像数据集和车牌数据集上对该方法进行了详尽的评估，给出了令人满意的性能。
2015-01-22 cs.CV
Memory-efficient and fast implementation of local adaptive binarization methods
Sun Yat-Sen University（中山大学）
二值化被广泛地用作图像预处理步骤，以在识别之前将目标尤其是文本从背景中分离出来。对于有噪声的图像与不均匀的照明，如退化的文件，阈值需要计算像素的像素，以获得良好的分割。由于局部阈值通常取决于基于矩的统计，如矩形窗口内的灰度级的均值和方差，因此通常使用消耗内存的积分图像来加速计算。观察到基于矩的统计量以及滑动窗口中的分位数可以递归计算，积分图像可以在不忽略速度的情况下避免，更多的二值化方法也可以加速。具体地，给定$H\times W$输入图像，Sauvola的方法等可以在$Θ(HW)$时间内运行，而与窗口大小无关，同时仅需要大约$6\min\{H,W\}$字节的辅助空间，这显著低于由两个整数图像占用的$16HW$字节。由于所提出的技术使各种众所周知的局部自适应二值化方法能够在资源有限的设备上实时应用，因此具有广泛应用的潜力。
2019-07-31 cs.CV
Enhancement of Image Resolution by Binarization
图像分割是图像处理的主要方法之一。为每种情况选择最合适的二值化算法被证明是一个非常有趣的过程。本文对基于二值化算法的各种算法进行了比较研究，并提出了一种验证二值化算法的方法。在这项工作中，我们开发了两种新的算法来确定阈值的灰度图像的像素值。该算法的性能估计利用测试图像，文本和合成图像的二值化的评价指标。采用最佳阈值技术的二值化方法，获得了较好的图像分辨率。
2011-11-21 cs.CV cs.MM
BinaryDemoire: Moiré-Aware Binarization for Image Demoiréing
Shanghai Jiao Tong University（上海交通大学）；Tsinghua University（清华大学）
BinaryDemoire通过引入摩尔感知二值门和洗牌分组残差适配器，实现高效去摩尔纹，优于现有二值化方法。
2026-02-03 cs.CV
Hardware design for binarization and thinning of fingerprint images
The University of Alabama, Huntsville（阿拉巴马大学亨茨维尔分校）；Isfahan University of Technology（伊斯法罕理工大学）
指纹识别的两个关键步骤是图像的二值化和细化。实时的处理的需要促使我们选择局部自适应阈值方法的二值化步骤。为此，我们介绍了一种新的硬件基于流水线架构。我们提出了一个公式来选择一个最佳的块大小阈值的目的。为了减少细节点误检，对二值化后的图像进行了膨胀。本文还提出了一种新的流水线结构来实现细化算法
2017-10-12 cs.AR cs.CV
Neuromorphic Synergy for Video Binarization
The University of Hong Kong（香港大学）；Centre for Transformative Garment Production（变革性服装生产中心）；Wuhan University（武汉大学）；Beihang University（北京航空航天大学）；City University of Hong Kong（香港城市大学）；Texas A&M University（德克萨斯农工大学）
本文提出一种基于事件的二值重建方法，利用双模态目标先验在事件空间和图像空间独立推理并融合结果，结合高效集成和无监督阈值识别，在仅CPU设备上实时生成优于SOTA的高帧率二值视频。
2024-02-20 cs.CV
Modified Segmentation Algorithm for Recognition of Older Geez Scripts Written on Vellum
Faculty of Informatics, University of Gondar（贡达尔大学信息学院）
手写文档识别的目的是将文档图像转换为机器可理解的格式。手写文档识别是模式识别领域中最具挑战性的研究方向。当一份文件在几百年前写在牛皮纸上时，它就变得更加复杂了，就像更古老的吉兹脚本一样。在这项研究中，我们介绍了一种改进的分割方法来识别旧的吉兹脚本。我们使用自适应滤波降噪，Isodata迭代全局阈值的文档图像二值化，修改限界框投影分割Geez字符，数字和标点符号之间的不同笔画。SVM多类分类器在改进的分割算法下获得了79.32%的识别准确率。
2020-05-31 cs.CV
A Layer-Wise Tokens-to-Token Transformer Network for Improved Historical Document Image Enhancement
