Как отделить извлеченный из pdf текст от символов которые в самом pdf отображаются как "изображения"

Лично я вижу такое решение: составить алфавит допустимых символов и пунктуации, а оставшееся просто опустить.

Алфавит такой:

import string
ALPHABET = (" ".join(string.ascii_letters + string.digits + string.punctuation + string.printable) + "Ё Й Ц У К Е Н Г Ш Щ З Х Ъ Ф Ы В А П Р О Л Д Ж Э Я Ч С М И Т Ь Б Ю ё й ц у к е н г ш щ з х ъ ф ы в а п р о л д ж э я ч с м и т ь б ю").split()

Далее прогнать текст, который у Вас получился посимвольно и проверить есть ли каждый из этих символов в нашем алфавите.

Также если такая проверка не дает результатов и в полученном тексте есть бессвязный мусор из символов, то можно анализировать каждое слово на наличие таковых в языке, на котором написан PDF c помощью библиотеки langdetect:

from langdetect import detect
import string

def check_language(word):
    if word in (not (string.digits + string.punctuation + string.printable)):
        try:
            lang = detect(word)
            if lang == "ru": # Если документ написан на русском
                return True
            else:
                return False
        except:
            return False

Проверив таким образом каждое слово можно получить связный текст.

Решения топорные, но пока идей больше нет