تصاویر متنی با وضوح پایین معمولاً باعث ایجاد خطاهای جدی در خوانش و بازیابی متن می‌شوند که این امر می‌تواند بر کارایی سیستم‌های خوانش متن، تأثیر منفی بگذارد. فراتفکیک‌سازی تصاویر متنی، به‌ویژه در شرایطی که تصاویر اولیه دارای تفکیک‌پذیری پایینی هستند، از عوامل کلیدی در بهبود دقت سیستم‌های خوانش متن است. روش‌های سنتی فراتفکیک‌سازی، هرچند در بهبود کیفیت تصاویر موفق بوده‌اند، اما همچنان در حفظ جزئیات دقیق حروف و ساختار متن با چالش مواجهند. در این پژوهش، روشی برای فراتفکیک‌سازی تصاویر متنی ارائه شده که با بهره‌گیری از بازخورد هوشمندانه توسط تضعیف عامدانه تابع زیان خوانش، سخت‌گیری بیشتری بر شبکه فراتفکیک‌ساز اعمال کرده تا به‌طور ویژه تصاویری تولید کند که در آن ساختار حروف به‌خوبی حفظ شده باشد. این تابع زیان، شبکه فراتفکیک‌سازی را وادار به بازسازی جزئیات ازدست‌رفته در تصاویر کرده و دقت سیستم‌های خوانش متن را به‌طور قابل توجهی بهبود می‌بخشد. نتایج تجربی نشان می‌دهند که این روش نه‌تنها به افزایش وضوح بصری تصاویر منجر می‌شود، بلکه کارایی و دقت سیستم‌های خوانش متن را حدود ۱۰ درصد نسبت به تصاویر اولیه بهبود می‌بخشد. این رویکرد جدید گامی مؤثر در جهت بهینه‌سازی فرایندهای خوانش متن از تصاویر با تفکیک‌پذیری پایین به شمار می‌رود.

کلمات کلیدی