Optiks Innovations Pvt. Ltd (P360)（Optiks创新私人有限公司（P360））；Alipurduar Government Engineering and Management College（阿里布尔杜阿尔政府工程与管理学院）；Indian Statistical Institute（印度统计研究所）
提出 T2T-BinFormer，用 Tokens-to-Token 渐进式 token 化替代 ViT 硬切分以兼顾局部结构与全局关系，并在 DIBCO/H-DIBCO 上取得优于 CNN 与 ViT 方法的二值化效果。
2023-12-06 cs.CV
Binarized Diffusion Model for Image Super-Resolution
Shanghai Jiao Tong University（上海交通大学）；ETH Zürich（苏黎世联邦理工学院）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Westlake University（西湖大学）
针对现有二值化方法应用于图像超分辨率扩散模型时性能下降显著的问题，提出适配二值化的UNet结构与时间步感知激活调整策略的BI-DiffSR模型，实现了更优的二值化超分辨率扩散模型性能。
2024-10-31 cs.CV
Adaptive binarization based on fuzzy integrals
University of Salerno（萨莱诺大学）；Public University of Navarra（纳瓦拉公立大学）；Slovak University of Technology in Bratislava（布拉迪斯拉发斯洛伐克理工大学）
自适应二值化方法利用积分图像相对于相邻像素对像素的强度进行阈值化。进而，积分图像通常使用面积和表算法（SAT）来最佳地计算。本文提出了一种新的自适应二值化技术的基础上模糊积分图像通过一个有效的设计修改SAT模糊积分。我们定义这种新的方法为FLAT（模糊局部自适应控制）。实验结果表明，该方法产生的图像质量阈值往往优于传统算法和显着性神经网络。我们提出了一个新的推广的Sugeno和CF 1，2积分，以改善现有的结果与一个有效的积分图像计算。因此，这些新的广义模糊积分可以用作实时和深度学习应用中的灰度处理工具。索引词：图像保持、图像处理、模糊积分、聚集函数
2020-03-04 cs.CV cs.LG stat.ML
Theoretical Analysis of Power-law Transformation on Images for Text Polarity Detection
Indian Institute of Information Technology, Sri City, India（印度信息科技学院，Sri City，印度）
针对计算机视觉预处理中需通过文本极性实现图像二值化的问题，本文对现有基于幂律变换的文本极性检测方法中“亮暗背景下文本对应类间方差增减”的现象展开理论分析。
2025-11-11 cs.CV
Barcodes for Medical Image Retrieval Using Autoencoded Radon Transform
University of Waterloo（滑铁卢大学）
使用基于内容的二进制编码来标记数字图像已经成为一种很有前途的检索技术。最近，Radon条形码（RBC）已被引入作为一种新的二进制描述符的图像搜索。通过Radon投影的二值化并通过将它们组装成载体（即条形码）来生成RBC。一个简单的局部阈值已被建议用于二值化。本文提出了“自动编码Radon条码”的思想。使用训练数据集中的图像，我们对Radon投影进行自动编码，以对隐藏层的输出进行二值化。我们采用小批量随机梯度下降方法进行训练。自动编码器的每个隐藏层可以使用基于所使用的逻辑函数的范围确定的阈值来产生条形码。自动编码器的压缩能力显然减少了Radon投影中固有的冗余，从而获得更准确的检索结果。使用包含14，410张X射线图像的IRMA数据集来验证所提出的方法的性能。与RBCs、SURF和BRISK的实验结果表明，自动编码的Radon条形码（ARBC）具有捕获重要信息和学习更丰富表示的能力，从而降低了图像检索的错误率。
2016-09-16 cs.CV
Binarizing Business Card Images for Mobile Devices
Jadavpur University（jadavpur大学）
名片图像具有多种性质，因为这些通常包含背景和前景中各种字体和大小的图形，图片和文本。因此，传统的文档图像二值化技术不能直接应用于移动设备。在本文中，我们提出了一种快速二值化技术的相机拍摄的名片图像。卡片图像被分割成小块。这些块中的一些基于强度方差被分类为背景的一部分。然后，非文本区域被消除，文本区域使用简单但自适应的技术进行倾斜校正和二值化。实验表明，该方法快速、高效，适用于移动设备。
