基于缝裁剪和变形的图像缩放方法

提出一种既能保持图像重要内容又能较好地保持重要物体形状的图像缩放算法。该方法结合传统的缝裁剪技术和变形技术来对图像进行缩放。首先利用当前公认效果良好的基于图模型的流形排序显著性检测算法得到图像的显著度图,结合图像梯度能量等信息来构造结构更为清晰的图像重要度图;其次利用之前构造的图像重要度图并按缩放尺度的大小来确定适当的缩放方法;最后根据度量比较结果来选择经典缝裁剪方法或基于能量优化的变形方法进行图像缩放。对比实验结果表明,该方法在图像缩放时能保持重要内容和显著物体形状结构。     

基于三次拉格朗日插值的自适应图像缩放

传统的插值算法由于低通滤波效应通常会使目标图像边缘模糊,难以得到满意的视觉效果.为了取得较好的图像缩放质量,提出一种基于三次拉格朗日插值的自适应图像缩放算法.该算法首先计算目标像素点周围三组源像素点的方差,选取方差最小的一组源像素点,然后采用三次拉格朗日插值公式求得目标像素点的灰度值.实验结果表明,本文算法所得的目标图像边缘清晰,且算法复杂度较低,便于硬件实现,可以实现实时图像缩放.     

一种基于线裁剪的图像适配改进算法

线裁剪算法已被广泛应用于图像缩放中,但原始图像经线裁剪缩放后易出现失真、过度删除等畸变。为此,提出一种改进的图像适配算法。利用低通滤波器合并相邻裁剪线,应用门限技术标注不可删除点,避免下次迭代中新的裁剪线穿过高能量点,使用停止准则使得线裁剪操作进行到一定程度时,阻止其进一步迭代而产生穿过主体目标的裁剪线。实验结果表明,与前向、后向线裁剪算法相比,改进算法在不增加时间和空间复杂度的情况下,防止了线裁剪算法失真、过度删除的问题,产生较少的畸变,得到了更好的缩放效果。     

基于混合能量的内容敏感图像缩放新方法

提出了一种内容敏感图像缩放的新方法.该方法旨在保持图像缩放前后重要特征区域尽量相似的前提下,通过约束重要区域的旋转使得图像缩放前后视觉效果尽量一致.该方法分为3个步骤:首先,为图像关联全局和局部的控制单元,并根据这些控制单元所覆盖原始区域的重要性给其赋予权值;然后定义一种新的混合能量来约束控制单元,在变化前后尽量保持相似并惩罚其旋转;最后通过优化混合能量加权和来计算这些控制单元变形后的最佳位置,并插值得到最终图像变形结果.大量的对比实验结果表明,该方法具有保全局和局部特征、重要物体不易旋转、能够高效地得到扭曲较小的结果等优点.     

内容感知图像缩放技术综述

随着不同分辨率和纵横比的显示设备的迅猛增长,内容感知图像缩放技术逐渐成为图像处理领域新的研究热点之一。内容感知图像缩放的目标是在任意改变图像大小时保持图像中的主体特征不变。围绕其关键步骤:图像重要度识别和基于重要度的缩放,先概述重要度识别的相关方法,然后重点综述基于重要度的缩放技术。根据缩放是在像素级上操作还是亚像素级上操作,或者两者兼有,将其分为基于线裁剪缩放、基于图像变形缩放和多操作缩放3类,并比较各类方法的优缺点,同时给出各类方法所适合处理的图像类型。最后在分析各类研究方法的基础上,给出了内容感知缩放技术的可能发展方向。     

利用GDI函数减轻图像缩放失真

针对直接运用StretchDIBits函数进行图像缩放时的视觉失真问题，利用GDI函数设计一个图像缩放函数，使用该函数得到的视觉效果优于直接使用StretchDIBits。文中以位图缩放显示为例，对如何使用该函数进行说明。     

