تصاویر متنی با وضوح پایین معمولاً باعث ایجاد خطاهای جدی در خوانش و بازیابی متن می شوند که این امر می تواند بر کارایی سیستم های خوانش متن، تأثیر منفی بگذارد. فراتفکیک سازی تصاویر متنی، به ویژه در شرایطی که تصاویر اولیه دارای تفکیک پذیری پایینی هستند، از عوامل کلیدی در بهبود دقت سیستم های خوانش متن است. روش های سنتی فراتفکیک سازی، هرچند در بهبود کیفیت تصاویر موفق بوده اند، اما همچنان در حفظ جزئیات دقیق حروف و ساختار متن با چالش مواجهند. در این پژوهش، روشی برای فراتفکیک سازی تصاویر متنی ارائه شده که با بهره گیری از بازخورد هوشمندانه توسط تضعیف عامدانه تابع زیان خوانش، سخت گیری بیشتری بر شبکه فراتفکیک ساز اعمال کرده تا به طور ویژه تصاویری تولید کند که در آن ساختار حروف به خوبی حفظ شده باشد. این تابع زیان، شبکه فراتفکیک سازی را وادار به بازسازی جزئیات ازدست رفته در تصاویر کرده و دقت سیستم های خوانش متن را به طور قابل توجهی بهبود می بخشد. نتایج تجربی نشان می دهند که این روش نه تنها به افزایش وضوح بصری تصاویر منجر می شود، بلکه کارایی و دقت سیستم های خوانش متن را حدود 10 درصد نسبت به تصاویر اولیه بهبود می بخشد. این رویکرد جدید گامی مؤثر در جهت بهینه سازی فرایندهای خوانش متن از تصاویر با تفکیک پذیری پایین به شمار می رود.