2010-03-08 cs.CV
Improving the Otsu Thresholding Method of Global Binarization Using Ring Theory for Ultrasonographies of Congestive Heart Failure
New York University (NYU)（纽约大学）；Universidad Autónoma del Estado de Morelos (UAEM)（莫雷洛斯州自治大学）
环理论指出，环是一种代数结构，其中两个二元运算可以在元素之间执行加法和乘法。二值化是一种图像处理方法，其中像素内的值被减小到从零到一的尺度，其中零表示最不存在光，一表示最存在光。目前，超声图用于扫描充血性心力衰竭。然而，由于周围的器官和较低质量的图像制作，代表疾病的着名花花公子兔子符号变得越来越难以分离。本文探讨了大津阈值法，并纳入了新的元素，以考虑不同的图像特征，旨在更好地隔离充血性心力衰竭指标的超声图像。
2021-11-13 cs.CV eess.IV math.RA
Image Enhancement with Statistical Estimation
Vehere Interactive Pvt Ltd（Vehere互动私人有限公司）
对比度增强是图像分析的一个重要研究领域。十年来，研究人员致力于该领域的研究，开发出一种高效且充分的算法。该方法利用最大似然估计（MLE）对图像进行二值化，增强图像的对比度。本文的目的是增强图像的对比度双峰和多模态图像。所提出的方法用于从图像中提取数学信息。在本文中，我们使用二值化方法，通过分离图像节点来生成所需的直方图。该算法利用直方图规范化和二值化方法生成增强图像。与其他图像相比，该方法在图像对比度增强方面有所改善。
2012-05-07 cs.CV cs.MM
Enhance to Read Better: A Multi-Task Adversarial Network for Handwritten Document Image Enhancement
Digital Research Center of Sfax（斯法克斯数字研究中心）；Computer Vision Center（计算机视觉中心）；Universitat Autònoma de Barcelona（巴塞罗那自治大学）
由于不同的原因，手写文档图像可能会受到严重影响：纸张老化，日常生活场景（皱纹，灰尘等），这些伪影给现有的手写文本识别算法带来了很多可读性问题，严重降低了算法的效率。在本文中，我们提出了一个端到端的架构，基于生成对抗网络（GANs）恢复退化的文档到一个干净和可读的形式。与最著名的文档二值化方法，试图提高退化的文档的视觉质量，所提出的架构集成了一个手写文本识别器，促进生成的文档图像更具可读性。据我们所知，这是第一个使用文本信息，同时二进制化手写文档的工作。对退化的阿拉伯语和拉丁语手写文档进行的大量实验证明了在GAN架构内集成识别器的有用性，这提高了退化文档图像的视觉质量和可读性。此外，我们在H-DIBCO挑战中的表现超过了最先进的水平，在此任务中，我们用合成退化的拉丁手写图像微调了我们的预训练模型。
2021-10-22 cs.CV
OCR accuracy improvement on document images through a novel pre-processing approach
The National School for Applied Sciences of Tetuan（得土安应用科学国立学校）
数码相机和移动文档图像采集是光学字符识别和文本检测领域的新趋势。在某些情况下，这样的过程集成了许多失真，并产生扫描不佳的文本或文本照片图像和自然图像，导致不可靠的OCR数字化。在本文中，我们提出了一种新的非参数和无监督的方法来补偿不良的文档图像失真，旨在最佳地提高OCR的准确性。我们的方法依赖于一个非常有效的堆栈的文档图像增强技术来恢复整个文档图像的变形。首先，我们提出了一个局部亮度和对比度调整方法，以有效地处理光照变化和图像照明的不规则分布。其次，我们使用一个优化的灰度转换算法来转换我们的文档图像的灰度级。第三，我们锐化有用的信息，在所产生的灰度图像使用非锐化掩模方法。最后，一个最佳的全局二值化方法是用来准备最终的文档图像OCR识别。该方法可以显著提高文本检测率和光学字符识别准确率。为了证明我们的方法的效率，一个标准的数据集上的详尽实验。
2015-09-11 cs.CV
Comparative Analysis of Binarization Methods For Medical Image Hashing On Odir Dataset
本文提出SDH方法在ODIR数据集上实现了优于其他二值化方法的医疗图像哈希性能，以更少的位数达到接近最先进的检索准确率。
2026-01-07 cs.CV cs.IR eess.IV