结合显著度图和自适应能量线的快速图像缩放*

针对Seam Carving图像缩放方法中能量函数的局限性和动态规划算法的复杂性,提出了一种基于图像内容的快速图像缩放方法。结合基于视觉注意力模型的显著度图,完善图像内容的能量描述;同时,提出一种基于图像内容的粗、细能量线自适应机制,与层次加速动态规划一起,加速缩放效率。仿真实验结果表明,该算法在有效保护图像内容的同时,降低了算法的计算复杂度,减少了图像缩放时间。     

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。     

基于罗伯茨梯度的彩色图像缩放新法

为了缩放图像而不改变图像中重要特征物的大小和比率,提出一种叫做缝络删增的缩放方法.一个缝络就是从顶到底或从左到右8-连接且仅连接一个像素的路径.最佳路径由图像的罗伯茨梯度函数来定义.通过在行列一个或二个方向重复删除或插入缝络就能改变图像的尺寸和比率.算法定义的缝络绕过了特征物边界,从而保护了图像的内容.理论分析和实验结果表明,该算法较其它算法能更有效地保护图像特征物.     

基于边缘检测的保特征的图像缩放算法

针对Seam Carving算法在实现图像缩放的过程中,对图像边缘几何特征造成破坏的现象,提出一种基于边缘检测的改进Seam Carving算法。首先在Seam Carving算法计算低能量线的同时引入图像边缘检测,其次确定低能量线与边缘的交点,进而提升交点邻域的能量,分散过于集中的低能量线。仿真实验结果表明,该算法能够有效减少Seam Carving算法缩放图像后产生的畸变,很好地保持了图像的重要几何特征。     

基于切缝对齐和变形校正的缝切割图像尺寸调整算法

针对图像尺寸调整的缝切割方法中存在的结构断裂和变形扭曲等问题,提出了一种基于切缝对齐和变形校正的切缝优化算法以获得更好的图像尺寸缩放效果.算法首先利用基于图割的切缝优化方法获得当前需要移除的一条切缝,然后采取动态规划算法,由粗到细地优化得到切缝上下像素之间的高精度匹配对应关系,最后通过逆向映射来对图像进行变形以校正发生扭曲甚至断裂的结构信息.实验结果表明,该方法能够很好地弥补缝切割所产生的扭曲变形,达到结构连续的视觉效果.基于切缝对齐和变形校正的切缝优化算法可用于调整图像尺寸使之与相应的显示设备相符,具有巨大的应用潜力.     

Seam Carving和显著性分析的图像缩放方法研究

提出一种基于Seam Carving和显著性分析相结合的图像缩放方法。通过不断移除（插入）缝合线来实现对图像尺寸的缩小（放大）。通过研究Seam Carving在图像缩放及目标保留移除中存在的问题,已有的基于像素点计算图像能量函数的方法会对某些图像失效,提出一种基于显著性区域求解图像能量函数的SDRS方法。实验结果表明,Seam Carving方法对自然图像的处理能够达到令人满意的效果。Seam Carving方法和SDRS方法的结合,也是一个创新点。     

基于双随机场能量函数的区域化图像分割*

为了提高图像分割算法的抗噪性,并充分利用特征场和标号场在能量函数分割模型中的作用,提出基于双随机场能量函数的区域化图像分割方法.首先,利用几何划分将图像域划分为一系列子区域.在此基础上,采用多值高斯分布的负对数定义区域化特征场能量函数,用于描述同质区域内像素颜色的统计分布一致性.扩展传统建模邻域像素标号关系的Potts模型至邻域子区域,定义区域化标号场能量函数,用于表征各子区域标号之间的相关性.联合特征场和标号场,采用KL散度定义异质性能量函数,用于刻画同质区域间颜色统计分布异质性.利用非约束吉布斯表达式将定义的特征场和标号场能量函数转换为描述图像分割的概率分布函数.最后,在最大化上述概率分布函数准则下,设计合适的M-H采样算法,获得最优图像分割.在合成图像、遥感图像和自然纹理图像上进行分割实验,验证文中方法的有效性和准确性.     

