基于小波域文本先验引导的生成对抗网络（TPWGAN）在场景文本图像超分辨率重建中的创新应用

【编辑推荐】本文提出TPWGAN框架，通过将小波变换（SWT）与文本先验结合，在生成器和判别器中引入高频（HF）子带损失，利用空间注意力机制融合二值文本掩码，显著提升场景文本图像超分辨率（STISR）的细节恢复能力，在TextZoom数据集上验证了其优越性。

　　

Highlight

本文提出TPWGAN（文本先验引导的小波域感知生成对抗网络），基于TATT[14]框架进行扩展，创新性地将小波域监督同时注入生成器和判别器。生成器通过静态小波变换（SWT）域损失优化笔画细节，判别器则利用空间注意力模块融合高频子带与二值文本区域掩码，将对抗训练迁移至小波域。如图1所示，TPWGAN在RGB和小波子带中均展现出比TATT更清晰的字符恢复效果与更高PSNR值。

Methods

TPWGAN的整体架构如图2所示，核心创新包括：

1. 1.

   生成器采用加权_l1损失函数，分别强化低频结构完整性与高频细节保留；

2. 2.

   判别器基于高频小波子带和文本掩码进行对抗训练，通过空间注意力机制聚焦关键区域；

3. 3.

   训练策略整合小波域与文本先验指导，在TextZoom基准测试中超越现有STISR方法。

Dataset

实验采用TextZoom数据集（含21,740组LR-HR图像对）及6个场景文本识别基准。测试集按识别难度分为简单（1,619样本）、中等（1,411样本）和困难（1,343样本）三组，验证模型泛化性。

Conclusions

TPWGAN通过SWT域损失与文本先验的协同作用，有效解决传统方法中边缘模糊和高频伪影问题。空间注意力驱动的判别器设计显著提升文本细节还原能力，在TextZoom和真实场景数据集中均表现优异。