文档图像处理在办公自动化、数字化图书馆、工业自动化等领域具有广泛的应用。与扫描仪相比,数字相机成本低、操作方便、普及率高。当文档表面发生弯曲时,容易造成图像不同程度的畸变,导致字符识别率下降,因此有必要对文档图像进行矫正,以提高文档图像中字符的识别率。本文针对手持相机拍摄的表面自然弯曲的中文印刷体文档图像,提出一种利用深度神经网络估计形变参数的矫正算法。文中假设,拍摄时书本处于展开平放状态,利用深度神经网络同时估计出书本的多项式形变参数和相机姿态参数,进而实现对畸变图像的矫正。本文的主要工作如下:(1)针对最常见的应用场景,本文主要研究自然打开且水平放置的书籍造成的文档表面的弯曲,并采取三次多项式对其进行拟合。首先,在文档中选取连续数行以汉字为主的字符,并将这些字符的归一化坐标作为深度神经网络的输入,同时以与之对应的形变多项式系数和相机姿态参数作为输出。然后,基于透视投影原理自动生成附加扰动的训练样本,经过训练,深度神经网络能够根据归一化字符坐标估计出弯曲文档形变系数和相机姿态参数。本文分别对无形变文档图像和有形变文档图像进行了研究,都得到了理想的结果。(2)为确定字符位置,首先采用最稳定极值区域算法获取字符的初步定位结果,然后利用非极大值抑制算法去除其中重叠的检测结果,最后根据字符合并算法去除对单个字符的重复但不重叠的检测框结果。由于检测得到的结果中不包含行索引信息,因此通过预处理中的行索引信息确定操作,自动提取深度神经网络输入端所需的字符坐标值。(3)考虑到印刷体中半角和全角字符宽度不同,为了对字符坐标进行正确归一化,利用支持向量机对字符间距发生异常变化的字符进行分类,并结合字符间距信息进行字符间距调整。对于段落开头和结尾处的空白,基于邻域变化一致性,设计了一个字符补全算法,以得到连续数行完全排满的字符序列。本文以不同相机姿态采集实用场景中不同文档在不同弯曲情况下的图像,然后进行字符定位与字符预处理,将归一化坐标输入到深度神经网络,得到形变和相机姿态参数,最后利用正向矫正和逆向矫正算法对其进行矫正,并与经典的“四点法”矫正结果进行对比,用OCR识别软件的识别率对矫正算法的效果进行评价。实验结果表明,本文提出的矫正算法对发生透视变形的平面文档变形图像和弯曲文档变形图像都有较好的矫正效果。