PHDReader：一种基于VLM（视觉模型）的警察手写文档识别方法，该方法结合了EI-LFT（增强型局部特征变换）、FP-EESR（基于特征点的增强式边缘检测）和MFE-GLS（多特征融合与全局配准）技术

《Scientific Reports》：PHDReader: police handwritten document recognition method based on VLM with EI-LFT using FP-EESR and MFE-GLS

　　

摘要

警察手写文档识别在提升公安机关的战斗能力方面发挥着越来越重要的作用。为了解决识别过程中遇到的挑战，本文提出了一种基于Qwen3VL的警察手写文档识别方法，该方法结合了边缘增强超分辨率重建（FP-EESR）技术、多尺度特征提取（MFE-GLS）以及嵌入指令与LoRA微调（EI-LFT）算法。首先，通过FP-EESR技术增强汉字的手写特征；接着利用MFE-GLS提取“全局-局部-语义”融合特征以提高识别性能；最后通过EI-LFT对Qwen3VL模型进行微调，以适应警察手写文档识别的特定场景。为了测试各种方法的识别和提取效果，专门构建了一个用于手写警察文档识别的数据集。多项对比实验表明，新提出的PHDReader在识别性能、稳定性和泛化能力方面均优于先进的OCR模型和VLM。