In this dissertation, we propose a blind text image deblurring algorithm by using a text-specific hybrid dictionary. After careful analysis, we find that the text-specific hybrid dictionary has the great ability of providing powerful contextual information for text image deblurring. Here, it is worth noting that our proposed method is inspired by our observation that an intermediate latent image contains not only sharp regions, but also multiple types of small blurred regions. Based upon our discovery, we propose a prior for text images based on sparse representation, which models the relationship between an intermediate latent image and a desired sharp image. To this end, we carefully collect three different image patch pairs, which are 1) Gaussian blur-sharp, 2) motion blur-sharp, and 3) sharp-sharp, in order to construct the text-specific hybrid dictionary. We also propose a new optimization framework suitable for the task of text image deblurring in this dissertation. Extensive experiments have been conducted on a challenging dataset of synthetic and real-world text images. Our results demonstrate that the proposed method outperforms the state-of-the-art image deblurring methods both quantitatively and qualitatively.
본 논문에서는 문자 특화 하이브리드 사전을 이용한 문자 영상 디블러링 알고리즘을 제안한다. 본 논문에서는 문자 특화 하이브리드 사전이 문자 영상 디블러링을 위한 강력한 정보를 제공하는 데 큰 능력을 가지고 있음을 발견하였다. 본 논문에서 제안한 방법은 중간 잠재 영상이 선명한 영역뿐만 아니라 여러 종류의 작은 블러된 영역을 포함한다는 것을 관찰함으로써 영감을 얻었다는 점에 주목할 필요가 있다. 이러한 발견을 바탕으로, 중간 잠재 영상과 선명한 영상의 관계를 모델링하기 위한 희소 표현 기반의 문자 영상 사전 지식을 제안한다. 이를 위한 문자 특화 하이브리드 사전을 구성하기 위해 1) 가우시안 블러 - 샤프, 2) 모션 블러 - 샤프, 3) 샤프 - 샤프의 세 가지 이미지 패치 쌍을 수집한다. 또한 본 논문에서는 문자 영상 디블러링 작업에 적합한 새로운 최적화 프레임워크를 제안한다. 합성 및 실제 문자 영상에 대해 문자 영상 디블러링 데이터 세트에 대한 광범위한 실험을 수행하였다. 본 연구의 결과는 제안하는 방법이 양적, 질적 측면에서 최신의 영상 디블러링 방법보다 우수한 성능을 보인다는 것을 보여준다.
