由于纸张的厚薄、光洁度和印刷质量都会造成文字畸变，产生断笔、粘连和污点等干扰，所以在进行文字识别之前，要对带有噪声的文字图像进行处理。由于这种处理工作是在文字识别之前，所以被称为预处理，一般包括灰度化、二值化，倾斜检测与校正，行、字切分，平滑，规范化等等。

CTPN(Connectionist Text Proposal Network)是目前应用最广的文本检测模型之一。其基本假设是单个字符相较于异质化程度更高的文本行更容易被检测，因此先对单个字符进行类似R-CNN的检测。之后又在检测网络中加入了双向LSTM，使检测结果形成序列提供了文本的上下文特征，便可以将多个字符进行合并得到文本行。

视觉注意力模型（CNN+LSTM+Attention技术），该模型首先在图像上采用滑动窗口CNN（Convolutional Neural Network，卷积神经网络）的方法进行图像特征提取，然后在CNN的顶部堆叠一个LSTM（Long Short-Term Memory networks，长短期记忆网络）进行序列特征提取，最后，使用注意力模型作为解码器输出最终的文字序列。