计算机绘制正弦函数图象

正弦函数图象应用极为广泛,但绘制图象并不容易,几个图叠加就更难。本文就此问题提出一个简单的解决办法。     

基于迭代分形的图象压缩和检索方法

图象所具有的海量性和无序性的特点，决定了多媒体应用的构建必须解决图象数据的高效压缩和有效检索两个关键问题，而由于传统的压缩和检索技术的研究是相互分离的，因而限制了多媒体应用系统整体性能的提高，针对此问题，从两者相互结合的观点，对图象压缩和检索方法进行了研究，首先在小波变换域内，基于迭代分形对图象数据进行压缩，然后在图象分形码的基础上，利用迭代函数系统分布特性构建的特征量来支持图象检索，实验结果验证了该方法的可行性和有效性，同时也表明了基于迭代分形的图象检索方法所具有的巨大应用潜力。     

一种消除图像拼接缝和鬼影的快速拼接算法

由于提取SIFT特征进行图像拼接的算法复杂度较高且不能很好地处理拼接缝和鬼影等问题,提出了一种消除拼接缝和鬼影的快速图像拼接算法.该算法首先划定提取SIFT特征的范围,计算出匹配特征点后使用RANSAC算法求取两幅图像间的坐标变换关系矩阵H,然后结合最佳缝合线算法和改进的加权平均融合算法实现无缝拼接.实验结果表明,提出的算法不仅有效地消除了拼接缝和鬼影,也提高了图像拼接的效率.     

基于局部能量方差特性的数字图像取证

在数字图像取证领域,如何高效甄别自然图像和计算机生成图像受到越来越多的关注。文中介绍一种数字图像取证算法,通过傅里叶变换计算图像像素之间的相关性,并利用频域的局部抖动来区别照相机拍摄的自然图像和计算机生成的图像。同时提出对计算机生成图像采取插值处理和对自然图像进行缩放处理的反取证方法,并且分析这两种反取证技术的应对方法。与Gallagher等的方法相比,文中基于数字图像局部能量方差特性的取证准确率更高,且能有效抵抗图像的反取证。     

一种根据图像能量调整的图像融合方法

针对传统图像融合算法无法对能量差异较大的图像取得良好融合效果的问题,文中根据图像的能量划分,利用多尺度变换和稀疏表示相结合的方式分解两幅图像的高低频信号,在低频部分自动调整不同能量图像块的稀疏融合规则,并在高频部分加入一致性检验,从而进一步约束对应局部空间能量MSD系数的复合过程,最后通过小波逆变换重构得到融合图像。使用红外图像、医学图像和多聚焦图像分别进行融合性能的验证,并分析稀疏分解层数和窗口步长等条件对融合效果的影响,最终取得该框架下的最优分解方式,获得了具备优秀的主观效果和客观指标的融合图像。实验结果表明,该算法在对任意两种类型传感器获得的图像进行融合时均能获得更加优秀的融合效果,且不仅局限于某两种图像的融合,其在SF,SSIM和EFQI等客观指标上优于传统融合算法和一般多尺度结合稀疏表示的算法。     

显著物体形状结构保持的图像缩放方法

针对传统的缝裁剪图像缩放方法中可能出现对图像中显著物体形状结构的破坏问题,提出一种既考虑到显著物体内容保持又考虑到显著物体形状结构保持的新的图像缩放方法。该方法首先利用经典的图像显著度图模型,结合图像梯度直方图等信息构建形状结构更加清晰的图像重要度图;然后利用已构建的重要度图,对图像进行分块,按显著块的大小来确定缩放方法;最后结合经典缝裁剪方法和基于共形能量的变形方法对图像进行缩放。实验结果显示,该方法能够在图像缩放时更好地保持显著物体的内容和形状结构。